关键词： 机器视觉   交互式仿真   仿真实验平台   实践探索   图像处理   课堂教学   综合练习   教学设计  

摘要： 机器视觉技术在工业生产中应用广泛,可有效提高产品检测效率和准确性。基于此,本文开展了机器视觉基础实验的教学设计,开发面向机器视觉课堂教学的交互式仿真实验平台,使学生可以在实践探索中体会机器视觉的经典图像处理操作,加深对算法及程序的理解。通过综合练习,让学生独立设计和完成综合应用案例,提升学生对于机器视觉的实践和应用能力。

关键词： 3D目标检测   多传感器数据融合   CPU   移动机器人  

摘要： 实时、准确的3D目标检测算法能提供目标的位置和形态信息,为移动机器人实现高效导航、有效避障等各项任务提供保障。现有的3D目标检测算法对硬件设备运算能力的依赖较为严重,为了在确保检测精度的同时降低方法对硬件设备的要求,提出一种能部署在移动机器人CPU环境下的多传感器融合3D目标检测方法。方法结合了2D目标检测和点云聚类技术,利用2D目标检测技术从图像中获取目标的检测信息,根据相机与雷达的空间映射关系对检测框内的点云进行分割,并对分割后的点云进行聚类和信息提取,从而实现3D目标的检测和定位功能。通过与经典的多传感器3D目标检测算法MVX-Net的对比,该算法有更优的检测精度,同时具有更小的计算复杂度。此外,该方法在实际移动机器人CPU设备的边缘终端上进行部署分析,算法的处理速度达到0.069s/帧,满足10Hz激光雷达频率的需求。

关键词： 隧道爆破   布孔   钻孔精度   目标检测   深度学习  

摘要： 隧道爆破布孔钻孔的精确性直接影响到工程质量和施工安全,在复杂地质条件下,传统布孔钻孔技术造成孔位误差大、人力资源消耗高。采用智能化深度学习技术YOLOv5目标检测算法,对隧道爆破布孔钻孔的位置、角度和深度进行精准定位,并通过孔位偏差计算公式量的调整和优化,确保工程质量,有效解决传统布孔钻孔方法对隧道爆破效果的影响。

关键词： 海杂波   弱目标检测   时频分析   K-medoids聚类   凸包检测器  

摘要： 为了进一步提升时频域特征检测海面弱目标的能力,提出一种平滑伪魏格纳-威利分布(smoothed pseudo Wigner-Ville distribution,SPWVD)-短时傅里叶变换(short-time Fourier transform,STFT)海面弱目标检测算法.首先,采用STFT对回波信号进行时频特征分析,优化SPWVD的时频特征分析结果,并引入K-medoids聚类算法对二者时频矩阵进行降噪处理.然后,提取时频域特征多普勒频率稳定度(Doppler frequency stability,DFS),利用快速凸包学习算法获得虚警可控的判决区域,从而判定海杂波与目标.最后,基于IPIX数据集中实测数据的实验结果表明所提出的检测算法在相同虚警率下比时频三特征检测器的平均检测概率高6.3%.

关键词： 樱桃番茄   目标检测   深度学习   RT-DETR   轻量化   Transformer  

摘要： 为进一步提升穗收型樱桃番茄识别准确率和识别速度,实现设施环境番茄自动采摘,提出了一种基于改进Transformer的轻量化樱桃番茄穗态识别模型。首先,构建了包含不同光照环境和采摘姿态的樱桃番茄数据集,并对樱桃番茄果穗姿态进行了划分。然后,提出了一种基于改进RE-DETR的轻量化穗收樱桃番茄识别模型,通过引入一个轻量级的骨干网络EfficientViT替换RT-DETR原有的骨干网络,显著减少了模型参数和计算量;同时设计了一个自适应细节融合模块,旨在高效处理并融合不同尺度特征图,并进一步降低计算复杂度。最后,引入加权函数滑动机制和指数移动平均思想来优化损失函数,来处理样本分类中的不确定性。实验结果表明,该轻量化模型在保持高识别准确率(90%)的同时,实现了快速检测(41.2 f/s)和低计算量(8.7×10^(9) FLOPs)。与原始网络模型、Faster R-CNN和Swin Transformer相比,平均识别准确率提高1.24%~15.38%,每秒处理帧数(FPS)提高25.61%~255.17%,同时浮点运算量实现了69.37%~92.37%的大幅降低。该模型在综合性能上有着较强的鲁棒性,兼顾了精度与速度,可为番茄采摘机器人完成视觉任务提供技术支撑。

关键词： 缺陷检测   数字图像   光学元件   偏振特性  

摘要： 光学元件表面缺陷会严重影响到光学系统的性能指标。现有的光学元件表面缺陷检测技术存在检测速度慢,精度低等问题。基于光学元件微缺陷偏振检测技术,研究了缺陷偏振成像的数字图像处理方法。首先利用光的偏振特性采集到缺陷对比度高的图像,然后通过滤波去噪、阈值分割、形态学处理的方法对图像进行预处理,再根据不同的缺陷类型选取不同的特征参数从而实现缺陷检测及分类,此外还精确测量了缺陷的尺寸。结果表明,此方法的缺陷总检出率为95.90%,单张图像检测时间少于50 ms。

关键词： 目标检测   PointPillars   注意力机制   点云   自适应空间特征融合  

摘要： 针对自动驾驶场景下远距离及遮挡目标识别问题,对PointPillars算法进行了改进。引入了并行的空间注意力和通道注意力机制,增强了目标的位置信息及有用特征通道权重,提高了远距离目标的检测精度。在2D CNN骨干网络中引入了自适应空间特征融合模块,解决了特征拼接的信息丢失问题,提高了遮挡目标的检测精度。基于KITTI数据集在3种不同场景难度下分别对SECOND、PointPillars、改进PointPillars这3种算法进行了定量分析验证,并将改进的PointPillars算法进行可视化分析。定量分析表明,改进PointPillars算法在鸟瞰图模式下目标检测精度最大提升2.75%;在三维模式下目标检测精度最大提升2.93%;在AOS模式下目标检测精度最大提升4.05%,可视化结果表明改进的PointPillars算法能有效检测远距离及遮挡目标。

关键词： OpenCV   双波长光纤导引光   高精度装调   图像处理   最小二乘法  

摘要： 为了保证双波长光纤导引光在高精度装调设备中的成功应用,设计了一种基于OpenCV(Open Source Computer Vision Library)的图像处理算法。采用主动调整曝光模式对CCD(Charge-coupled Device)相机进行主动调焦,利用OpenCV分析典型图像处理算法,调整算法参数,通过最小二乘法拟合图像,绘制中心坐标,最终实现输出理想的图像。经检测分析,图像校准的精度平均值为4.54μrad。该算法能够捕捉、识别并实时跟踪目标,将计算机识别的中心坐标打印到输出的图像上,提高了双波长光纤导引光对装调设备的装调精度。

关键词： 行人目标检测   YOLO-V5   多尺度目标检测   注意力机制  

摘要： 为了提高在各类复杂场景中不同尺度行人目标的检测性能,提出了一种结合注意力机制的YOLO-V5多尺度改进算法。通过对YOLO-V5主干网络进行加深,进一步提高其特征提取能力,丰富深层语义信息;在算法中引入Coordinate Attention注意力机制,使其能够关注输入特征图中的有效区域;在原始YOLO-V5基础之上,增加一组新的目标检测头部,来增强算法对小尺度目标的检测性能。所提出的方法在Citypersons行人数据集上进行了实验,将Citypersons验证集中的不同尺度目标细分为3种后,改进算法对这3种不同尺度行人目标的AP50指标分别达到了64.5%、66.6%、71.7%,Recall指标分别达到了53.0%、56.6%、61.7%,较原始YOLO-V5算法分别提高了3.8%、3.6%、2.3%和3.3%、4.7%、3.5%。实验结果表明,提出算法对多尺度行人目标的检测效果具有明显提升。

关键词： 目标检测   深度强化学习   VGG16   注意力机制   奖励机制   Dueling DQN  

摘要： 为提高深度强化学习目标检测模型的检测精度和检测速度,对传统模型进行改进.针对特征提取不充分的问题,使用融入通道注意力机制的VGG16特征提取模块作为强化学习的状态输入,来更全面地捕获图像中的关键信息;针对仅使用交并比作为奖励出现的评价不精准问题,使用额外考虑了真实框与预测框中心点距离以及长宽比的改进奖励机制,使奖励更加合理;为加速训练过程的收敛并增强智能体对当前状态和动作评价的客观性,使用Dueling DQN算法进行训练.在PASCAL VOC2007和PASCAL VOC2012数据集上进行实验,实验结果表明,该检测模型仅需4–10个候选框即可检测到目标.与Caicedo-RL相比,准确率提高9.8%,最终预测框和真实框的平均交并比提高5.6%.