关键词： 车辆检测   跟踪模型   交通调查   九型车检测   计算机视觉   交通量统计   实时目标检测器   深度简单在线和实时跟踪  

摘要： 在大多数国省道路场景下,基于计算机视觉的交调方式都面临着车型划分精细、道路交通参与者类型繁杂、噪声干扰多等,导致车型流量占比计算困难的问题。为此,本文提出了一种基于细粒度目标检测与跟踪的九型车识别框架,引入基于无锚框和密集特征采样的实时目标检测器(real-time models for object detection,RTMDet)作为检测模块来执行高效、精准的九型车检测任务;同时设计了一种具有任务针对性的感兴趣区域(region of interest,ROI)噪声抑制模块,用于过滤背景噪声和路面无效车辆。通过进一步与深度简单在线和实时跟踪(deep simple online and realtime tracking,DeepSort)框架集成,本文在检测和跟踪精度方面相较于主流方法都得到了提升,可以为二级交调任务提供精准、细粒度的道路流量信息。

关键词： 船舶目标检测   复杂环境   Swin Transformer   SIoU  

摘要： [目的]海岸监控与驾驶瞭望过程中,需要在远距离、多场景下对各种目标进行识别与跟踪。其中,船舶目标往往成像尺寸小、特征不明显,容易与其他目标混淆。为此,提出一种船舶检测方法ShipDet,通过设计专用骨干网络、改进特征提取过程、约束微观检测头,旨在改善上述问题。[方法]首先,通过融合自注意力模块Swin Transformer(STR)和经典CSPDarknet53网络,构造对微小目标高度敏感的特征融合提取网络,以增强小目标特征与环境的相关关系,关联船与航道、船与船、船与岸线,显著抑制不相关信息。考虑到数据集的船舶目标分布不均匀并且尺度变化较小的特点,保留2个检测层,减少模型参数并进一步提升模型性能。最后,使用SIoU损失函数(SCYLLA-IoU)来约束检测头,降低损失函数的回归自由度,提高检测的精度和抗干扰能力。[结果]在2023ships数据集上的验证结果表明,所提方法在船舶目标检测任务上表现较好,mAP@0.5达到92.9%,平均精度为92.1%,消耗参数量仅为35366310,整体检测性能优于其他算法。[结论]ShipDet方法将为海事监控、智能航行提供高效的支撑。

关键词： 智能建造   混凝土备仓   钢筋网绑扎   计算机视觉   拓扑分析   模式识别  

摘要： 水利水电工程大体积混凝土常采用间隔绑扎的单层钢筋网。针对当前钢筋网绑扎率人工目视验收存在效率慢、精度低的问题,基于计算机视觉与拓扑分析提出了钢筋网绑扎率的视觉智能评价方法。训练了识别钢筋网图像中钢筋交叉点与绑扎状态的目标检测模型;针对无序的识别框坐标,提出“十字交叉”方法与生长编号算法,实现了钢筋网拓扑重构;根据交叉点拓扑编号提出基于节点自由度的最优绑扎方法。实验分析表明,方法解决了人工定性评价的缺陷,兼具精度与效率优势,实现了钢筋网绑扎率的视觉智能评价,能够为水利工程智能建造提供有力支持。

关键词： 电阻点焊   机器视觉   图像处理   缺陷识别  

摘要： 电阻点焊作为不锈钢车体常用的焊接方法,其焊接质量稳定、生产效率高,但目前焊点外观质量检测过程中存在人的疲劳、责任心和经验欠缺的问题,为解决该问题,设计了一种基于机器视觉的不锈钢焊点外观质量检测系统,采用工业相机进行图像采集,并通过图像处理算法对焊点图像进行ROI提取,同时对焊点的内外轮廓半径进行尺寸测量和直线检测;基于图像特征对焊点进行分类识别;最后利用C#与Haclon联合编程做了一个人机交互的软件界面。试验表明,共检测220张图像,总的有无缺陷判别精度为89.55%,总的缺陷分类精度为91.84%,并且通过软件界面,能够实现辅助电阻点焊焊点外观缺陷检测人员的焊接缺陷自动识别。

关键词： 智能交通   速度测量   影像视锥   数据融合   卡尔曼滤波   目标检测  

摘要： 为克服激光、相机在雷视监控设备测速任务中的采集频率、分辨率、视角等差异,提出一种影像优先与二维三维视图一体的多目标连续追踪测速方法。首先,均匀选取场景几何特征同名点对,采用直接线性变换法计算外参参数,在线完成相机与激光雷达间标定;然后,提出视觉引导的视锥体空间下二维三维一体目标定位方法,以高分辨率地面点计算区域界限初步去除背景点,将视锥三维视图转换为二维俯视图自适应计算目标聚类参数,以二维最密体素指引恢复至三维选取起始种子点完成聚类定位以消除无关点,解决视角导致的不同分辨率点云目标检测混淆问题;最后,基于卡尔曼滤波,考虑车辆运动状态,根据离散同步帧点云定位结果将测速过程建模为相应观测方程,并以点云分辨率估计观测噪声协方差矩阵,实现对离散测速结果的连续最优估计,解决观测噪声以及两设备时间异步的误差影响。在常见交通场景的图像+点云数据下进行实验,结果表明,本文方法速度测量的平均绝对误差为0.2764 m/s,均方根误差为0.3251 m/s,最远探测距离达到103.211 m,具有较高的准确性和实用性。

关键词： 目标检测   YOLOv5   三重并行卷积注意力机制   残差遮挡注意力机制  

摘要： 针对夜间光照条件不足等条件下交通环境的多目标检测问题,提出一种改进YOLOv5s的目标检测算法。该算法首先在原始的YOLOv5s网络中嵌入三分支结构并行卷积注意力模块,通过计算跨维度注意力权值矩阵,实现了一种轻量级的有效注意力机制。其次,为了解决小目标和遮挡目标的检测问题,嵌入残差遮挡感知注意力机制,通过不同卷积核大小的卷积块对图像进行类分块操作,更准确地突显小目标和被遮挡目标。通过在FLIR数据集上的对比实验表明,改进算法在夜间交通环境下的多目标检测任务中能够提高检测精度,相较于传统YOLOv5s,其检测准确率mAP@0.5提高2.9%。

关键词： 潍县萝卜   图像处理   目标检测   萝卜分级   YOLOv5s  

摘要： 针对目前潍县萝卜表面缺陷筛选主要依靠人工,存在工作强度大、分拣效率低等问题,设计了一种基于外形特征的潍县萝卜筛选系统,并搭建了试验台架。实地采集了潍县萝卜表面缺陷数据照片,构建数据集,通过调节亮度与对比度、旋转、缩放、高斯模糊及添加椒盐噪声等方法对数据集进行了扩充,以防止过拟合;对数据进行标注,分为根部多头、弯曲、损伤和虫眼4种类型;选用模型体积小、检测速度快的YOLOv5s网络对潍县萝卜表面缺陷数据集进行训练,并生成识别模型。结果表明,其识别准确率90.25%、精确率93.77%、召回率90.83%和mAP@0.5为91.21%。模拟实际作业环境,设计并制作了试验样机,采用传送带带动萝卜移动,上位机通过双摄像头对萝卜的表面信息进行采集并进行处理,下位机控制同步带滑台带动推板完成对萝卜的分拣。在输送平台传送带速度分别为0.16、0.30和0.38m/s时进行筛选试验,结果表明,筛选总体准确率分别为97.5%、92.0%和82.5%。该研究可为潍县萝卜筛选装置的研发提供设计参考。

关键词： 计算机视觉   晶圆缺陷识别   深度学习   通道注意力机制   多路径深度卷积  

摘要： 晶圆图缺陷的准确分类对改进制造工艺具有至关重要的作用。相比于单一缺陷,混合缺陷具有特征复杂、种类繁多的特点,更加符合真实工业制造情况。为了有效识别并分类混合缺陷,提出一种结合通道注意力机制和多路径深度卷积神经网络的方法。此方法在多路径深度卷积神经网络支路上增加通道注意力机制,以关注混合型晶圆图的详细特征。在38类缺陷真实数据集上的实验结果表示,模型在精度方面优于一些现有的深度学习模型,其平均正确率高达97.67%,可以有效分类晶圆图混合缺陷。

关键词： 图像处理   火灾烟雾识别   特征金字塔   注意力机制  

摘要： 我国火灾隐患高居不下,严重威胁着人民群众的生产、生活安全,火灾释放的污染物对空气质量和人体健康都有潜在影响,提高视频火灾烟雾识别技术能够有效地把火灾扼杀在摇篮里。本文提出了一种基于多尺度特征融合的烟雾识别模型,在神经网络模型VGG19的基础上构建了自上而下的特征路径和自下而上的注意路径,在进行卷积的同时保留低层特征,更利于烟雾识别这项任务。本研究采用火灾科学国家重点实验室公开的烟雾图像数据集进行实验,准确率达到99.75%,相较于仅使用神经网络模型VGG19提高了9.85%。

关键词： 安全工程   化工实验室   目标检测   轻量化   YOLOv8  

摘要： 为了利用人工智能和目标检测技术实现对化工实验室的智能安全防控,提出了基于改进YOLOv8的化工实验室安全检测模型,旨在检测试验人员不规范行为和异常目标。首先,利用分组混洗卷积(Group Shuffle Convolution,GSConv)重构YOLOv8的C2f结构和特征融合部分的下采样模块,降低模型的参数量与计算量;其次,设计基于分组卷积的轻量化检测头替换原有检测头,进一步降低计算复杂度;最后,构建面向化工实验室安全检测的图像数据集,用于训练模型。试验结果表明,经过改进的模型在不牺牲过多检测精度的情况下,参数量和计算量分别降低了48%和54%。改进模型在性能和轻量化之间取得了良好的平衡,不仅适用于在计算资源受限的化工实验室环境下部署,也具有在其他需要轻便高效安全监控的场景中广泛应用的潜力。