关键词： 边缘计算   云边协同   视频分析   神经网络模型   显著性检测   目标检测   聚类  

摘要： 为解决实时视频分析任务中精度和延迟的平衡问题,进一步提升系统性能,提出一种基于显著性检测的云边协同视频流分析框架。通过计算推理结果在视频帧上的梯度来准确衡量不同区域的显著性,结合监控摄像机的上下文特征构建宏块(视频编码的基本单元)粒度的感知区。通过建立这些感知区,边缘端可以针对视频帧中不同区域的内容进行不同层次的压缩过滤,降低传输过程中的带宽消耗。实验结果表明,该框架在较小精度损失的前提下,能够显著降低带宽消耗和延迟。

关键词： 防吊起   目标检测   YOLOv5s算法  

摘要： 为防止集装箱卡车卸箱作业过程中与集装箱一同被吊起的安全隐患,需要对其作业过程中的位置状态进行准确的识别。以集卡车轮作为目标检测的特征提取对象,利用神经网络中YOLOv5算法作为基础算法,并针对算法中的特征提取能力不足、特征联系程度不强、场景应用能力不足的缺陷,给出融合结构重参数、自适应加权金字塔、检测头剪枝3种改进措施。实验结果表明,改进算法可提高模型的目标检测性能。

关键词： 碳化物   金相组织   缺陷检测   目标检测   级联R⁃CNN  

摘要： 在钢铁行业中,碳化物是钢材中一种非常重要的组成成分,其在钢材中的分布对于评估钢材的质量具有很高的参考价值。然而,目前棒材碳化物的检测手段主要为人工检测,成本高昂且缺乏稳定性。引入人工智能领域的深度学习技术,收集并标注了3192张高质量钢铁棒材带状碳化物图像与11个完整样品数据,创建了工业场景下的棒材带状碳化物目标检测数据集(Banded carbide dataset on object detection for steel bar,BCDOD)。使用深度学习领域中常见的目标检测方法对数据集进行了实验分析,针对应用场景与数据的特点,引入旋转数据增强、Focal Loss函数与负样本微调对级联R⁃CNN模型进行改进,提升了模型的性能,平均精度达到96%。同时,在完整样品数据取得了100%的识别准确率,取得了较为理想的效果,弥补了人工智能技术在碳化物金相检测领域的空缺。

关键词： 目标检测   免“锚框”   热力图   中心点检测   hourglass网络  

摘要： 传统的目标检测算法通常预设许多候选的目标边界框(“锚框”)穷举待检测目标的潜在位置,在对边界框进行置信度计算后筛除冗余边界框确定人物位置,此类检测方法需要复杂的后处理程序,检测效率低。针对待检测的人物目标,提出基于热力图预测的免“锚框”目标检测算法,将人物目标的检测转化为对人物热力图的最大值,即目标中心点的检测。通过中心点进行目标尺寸的回归,最终确定目标位置,免除对“锚框”的依赖和计算,从而有效降低计算成本,大幅提高目标检测的速度。实验结果表明:与传统基于“锚框”的检测算法Faster R-CNN和SSD相比,所提算法目标检测速度大幅提升,达到45帧/s,同时检测精度相较前两者在不同数据集上均有所改善。在现实场景测试中,即使视频中存在人物交叉遮挡情况,该算法也能实时跟踪和精准检测人物位置,达到实时检测的目的。

关键词： 线材挂牌   3D视觉   点云处理   目标检测   识别定位  

摘要： 目前,钢厂仍多采用人工形式进行线材挂牌作业,效率低下,劳动强度高。针对此,搭建线材数据采集环境,对3D点云数据进行预处理,开发基于降维的感兴趣区域定位算法,初步确定线材挂牌区域。提出“切四刀”方法,将大数据切割得到关键三维区域,根据捆线的几何特征,精准定位线材挂牌位置的三维坐标。利用2D目标检测算法对标牌位置进行识别,确定挂牌位置情况。进行现场整机试验,结果表明所构建的基于视觉的线材自动挂牌机器人系统挂牌准确率达到97%以上,满足现场应用需求。研究工作实现了线材自动挂牌,对类似作业自动化水平的提升具有指导意义。

关键词： 图像处理   低秩张量恢复   均衡张量   logDet函数  

摘要： 基于最小化核范数之和的低秩张量恢复方法已在许多领域取得广泛应用,但在某些应用场景,如彩色视频恢复中,其恢复结果不够理想,尤其是当已知元素数目较少时,恢复结果更差。导致该问题出现的一个根本原因是张量的不均衡结构,即张量中某些模的维度远小于其他模,这使得其展开矩阵是一个极度不均衡且满秩或高秩的矩阵。此外,秩的凸松弛则是导致该问题出现的另一个重要原因,最新研究表明,一些非凸函数可以比核范数更好地逼近秩。基于上述考虑,首先,引入一个重构操作将不均衡张量重构为更加均衡的张量,该重构操作能在保留张量低秩特性的同时减少算法准确恢复所需的已知元素数目;其次,将非凸logDet函数引入低秩张量恢复算法中,以取得比核范数更好的秩逼近效果;最后,通过与其他经典算法在彩色视频上开展对比实验,充分验证了本方法的有效性。

关键词： 图像增强算法   卷积神经网络   目标检测   直方图均衡化  

摘要： 为解决集装箱图像受到外界光线环境的影响造成信息对比度低、暗部细节信息不明显和图像信息难以辨认清等问题,提出一种新的图像增强算法,其重点是利用非线性变换,提高图像的暗部细节,将原本的RGB模型转化到HSV模型进行均衡化。利用实际工程中港口所提供的测试数据集,使用已训练好的模型进行广泛的实验。实验还探究了图像增强算法对卷积神经网络性能的影响,利用对比度受限的自适应直方图均衡化、伽马校正、拉普拉斯变换以及原始图像与该算法进行对比,使用10折交叉验证了该算法的精确率、召回率均大于其他的算法。采用配对T检验,比较分析采用各算法间的各项指标差异,结果表明:该算法相比其他算法的效果要好。

关键词： 遗弃物检测   智能视频监控   目标跟踪   区域关联分析  

摘要： 目前的遗弃物检测算法往往有较差的灵活性和可扩展性,针对该问题,同时为满足实时性要求,提出一种基于多目标跟踪的遗弃物检测算法。算法将遗弃物检测分为三个阶段:检测阶段、跟踪阶段和关联性分析阶段。使用检测器以提取感兴趣的目标位置,然后对其跟踪以及对目标关联性和静止性进行分析,以达到遗弃物检测的目的。该算法在AVSS AB2007数据集上进行了验证,平均准确率达到95.87%,同时满足实时性检测的要求,具有较好的鲁棒性和灵活性。

关键词： 数字图像处理   教学改革   综合模式  

摘要： 文章探讨了电气工程及其自动化专业“数字图像处理”课程的教学改革方案。随着人工智能技术的快速发展,数字图像处理技术已成为智能数字图像处理技术的核心。因此,提出了一种综合模式的教学改革方案,涵盖课程内容优化、教学方法改革、实践教学基地建设等方面,并提供了一些实施建议。该改革旨在培养具备智能数字图像处理知识的电气工程技术人才。

关键词： 流体运动估计   光流法   涡轮叶栅   纹影   图像处理  

摘要： 由于粒子图像测速技术在测量精度和时空分辨率上难以同时保证,而基于光流法的流体运动估计方法可以获得具有较高分辨率的稠密速度矢量场。为了评价该方法在流体运动估计上的适用性,采用流动情况由简单到复杂的开源粒子图像、标量图像、纹影图像序列对3种经典光流算法进行实验,在定性和定量层面评估了各算法的表现。结果表明:传统HS光流算法适用于大部分流动情况,然而在灰度梯度变化不明显时表现不佳;基于随机湍流传输模型的变分光流算法表现更为稳定,在HS目标函数中添加加权非局部平滑项后更适用于捕捉涡轮叶片纹影图像的尾迹区域和估计尾迹涡的输运速度。