关键词： YOLOv5s   路面坑槽   目标检测   自适应空间特征融合(ASFF)   FasterNet  

摘要： 为提高道路安全巡检工作中路面坑槽隐患的检测效率和自动化水平,降低交通事故发生概率,构建一种基于改进YOLOv5s的路面坑槽隐患智能检测模型。在原YOLOv5s网络中加入自适应空间特征融合(ASFF)模块,将主干网络替换为FasterNet网络,引入轻量通道注意力(ECA)模块;通过消融试验分析改进模块对检测模型性能的影响,验证目标检测效果,并开发交互式可视化检测界面。结果表明:改进后的模型精度、召回率和平均检测精度分别提升了4.1%、9.9%和5.6%。较原网络有较为显著的提升,具有良好的检测效果,能够满足路面坑槽自动化检测的应用需求,提高巡检效率,减少因路面坑槽导致的交通事故。

关键词： 输电通道   空飘物   目标检测   尺度变化  

摘要： 在电网长期运行期间,空飘物威胁输电线路安全稳定运行。针对密集输电通道场景复杂及漂浮物形态与尺度快速多变,难以兼顾检测准确性与实时性的问题,提出基于多尺度融合的密集输电通道空飘物检测算法。该算法以路径聚合网络为基础,融合快速空间金字塔池化模块,添加动态蛇形卷积和小目标检测层提升检测性能,采用置换注意力机制与加权交并比损失函数降低复杂背景干扰。试验分析表明,该算法可有效应对移动引发的尺度变化,精度和速度均优于其他目标检测算法。

关键词： 机器视觉   插件面板   标识点   定位   最大类间方差法   二值化  

摘要： 针对现行插件面板标识点定位方法应用时定位相对偏差较大的问题,该文提出基于计算机视觉的插件面点精准定位方法。首先,配置机器视觉系统,对插件面板图像获取。其次,采用最大类间方差法对插件面板图像进行二值化处理。最后,利用机器视觉技术对图像坐标系进行转换,确定标识点在机器坐标系中位置,实现插件面板标识点的定位。实验证明,设计方法定位相对偏差不超过1 mm,定位效果较好。

关键词： 选通图像   图像增强   目标检测  

摘要： 激光距离成像技术具有全天候成像、抗干扰能力强等优点,基于选通图像的目标检测有很大的前景。针对选通图像分辨率低与噪声干扰的问题,采用自适应双直方图均衡化与GDIP模块结合对选通图像进行前处理,提高图像质量;针对选通灰度图像特征不足的问题,基于YOLO-v8网络,改进了neck层,同时增加了改进的注意力机制模块,更好地提取特征信息。在自制数据集上进行验证,实验结果表明该方法能够有效提升检测精度。

关键词： 卷积神经网络(CNN)   视觉Transformer   混合模型   图像处理   深度学习  

摘要： 卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存在的弱项,高效地发挥出各自的亮点,在图像处理任务中表现出优异的效果。基于CNN与视觉Transformer混合模型进行深入阐述。总体概述了CNN与Vision Transformer模型的架构和优缺点,并总结混合模型的概念及优势。围绕串行结构融合方式、并行结构融合方式、层级交叉结构融合方式以及其他融合方式等四个方面全面回顾梳理了混合模型的研究现状和实际进展,并针对各种融合方式的主要代表模型进行总结与剖析,从多方面对典型混合模型进行评价对比。多角度叙述了混合模型在图像识别、图像分类、目标检测和图像分割等实际图像处理特定领域中应用研究,展现出混合模型在具体实践中的适用性和高效性。深入分析混合模型未来研究方向,并为后续该模型在图像处理中的研究与应用提出展望。

关键词： 皮革缺陷检测   YOLOv8   目标检测   轻量化   StarNet  

摘要： 为了解决YOLOv8参数量过大影响检测速度等问题,本文以汽车座椅皮革为样本对汽车座椅表面进行缺陷检测,提出了一种轻量化的基于YOLOv8框架的皮革缺陷检测算法。首先,将YOLOv8原本的主干网络替换成轻量化网络StarNet, StarNet通过星型运算实现了高维和非线性特征空间的映射,从而在紧凑的网络结构和较低的能耗下展示了出色的性能和低延迟。其次,将原本的检测头替换成轻量级共享卷积检测头,通过使用共享卷积,可以大幅减少参数数量,使得模型更轻便,以便于在资源受限的设备上部署。最后,将颈部网络的C2f模块替换成C2f_Star模块,在网络更加轻量化的同时,将不同尺度的特征图进行融合,提高目标检测的准确性和鲁棒性。在自制的HSV-Leather数据集上对模型进行实验验证,结果表明,改进后的YOLOv8-Leather检测模型性能优于YOLOv8n模型。对比YOLOv8n模型,改进后的模型在参数量上降低了57%,检测速度提升了20%,模型权重降低了52%,运算量降低了53%。实验验证了改进后的模型在解决皮革表面缺陷检测问题上的可行性。

关键词： 红外成像技术   目标跟踪   图像均衡   区域检索   查找表  

摘要： 针对红外相机在进行目标跟踪时由于图像动态范围大、目标及相机高速运动导致拍摄图像经常过亮或过暗的问题,设计了一款高实时、高质量的红外图像均衡算法。该算法通过优化红外相机曝光参数完成图像主体与背景对比度的调节。首先对图像分区,通过分析相邻区域亮度变化,进行图像非连续区域检索,基于检索结果确定图像主体,并针对主体进行加权,统计图像亮度。接着为满足相机小型化需求,将插值法与查表法结合,根据图像亮度均值完成曝光参数的迭代。该算法不仅保证了图像主体清晰度以及红外相机曝光调节速度,而且避免了额外存储单元的需求。经红外相机实测,所提算法平均仅需3.2帧即可完成红外图像均衡化,平均曝光误差为5.15%,具有较好的应用价值。

关键词： 输电线路   覆冰厚度   图像识别   图像处理  

摘要： 针对冬季户外输电线路覆冰问题,提出了一种基于图像处理的覆冰厚度识别技术。通过分析输电线路覆冰图像的特性,结合先进的图像分割和边缘检测算法,旨在实现对覆冰厚度的精确识别。试验数据显示,该技术将平均测量误差控制在较低水平(平均测量误差最高7.90%),有效降低了传统方法的测量误差,显著提高了覆冰厚度识别的准确性。研究不仅验证了图像处理技术在覆冰检测中的可行性,还可为相关领域的技术发展提供参考。

关键词： 深度学习   目标检测   水下图像   部分卷积   注意力机制   局部特征  

摘要： 海洋工程的日常任务经常会利用水下航行器来探测水下环境,针对水下复杂环境采集的图像目标容易出现局部特征信息丢失,导致漏检、检测精度低的问题,提出基于增强局部特征的水下目标检测方法。在主干网络采用Faster Block增强图像特征提取能力;利用归一化注意力模块抑制不显著的特征信息来提高网络的效率;构建集中特征增强金字塔池化模块增强对水下复杂背景下目标局部特征信息的捕获能力;改进损失函数提高网络模型对水下图像目标预测效果。实验结果表明,该方法平均精度相较于原模型提升了1.5百分点,网络推理速度为36.4,能够有效地提升水下目标的检测精度。

关键词： 数字图像处理   课程思政   体系化  

摘要： 数字图像处理课程具有较强的实用性与前沿性,在现代技术特别是人工智能领域应用广泛,同时在跨学科应用中有较为重要的作用。为落实以学生为主体的育人根本目标,文章对数字图像处理课程思政教学进行了研究,提出了课程思政教学体系,改进了课程思政实施方案,实现了知识点课程思政的自然融入,并通过更新教学方法,发挥学生主观能动性。改进的课程思政教学方法取得了较好的教学效果,对数字图像处理的教学有一定指导作用。