关键词： 脊柱检测   腰椎滑脱   目标检测   深度学习  

摘要： 目的本文基于正侧位的脊柱X光片,实现全脊柱椎体检测,然后基于检测结果实现脊柱的腰椎滑脱的自动分型。方法本文采用目标检测框架方法来检测椎体、弓根、骶骨S1上边缘及股骨头中心的检测。然后通过各项检测结果,来计算临床参数,从而完成对脊柱的分型预测。结果所用数据集来自北京大学第三医院的脊柱X光片8331张,每位患者包括正位图和侧位图。针对于椎体检测,本方法在正位图中达到99.46%的图片召回率和99.73%的图片精准率,在侧位图中具有98.83%的图片召回率和99.38%的图片精准率。针对于S1上边缘、股骨头中心及弓根检测结果,达到了临床专家的要求。针对于腰椎滑脱的分型,平均准确率为93.5%。结论本研究内容为腰椎滑脱问题提供了基于深度学习的自动检测方法,同时该方法也可以推广到颈椎滑脱、脊柱侧弯、椎骨异形等脊柱检测的其他问题。

关键词： 深度学习   目标检测   YOLOv8   注意力机制   数据增强   特异小样  

摘要： 基于机器视觉的工业产品表面缺陷检测设备和系统大量应用在工业制造领域,目前其难点在于工业检测数据的采集,由于训练样本缺失导致深度学习网络模型无法有效训练.为解决上述问题,首先,提出一种基于不规则掩码的伤痕样本生成算法,改善了钢板表面缺陷检测任务中特异小样本数据集正负样本不均衡的情况;然后,在YOLOv8主干网络引入MHSA多头自注意力,提高对钢板表面缺陷的关注度;最后,使用SIoU替换原损失函数,增强网络模型的定位能力,提高检测的准确性.基于热轧钢板表面缺陷检测问题的实验结果表明,该方法能够有效解决特异小样本工业探伤的具体问题.

关键词： 表面缺陷检测   降噪算法   碳纤维丝束   图像处理  

摘要： 碳纤维展宽质量是影响预浸料质量的一个关键因素,人工检测存在误差大、效率低等问题。为提高碳纤维展宽质量的检测效率和准确度,提出基于邻域去噪及图像差分的碳纤维丝束展宽表面缺陷检测方法。针对碳纤维丝束表面光照不均导致的缺陷细节表征问题,采用一种筛选邻域孤点填充的降噪方法。该方法通过筛选出可适应大小的邻域孤点后进行背景填充,实现图像降噪,并将待检测图像与滤波处理后的背景图像进行差分运算,以提取缺陷区域。通过搭建的碳纤维丝束展宽表面缺陷检测系统进行实验,结果表明,该方法可对大丝束碳纤维展宽后表面劈裂、明缝、起毛等缺陷进行较为准确的检测,缺陷准确检出率为96.9%,满足工程实际生产需要。

关键词： 阿里云   目标检测   老年人   拐杖   智能化  

摘要： 文章设计了一款基于阿里云HaaS后台服务框架和深度学习技术的老年人智能化拐杖,该拐杖具备摔倒检测、心率监测、体温监测、GPS定位和报警等多项功能,旨在解决传统拐杖功能单一、智能化程度低以及老年人日常出行安全等问题。随着社会的逐渐发展和老龄化趋势的加剧,独居老年人数量不断增加,智能化产品逐渐融入老年人日常生活。通过智能化设计,该拐杖为老年人提供了更加安全、便捷的出行方式,提高了老年人的生活质量。

关键词： 图像处理   FPGA   拉格朗日插值算法   曲线拟合   XC7A35TFTG256  

摘要： 基于FPGA硬件平台的激光线扫描相机采集投射至被测物体表面的线状激光光束图像后,通过中心点法提取出激光线二维像素坐标,重构被测物体平行光轴端面轮廓空间坐标。针对该系统因设备和环境等因素造成的激光线图像非连续问题,本文提出一种基于FPGA的拉格朗日插值算法设计,完成了不连续激光线像素坐标曲线拟合。该算法包含浮点数的加、减、乘、除、比较、顺序循环控制等子模块,充分利用FPGA并行处理能力实现对图像算法的加速处理,相较于线性插值法其拟合精度更高。实验结果表明,该模块运算时间为7.945μs,运算速度是8核64位计算机的76倍,保证了系统的实时性,且实现了高精度的拟合,增强了系统的稳定性。

关键词： 无人机目标检测   域泛化   频域特征   混合特征融合   多深度分层编码  

摘要： 由于当前无人机目标检测模型与频域等特征的关联能力弱、真实世界场景下知识迁移困难等,导致了模型泛化能力差,提出了一种无人机目标检测的多深度混合特征域泛化方法,强化了不同类型特征间的关联性提高了目标检测模型的泛化能力。提出了针对频域混合特征的混合特征融合方法,可对混合特征数据间的数据关联进行有效强化。为了降低域偏移对模型泛化性的影响,设计了针对多特征域解耦的混合特征多深度跳跃式融合编解码网络。相较于现有方法,可有效处理真实世界未见场景中的无人机目标检测,检测精度有明显提升。

关键词： 计算机视觉   柑橘   分级包装   缺陷检测   限位泡沫  

摘要： 机器视觉是能赋予机器“甄别图像”能力的前沿尖端技术。聚焦于其在柑橘自动分级包装系统的应用研发,旨在大幅提升柑橘生产线效率,增强市场竞争力。鉴于柑橘表皮缺陷对品质和价值的直接影响,系统以缺陷大小和数量为主要分级依据。在暗箱环境获取高质量表皮图像,通过先进算法精准识别缺陷特征实现高效准确分级。包装环节中,分级结果实时反馈至机械臂控制系统,驱动其迅速抓取柑橘并放置于对应纸箱。纸箱内有限位泡沫防止碰撞摩擦,提升保护性。实验结果表明,柑橘缺陷检测精度达98.7%,精度提升1.4个百分点,分级精度达95%,包装平均速度每小时6000个。此系统提升了分级包装效率和准确性,为柑橘产业智能化升级提供技术支撑,市场前景广阔。

关键词： RetinaNet   深度学习   目标检测   异常舌   舌诊  

摘要： 中医舌诊通过观察舌特征能够进行脏腑虚实和功能盛衰的判断,具有无创便捷等优势。伴随着计算机视觉技术的飞速发展与广泛应用,开发一种能够进行自动检测、提取和识别舌象特征的模型至关重要。面向中医临床及健康监测对舌诊数字化的需求,提出了一种基于改进RetinaNet的舌面齿痕和裂纹特征自动检测模型。该模型首先在RetinaNet基准模型的骨干网络中引入Sim PSA-ResNet模块和Sim SPPF模块,用以增强网络的特征提取能力和模型的鲁棒性;同时,改进多级特征金字塔网络结构,提高模型的特征融合能力,进一步聚焦舌面特征的关键信息;最后,去除冗余输出特征层,并结合ASFF结构,保留重要的特征信息,提高信息利用率。将改进后的RetinaNet模型在自制的舌象数据集中进行训练和预测,得到的平均检测精度(mAP)为94.37%,相较原算法提升了2.77%。实验结果表明改进RetinaNet模型能够有效提高舌面齿痕和裂纹特征的检测精度,有助于用户的日常自检、健康管理以及辅助医生进行诊断。

关键词： 菊花   图像处理   干燥动力学   收缩率   色泽   预测模型  

摘要： 外观品质是评价干燥花质量的重要指标。为了实现对干燥过程中菊花外观品质的快速无损检测,本研究将计算机视觉技术应用于菊花的红外辅助热风干燥过程中,基于Python语言开发了一种图像处理算法来获取在不同温度下(35℃,50℃和65℃)的干燥过程中菊花花瓣和花蕊表面收缩率和色泽参数的变化信息,并作为外观品质的评价指标,以此实现对干燥过程的精准控制。干燥动力学研究表明:菊花的干燥过程中始终处于降速干燥阶段,且干燥温度的升高导致了干燥时间的显著(p<0.05)缩短和干燥速率的显著升高。基于平方确定系数(R^(2))、残差平方和(RSS)、均方误差(MSE)值评估了常用的薄层干燥数学模型与试验数据的拟合程度,发现Henderson and Pabis模型、Page模型、Lewis模型与试验数据拟合度更高,能更好地描述菊花的干燥过程。此外,基于图像处理获取的不同干燥阶段菊花的表面收缩率及亮度值(L*)、红/绿值(a*)和黄/蓝值(b*)发现菊花形态和色泽的变化取决于干燥温度和干燥时间的共同作用,更低的干燥温度和更短的干燥时间更有利于抑制菊花在干燥过程的外观品质的劣变。进一步对零阶、一阶和一阶分数模型预测的收缩率和色泽(L*、a*和b*)值与试验数据进行线性回归分析,发现一阶分数模型能更为精准地预测菊花在干燥过程中收缩率以及色泽的变化规律。

关键词： 自动对焦   深度学习   成像系统   图像处理   视觉测量  

摘要： 针对传统对焦法需要采集较多的离焦图像、对焦耗时长、在视觉测量系统场景应用中存在限制等问题,提出了一种基于深度学习的自动对焦方法。该方法将自动对焦问题转化为图像的离焦距离预测问题,利用ShuffleNetv2与多层感知机构建轻量化深度回归网络并对工作场景中采集的目标图像数据集进行训练。通过合理的对焦策略,利用两帧图像即可完成对焦,减少了对焦耗时,同时也可以避免传统对焦法因局部极值点导致对焦误差较大的问题。实验结果表明,该方法的对焦耗时仅为传统对焦法的15%~24%,对焦稳定性相比传统对焦法提升约为40%,具有对焦速度快、对焦稳定性高、模型复杂度低等优点,能够很好地应用于视觉测量系统中。