关键词： 虚拟仿真   摄像头仿真   目标检测   自动标注  

摘要： 使用深度学习技术进行图像目标检测功能开发时,需要采集大量图像数据,用于训练目标检测模型。在工业实际应用中,存在现场数据采集困难、采集成本高,采集到的数据种类单一、数据量少、数据标注工作量大等问题,针对上述问题,文章提出利用虚拟仿真技术进行图像采集环境模拟,在模拟环境中获取训练数据的方法,并将该方法应用在铁路图像检测任务中,应用测试结果表明,基于模拟图像数据训练的检测模型,成功在真实图像上实现目标检测功能,本文提出的方法具备实用性,可降低数据采集成本,扩充数据量,有利于提高开发效率,具备参考意义。

关键词： 机器视觉   煤矸石识别   图像采集   图像处理   机器学习  

摘要： 煤矸石识别是煤炭智能化产业中的重要环节,而基于机器视觉的煤矸石识别技术是当前的研究重点和热点,但现有技术存在着一些问题和不足。首先揭示了外界因素对煤矸石图像采集的影响,其次阐述了煤矸石图像处理中的常用方法并指出了各方法存在的不足之处,最后总结了当前基于机器学习的煤矸石相关识别分类技术。基于上述研究成果,提出了当前煤矸石机器视觉识别方法的进一步研究方向,即:构建高质量的煤矸石数据集、研究高效的图像分割方法、选择最具代表性的煤矸石特征、优化深度学习网络模型结构。

关键词： FFA-Net   YOLOv8n   目标检测   去雾  

摘要： 针对雾天行车场景中目标检测精度差、效率低和漏检等问题,通过优化YOLOv8n网络并结合FFA-Net算法提出了一种新的雾天行车目标检测算法,以提高雾天环境下的目标检测效果。利用FFA-Net去除雾天图像中的噪声和模糊,以增强图像的清晰度和对比度。对KITTI数据集进行数据增强,并且利用迁移学习策略,以YOLOv8n模型为基础,增加小目标检测层,让网络同时关注到图像中不同尺度的特征,使网络更加关注小目标的检测,提高检测效果。在骨干网络末端引入GAM注意力机制以增强网络对全局信息的感知能力。仿真结果表明:针对雾天行车场景下的目标检测,去雾网络能将图像的清晰度做到高度还原,所提出改进算法的mAP值、Precision值和Recall值与原模型相比也分别提高4.7%、3.8%、6.4%,相比传统的目标检测算法具有更好的场景适用性和更高的检测精度。

关键词： 传感器网络   分布式协同   目标跟踪   最小生成树   通道滤波  

摘要： 针对多连接通信拓扑传感器网络因可能存在信息冗余和未知相关性而造成融合估计偏差较大的问题,提出了一种具有通信层和融合层的基于最小生成树的分布式协同目标跟踪算法。在通信层,基于Bellman-Ford-Moore算法对多传感器网络进行动态配置,生成具有最小生成树结构的通信拓扑,消除分布式传感器网络中的冗余连接。在融合层,各传感器节点基于树形连接拓扑的通道滤波算法,对其存储的局部数据和从相邻节点接收到的数据进行分布式数据融合,实现协同目标跟踪。同时,以融合估计的动态均方差为性能评价标准设计了一种通用的数据融合评价方法,对该目标跟踪算法的性能进行了分析。该算法可以推广至任意类型的通信拓扑,并可消除冗余通信连接。仿真结果表明,该算法在理论边界范围内的估计误差的比例大于95%,具有良好的估计精度、跟踪性能和鲁棒性。

关键词： LED   显示内容监测   线性回归  

摘要： 随着LED显示技术的发展与硬件生产能力的大幅提升,显示终端在各领域的应用呈井喷式发展。显示终端在城市公共区域已经成为标配,并对公共信息传播、广告推广等起到重要作用。但同时,信息安全方面的问题也日益凸显。为了确保播放内容的信息安全,文章提出了多传感器结合的监测方法,并结合线性回归模型及白平衡方法进一步提高监测准确率。对该方法可行性进行试验验证,结果显示,多传感器结合的监测方法在复杂使用环境中能有效监测LED显示内容是否正常。

关键词： 目标检测   高精度   YOLOv8   卷积网络  

摘要： 现有的目标检测网络往往存在结构复杂、参数量巨大的问题。因此,研究结构简单、参数量少的高精度目标检测算法,其重要性和价值不言而喻。YOLO系列算法作为深度学习时代具有代表性的单阶段目标检测算法,具有准确、高效和易于部署等特点,为目标检测提供了非常好的理论及技术基础。因此,文章在YOLOv8的基础上对其卷积网络进行改进,实验结果证明,改进算法成功提升了检测精度。

关键词： 毫米波雷达   视频技术   多维目标检测   时空同步   目标匹配  

摘要： 文章提出了一种基于毫米波雷达和视频技术的多维目标检测系统,旨在通过融合2种传感器的优势来提升目标检测的准确性、鲁棒性和全面性。该系统利用毫米波雷达的精确测距、测速和测角能力,结合视频传感器丰富的颜色、尺寸和轮廓信息,实现了对复杂环境中目标的多维度感知与检测。通过时空同步、目标匹配和融合决策算法,该系统有效降低了目标的漏检率和误检率,为智慧交通、自动驾驶、智慧城市等领域提供了可靠的环境感知解决方案。

关键词： YOLOV5   图像识别   船舶检测  

摘要： 为了提高在航行过程中,对目标船舶的检测效率与检测准确度以及实现对目标船舶的测距,本文采用经过船舶数据饱和训练的YOLOv5模型对目标船舶进行检测。采用Canny算法对海面地平线进行检测,依据地球半径的几何形式对船舶进行测距。本文采用非训练集远洋海上图像对算法进行实例验证。实验结果表明,该算法可实现对船舶的类别检测与远距离目标测距,检测mAP(均值平均精度)达到94.3%,对目标的测距结果相比于GPS数据的误差值,为实际距离的8.2%。

关键词： 计算机视觉   城市交通   交通一体化   控制系统  

摘要： 传统的交通控制系统采用预设的固定信号时序模式,无法根据当前的道路状况及车流量实现对交通模式的动态管理,因此,容易导致严重的交通拥堵。针对该问题,该文设计并实现了一种基于计算机视觉的自适应交通一体化控制系统。该系统能够根据交通的实际需求实时调整交通信号时长,从而显著缩短车辆通过交通路口的时间。此外,在该系统中开发的智能控制算法还能够提供如违规检测、道路监控、以及优先安排紧急车辆通过等智能交通功能。仿真实验验证了一体化控制系统的有效性。

关键词： 计算机视觉   烟草烟叶分级   图像处理  

摘要： 为了提高烟草烟叶分级的准确性与效率,本文采用先进的计算机视觉技术,通过改进图像采集与预处理技术、探索新的特征提取方法以及研究先进的分级算法,分析了这些技术在烟叶分级中的应用创新。结果表明,结合深度学习和图像处理技术能显著提升烟叶分级的性能,为烟草产业的自动化与质量控制提供了有效的技术支撑。