关键词： 机器视觉   实训系统   标定   图像处理   特征提取  

摘要： 为培养学生解决跨学科复杂工程问题的能力,设计了由机器人、机器视觉、白酒瓶输送和计算机子系统构成的以太网架构实训系统。用五点标定法建立了从图像坐标系到机器人坐标系的变换矩阵;使用Python语言、PLC梯形图和AE机器人编程语言设计了实训系统的软件,实现了机器视觉引导机器人准确抓取滑台上任意放置的白酒瓶并放到处置箱的目的。

关键词： 砀山酥梨   目标检测   深度学习   Mask R-CNN  

摘要： 目标识别对实现水果产业采摘自动化至关重要,但在自然环境下传统检测算法对酥梨果实识别效果不好。基于Mask R-CNN(mask region-convolutional neural network)神经网络模型,结合砀山酥梨图像的样本数据库,通过特征金字塔网络提取图像特征,运用RPN(region proposal network)网络处理特征图,对砀山酥梨目标检测效果进行分析。结果表明:采用Mask R-CNN模型检测的准确率为95.54%,召回率为92.79%,误检率为4.45%;Mask R-CNN模型能够在果实被枝叶遮挡、未被枝叶遮挡、果实重叠等场景下精准检测出酥梨图像的完整轮廓。为采摘机器人检测酥梨目标提供了技术支持。

关键词： 深度学习   马铃薯幼苗   YOLO   图像处理  

摘要： 针对马铃薯幼苗检测中的关键挑战,提出一种基于YOLO-PS的目标检测模型。该模型在检测骨干中引入MobileNetV4-backbone以增强对不同状态幼苗的特征提取能力,并在检测头中引入DLKA注意力机制,从而增强模型对马铃薯幼苗局部特征的提取和关注。为优化边界框的精确定位,采用Focal Loss损失函数。利用Pyqt5设计马铃薯幼苗识别系统的交互界面,使其操作简便且可靠。通过试验验证,YOLO-PS模型在马铃薯幼苗检测任务中表现优异,在测试集上的精确率达到94.75%,召回率为95.58%,平均精确度均值高达96.67%。该模型在马铃薯幼苗检测中的有效性和优越性,也为类似作物的幼苗检测提供新方法。

关键词： 图卷积神经网络   特征提取   特征融合   目标检测   深度学习   无锚框方法   特征金字塔网络   Object-Box检测器   多尺度特征   全局特征  

摘要： 随着对目标检测任务研究的不断深入,以ObjectBox检测器为代表的无锚框方法引起了研究者们的关注。然而,ObjectBox检测器不能充分利用多尺度特征,也未充分考虑目标中心点与全局信息关联。为此,借助图卷积神经网络的节点相互影响原理,提出基于图谱方法的图卷积层模块GConv(graph convolution layer),学习图像全局特征;融合模块GConv与C3(cross stage partial network with 3 convolutions)得到GC3(graph C3 module)模块,进一步提取图像原始特征、细节特征以及全局特征;将GC3结合广义特征金字塔网络GFPN(generalized feature pyramid network),提出图广义特征金字塔网络GGFPN(graph generalized feature pyramid network),并嵌入ObjectBox算法,设计出ObjectBoxG算法。经典数据集的实验测试表明,提出的GC3模块比原C3模块具有更强特征提取能力;提出的GGFPN网络比GC3的特征学习能力更强;提出的ObjectBoxG算法具有优良的目标检测性能。

关键词： 目标检测   YOLOv8   C2f_DSConv模块   注意力机制  

摘要： 扶梯行人的安全隐患多数源于乘客的异常行为。文章提出了一种基于改进YOLOv8的扶梯行人异常检测算法DEW-YOLOv8。首先为了提高算法的检测效率,在YOLOv8的C2f模块中使用效率更高DSConv模块替代标准卷积模块构成C2f_DSConv模块。其次针对行人在检测图像中所占比例较小引起的易漏检的问题,在特征融合阶段引入ECA注意力模块,弱化背景信息。最后采用WIoU损失函数替代原结构CIoU函数,提高模型的收敛能力。经过实验分析,该文的算法和原始YOLOv8算法相比,mAP@.5提升2.2%,参数量下降13.3%。

关键词： 目标检测   YOLOv7-Tiny   解耦头   特征融合   小目标   海上船舶  

摘要： 针对海洋环境下无人艇载光学图像背景信息复杂、小目标,当前目标检测算法特征提取能力不足、定位能力弱、检测精度差等问题,提出了一种基于YOLOv7-Tiny的改进的海上目标检测算法。利用RepVGG在推理时的“无损耗”特性设计了特征提取模块RepELAN,在不影响推理速度的同时提升网络特征提取能力;改进特征共享融合网络,融合高分辨率特征图提升对小目标特征提取能力,裁剪低分辨率特征图减少网络推理计算量;针对网络在复杂环境下定位检测能力弱的问题,设计检测头模块,区分定位与分类2种解耦头,提升网络定位检测能力。在建立的船舶目标检测数据集进行实验,检测精度提升了6.2%,设计了模块消融实验与对比实验,论证了所提算法的有效性。

关键词： 品质评价   数智化   计算机视觉  

摘要： 采用人工感官审评,易导致评价结果随机性大、主观性强、重复性差等问题,设计出了一套基于计算机视觉算法对龙井茶品质的数智化评价设备。为确保茶品质评价结果的一致性和准确性,图像采集装置模拟茶叶审评室环境进行设计,参照国标对图像采集参数进行优化。收集龙井实物样,由专家组评价后形成图像集,导入算法进行测试、训练,对龙井茶色泽、挺直度、匀整度、扁平度等关键指标输出评价。

关键词： 机器视觉   深度学习   图像配准   图像处理   表面缺陷检测  

摘要： 燃油泵调节器的外观检测目前仍采用人工目检方式,存在效率低、效果不稳定的问题。为此,开展表面缺陷检测算法研究,提出一种基于Lite-HRNet的深度学习图像配准网络模型和基于改进图像差分法的表面缺陷检测算法。使用整体和局部的图像增强和故障模拟方法制作数据集,模型采用无监督方式训练。实验结果表明,提出的图像配准算法具有更快的推理速度,单张图片耗时约为传统算法的1/3;表面缺陷检测算法准确率达97.1%,误检率为4.7%。在光照条件变化的实际检测环境下,算法仍具备良好的鲁棒性和适应性,满足燃油泵调节器表面缺陷检测的实时性和准确性要求。

关键词： 人机协作   智能体   数据可视化   眼动跟踪   动作捕捉   人类智能   知识推理   图像处理  

摘要： 人工智能(AI)是新一轮技术革命的核心关键技术,为电影行业发展新质生产力提供了重要支撑,并将引发未来影像技术升级和观影变革。自OpenAI Sora引发行业对AIGC文生视频技术关注以来,Runway、Pika、谷歌Veo、可灵AI、海螺AI等相关工具百花齐放,呈现出强大的现实仿真能力。当前AIGC工具在物理规律理解等方面尚存缺陷,暂时无法直接用于电影内容生成,但AI已显现出辅助影像与声音内容制作和处理的强大能力,已初步实现人机协作和人机融合,并加快进入深度应用的智能体批量涌现阶段。作为未来人工智能发展应用的主要方向,AI智能体有望呈现出类似人类智能的知识推理和决策能力,可破解通用大模型在电影行业应用的关键难题,实现更加高效、优质、可控的人机协作。本期遴选基于人工智能技术的未来影像研究与思考、AI音频技术在电影对白和音效制作中的应用探究、图片AI短片创制实践、AI动作捕捉在虚拟预演中的应用研究等研究文章,从影像和声音制作、虚拟制作、图像处理等角度出发,分享和探讨电影行业AI智能体的发展升级和应用实践;同时遴选基于渲染引擎的VR眼动跟踪数据可视化研究、数字影厅B环电声响应技术标准解析和调试方法等技术论文,探讨沉浸式视听技术研究和实践,欢迎广大读者关注。

关键词： 计算机视觉   音频信号处理   音频源分离  

摘要： 随着人工智能技术的快速进步,计算机视觉技术在音频信号处理领域展现出较大的应用潜力。通过分析计算机视觉技术在音频信号处理中的最新研究进展,重点探讨视觉信息在音频源分离、音频增强、跨模态音频生成等任务中的应用。通过结合视觉和音频信息,可以显著提升音频处理的性能,为相关研究提供新的思路和方法。