关键词： 图像处理   光伏组件   热斑缺陷检测   B样条   最小二乘拟合  

摘要： 为精准检测光伏组件热斑缺陷,分析热斑所占面积和位置,提出了基于图像处理的光伏组件热斑缺陷检测方法。计算每一块区域热量发射功率,分析光伏组件热斑红热外图像灰度直方图特征。采用空间域方法处理图像中像素点,通过构建图像线性增强函数改善图像清晰度。在Image Net数据库上,提取热斑特征,采用B样条最小二乘拟合法,求取样条基函数关于范数的最佳逼近问题,获取热斑曲线和样本点之间偏差最小值,消除直方图中毛刺和局部起伏,检测出图像中热斑。实验结果可知,该方法正常情况下热斑面积结果与实际数据最小差值为0.1 cm^(2);非均匀性噪声影响情况下,热斑位置检测结果与原始图像一致,说明使用所研究方法检测结果精准。

关键词： 重参数化   双模态   实时目标检测   多尺度特征   注意力机制  

摘要： 无人机高空航拍的目标普遍尺寸小、特征弱,而且受复杂天候条件影响大,导致基于可见光或红外单模态图像的目标检测漏检、误检率较高。对此,提出了重参数化增强的双模态实时目标检测模型DM-YOLO。首先,采用通道拼接的方法融合可见光和红外图像,以极低的成本融合双模态图像的互补信息。其次,提出更加高效的重参数化模块并基于此构建了更加强大的骨干网RepCSPDarkNet,有效增强了骨干网对双模态图像的特征提取能力。然后,提出了多层次特征融合模块,通过多感受野卷积和注意力机制融合弱小目标的多尺度特征信息,增强了弱小目标的多尺度特征表示。最后,删除了对弱小目标检测基本不起作用的特征金字塔深层检测层,在检测精度保持不变的情况下,减小了模型规模。实验结果表明,在大规模的双模态图像数据集DroneVehicle上,DM-YOLO的检测精度比基准YOLOv5s高出2.45%,且优于规模相当的YOLOv6和YOLOv7模型,有效提高了复杂光照条件下目标检测的准确性和鲁棒性,同时检测速度达到82 FPS,可满足实时检测的需求。

关键词： 模型预测控制   高级自适应化学反应优化算法   目标跟踪   路径规划  

摘要： 为解决多无人机在复杂环境下协同目标跟踪的路径规划问题,提出基于模型预测控制(model predictive control,MPC)和先进自适应化学反应优化(advanced adaptive chemical reaction optimization,AACRO)算法相结合的方法。基于目标跟踪模型,使用集中式MPC作为路径规划问题的实时控制框架,设计5个指标成本函数在多种约束条件下优化跟踪性能,获取无人机的最优跟踪路径;针对上述多维问题的复杂程度,使用一种新型智能算法解算MPC控制策略。仿真结果表明:该方案具备有效性和可行性,对无人机群协同目标跟踪具有重要的应用价值。

关键词： 小目标检测   交通标志识别   注意力机制   YOLOv5s   深度学习  

摘要： 交通标志识别应用中待检测目标多为小目标,因其携带信息少、定位精度要求高、易被环境噪声淹没等特点成为当前交通标志检测的难点.针对小目标交通标志漏检、误检、检测准确率低等问题,本文设计了一种用于小目标检测的STDYOLOv5s(Small target detection YOLOv5s)模型.首先,通过增加上采样和Prediction输出层数获得了更丰富的位置信息,解决了YOLOv5s模型在处理小目标时信息不足的问题,增强了对图像的全局理解能力;其次,在每个C3模块之后添加CA(Coordinate attention)注意力机制并在每个输出层前添加Swin-T注意力机制模块,增加了网络对多层特征信息的捕捉,提高了小目标的检测性能;最后,充分利用SIoU惩罚函数同时考虑目标形状、空间关系的特点,更好地捕捉不同尺寸的目标在图像中的位置关系,提高目标位置的精确性.所提模型在TT100K数据集上进行了验证实验,实验结果表明本文方法不仅保持了YOLOv5s模型的轻量性和快速性,在精确率、召回率和平均精度三个指标上也有所提升,提高了小目标检测的精确性.

关键词： DR图像   管道焊缝   目标检测   迁移学习  

摘要： 针对管道焊接领域所产生的人工焊缝缺陷质量检测结果过于主观的问题,本文提出一种基于迁移学习的管道焊缝缺陷质量智能检测方法,使其能够在焊接过程中对管道焊缝缺陷的关键特征进行识别和定位。主要思想是利用YOLOv5目标检测方法,并结合去噪和数据增强的图像预处理策略对模型进行构建,同时结合真实世界的焊缝缺陷数据对模型进行迭代更新,使得模型拥有泛化的能力。通过实验对比分析出本方法的优势,其中,定性实验显示出本方法在DR图像上的识别有效性,定量实验展示模型的识别准确度。结果表示,本方法在DR图像上具有良好的焊缝质量缺陷检测能力。

关键词： 计算机视觉   工业检测   人类视觉系统   自动化分析   实时监控   产品质量   整体水平   检测方法  

摘要： 随着工业自动化和智能化的快速发展,传统的工业检测方法难以满足现代生产对于高效、高精度和实时监控的需求。工业检测作为保证产品质量、生产安全和生产效率的关键环节,呕需引人更为先进的技术手段来提升整体水平。近年来,基于计算机视觉的工业检测技术在多个领域得到了广泛应用。计算机视觉技术是利用计算机来模拟人类视觉系统,以实现对图像和视频的自动化分析和理解。

关键词： 铁路货车技术作业   货车故障轨旁图像检测系统(TFDS)   动态检车作业   作业质量评价   培训与考试   图像处理   故障分析  

摘要： 货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)是保障铁路货车运行安全的重要技术装备。为适应TFDS检车作业场所集中化的管理变革,建设了TFDS集中检车系统(简称:TFDS检车平台),通过汇集多个轨旁TFDS探测站的检测数据,实现TFDS动态检车任务的统一分配和作业过程的闭环管理。随着TFDS动态检车任务量不断加重,亟需强化动态检车作业质量考核,提高检车员辨识车辆故障的能力,以确保运用货车安全运行、满足货运装车需要。本文针对TFDS检车平台在应用中存在的不足,充分利用该平台的TFDS货车图像数据,研究开发TFDS货车图像数据应用系统,满足动态检车作业质量评价、检车员培训等实际需求,有助于提升TFDS集中检车作业的质量和效率。

关键词： 高速铁路   钢轨伸缩调节器   数据处理   目标检测   试验平台  

摘要： 钢轨伸缩调节器被广泛应用于高速铁路大跨桥上无缝线路中,但因相对位移量大、零部件多等问题成为高铁薄弱环节之一,实时监测其服役状态对于高铁运营安全至关重要。为保证监测数据的实时性与准确性,结合计算机视觉技术与实际工程现状,建立调节器服役状态在线监测系统。具体包括:完成监测系统设计与布点方案优化研究,开发现代化的信息管理系统;针对现场传感器的实时采集数据设计一整套数据处理流程,结合随机森林、长短期神经网络等算法实现调节器服役状态的超前预测,结合YOLO系列目标检测算法实现钢轨位移量的非接触式测量;基于现场需求设计综合试验平台,对重点关注的钢轨位移、应力等重要指标进行模拟试验。试验结果表明,研究的调节器监测数据处理方法可以适应调节器区域监测需求,具有重要的工程意义。

关键词： 航拍图像   目标检测   RetinaNet   轻量化  

摘要： 针对无人机航拍图像中存在目标较小、尺度不一以及目标检测算法模型参数量较大等问题,提出基于RetinaNet的轻量化目标检测算法模型:RetinaNet-S。采用GhostNetV2作为轻量化骨干,增强目标的特征信息;在颈部采用轻量化模块GSConv和VoV-GSCSP,在尽量保证检测精度的同时减少模型的参数量;最后,改进损失函数为Focal SIoU Loss,进一步提升模型的精准度。在VisDrone2019数据集上的实验表明,RetinaNet-S的参数量仅有5.52 M,检测速度提升了9.55 FPS。

关键词： 伪装目标检测   流形信息   去除伪装   多视角检测   遗传算法  

摘要： 伪装目标检测(COD)是一个困扰人类视觉和机器视觉的共同难题,研究者采用了各种特征增强方法捕捉隐藏目标,但忽略了伪装对检测的干扰。为此,本文提出了一种基于同构特征遗传的伪装目标检测方法,进行伪装的去除和目标的多视角检测。该方法采用Transformer架构提取多级特征,通过小波变换和异性梯度来输出目标流形骨架,最后设计了一种多视图遗传融合方法,实现伪装目标聚焦和预测。实验结果表明,本文所提出的方法具有良好的通用性和泛化能力,可为复杂背景下的伪装目标检测,提供更清晰的分割。