关键词： 稻瘟病孢子   目标检测   YOLO v8   轻量化   注意力机制  

摘要： 稻瘟病由稻瘟病孢子通过空气进行传播,严重影响水稻产量,因此,稻瘟病孢子的检测对于稻瘟病早期诊断与防治具有重要作用。针对现有方法存在检测速度慢的问题,本研究基于YOLO v8模型提出了一种稻瘟病孢子检测方法RBS-YOLO。首先,该算法在主干网络中引入PP-LCNet轻量化网络结构,减少模型每秒浮点运算次数并降低模型内存占用量,其次在颈部网络中引入高效多尺度注意力模块(Efficient multi-scale attention module,EMA),并将原损失函数改进为WIOU损失函数,提高了模型识别稻瘟病孢子的精确率与平均精度均值。改进后的RBSYOLO模型精确率与平均精度均值分别为97.3%和98.7%,满足稻瘟病孢子的检测需求,模型内存占用量与每秒浮点运算次数分别为3.46 MB、5.2×10^(9),同YOLO v8n相比分别降低41.8%与35.8%。RBS-YOLO模型与当前主流的YOLO v5s、YOLO v7、YOLO v8n模型对比,每秒浮点运算次数分别降低67.3%、95.1%、35.8%。研究结果表明RBS-YOLO模型能够满足稻瘟病孢子实时检测的需求,且有利于部署到移动端。

关键词： 票据审核   前沿科技   机器视觉技术   会计领域   会计行业   人工智能   模式识别   图像处理  

摘要： 在会计领域票据审核作为确保财务信息准确无误的关键环节,其重要性不言而喻。然而,传统的人工审核方式往往面临效率低下、易出错等固有缺陷。近年来,随着科技的迅猛发展,尤其是机器视觉技术的兴起,为会计票据审核提供了全新的解决方案。机器视觉技术作为一项集图像处理、模式识别及人工智能于一体的前沿科技在多个领域展现出了强大的应用潜力。在会计领域,其通过精准捕捉与解析票据图像,实现信息的快速提取与验证,显著提升了审核的效率与准确性。本文旨在深入探究机器视觉技术在会计票据审核中的应用实践,以期为会计行业提供一种高效、可靠的审核工具。

关键词： 缺陷检测   图像处理   LBP算法   支持向量机  

摘要： 由于钢材生产过程中因环境光的存在、光源照明不均匀等外界环境的干扰,采集到的图像容易产生光照不均匀、缺陷特征不明显以及噪声大等问题,故提出了一种基于图像处理的钢材表面缺陷检测方法。采用CLAHE算法突出缺陷特征以及双边滤波算法去除噪声;采用改进的Bottom-hat算法,增强缺陷特征与背景的对比度;采用基于LBP与支持向量机SVM相结合的方法进行钢材表面缺陷检测。结果表明,此方法对钢材表面缺陷测试集检测的准确率为81.67%,与改进之前相比提高了9.67%,能够对钢材表面缺陷进行有效检测。

关键词： 目标检测   YOLOv8s   道路检测   深度学习  

摘要： 文章从YOLO的部署、数据集的构建、模型的训练到模型的应用全过程,研究了基于YOLOv8s目标检测算法的道路坑洼检测技术在城市道路坑洼检测中的应用,以实现对道路的各种类型和尺寸坑洼的准确检测。实验结果表明,该技术在准确性、速度和稳定性方面都具有显著优势,与传统人工方法相比,检测效果明显提升,为道路维护和安全提供了更为可靠和高效的解决方案。

关键词： 机器视觉   R-YOLOv5   青贮收获机   精准抛送   旋转目标检测  

摘要： 现阶段青贮收获机主要采用驾驶员或其他操作人员手动控制抛送筒转动的方式完成物料装车,存在操作要求高,劳动强度大,影响收获效率且易造成田间损失等问题。针对上述问题,该研究根据机器视觉原理,设计青贮收获机精准抛送填装系统,通过构建R-YOLOv5旋转目标检测算法,实现对旋转车厢、车内物料、抛送物料流的识别及落料位置判断;根据反馈的期望落料点与实际落料点信息,并通过Arduino控制器实现青贮收获机抛送筒的运动控制,将青贮物料精准抛送至跟车车厢,实现物料的高效填装。试验结果表明:当抛送筒在-60°~60°范围内旋转且角速度低于15°/s时,所构建的R-YOLOv5目标检测算法对料车车厢的识别平均精度高于90%;实际距离与图像像素比值为0.533 cm/px时,青贮收获机抛送筒的理论运动轨迹与实际运动轨迹平均误差保持在4%之内,满足实际作业要求。研究结果可为研发自走式青贮收获机精准抛送填装系统提供借鉴。

关键词： 目标检测   YOLOv7   接触网部件识别   特征提取   注意力机制   损失函数  

摘要： 接触网作为电气化铁路的重要设备,为列车提供能源并保证列车正常运行。若接触网系统部件出现损坏,会威胁列车运行安全,因此对接触网部件状态进行巡检至关重要。近年来,无人机在铁路接触网重要部件状态监控任务中得到了广泛的应用。但无人机拍摄的接触网图像背景复杂多变、部件目标尺度变化大、小目标较多等因素导致现有检测算法对接触网部件存在误检和漏检频繁的问题。为此,本文提出了一种基于改进YOLOv7的接触网部件目标检测方法。通过引入改进感受野模块,加强网络的特征提取能力,获得更具辨别力的目标特征表示;在相邻尺度特征图的融合过程中加入改进的坐标注意力机制,突出接触网部件目标特征并抑制冗余的背景信息;采用基于Wasserstein距离的边框损失函数对原始损失函数进行改进,有效提高检测精度。在铁路接触网部件数据集上的试验表明,改进YOLOv7算法能更准确地检测无人机拍摄图像中的各类接触网部件,平均精度达97.27%,相比改进前提高了3.83%。本文算法增强了无人机对接触网重要部件状态的高精度、快速检测能力,为更好地实现无人机智能化巡检提供了技术支撑。

关键词： 深度学习   Faster-Rcnn-Fpn算法   口吃   目标检测   语谱图识别  

摘要： 目前国内对口吃的检测主要是通过语言专家的主观测评,缺少智能且客观的口吃严重程度检测的医疗辅助工具。针对这一现象,论文基于UClass口吃语料库测评儿童口吃的严重程度,使用Faster-Rcnn-Fpn深度学习算法对语谱图进行检测。实验结果表明,该模型能有效检测口吃的语音重复,延长和感叹词类型,并根据其持续时间以计算出语言效率评分(SES)来表示口吃的严重程度,有望成为计算和分析口吃严重程度的医疗辅助工具,便于尽早发现儿童口吃障碍,有助于儿童身心健康发展。

关键词： 深度学习   目标检测   噪声过滤   多尺度特征融合   边界框回归优化   注意力机制   差值注意力  

摘要： 针对RetinaNet特征金字塔存在噪声、特征融合不充分、融合时信息损失以及边界框回归不够准确、训练样本质量不平衡的问题,提出一种基于改进的RetinaNet目标检测算法。在特征提取模块中加入注意力模块对噪声过滤,将提出的基于差值注意力的多尺度特征融合模块添加到特征提取模块中,以充分融合特征并增强损失信息。将RetinaNet的损失函数替换为CIoU Loss,引入IoU作为加权系数,使模型向真实框与预测框重叠面积更高的方向优化,提升回归的准确性与速度,提高高质量样本的贡献值。实验结果表明,改进后的平均检测精度提高了1.8%。

关键词： 红外微小目标检测   多跳深度网络   无锚点机制   Wasserstein距离  

摘要： 红外检测作为远程搜索和监视的重要手段,其对微小目标的检测精度影响实际应用价值。为了提高复杂背景下微小目标的测量精度,提出一种基于多跳深度网络的检测框架。首先,为了应对红外微小目标呈现“弱”和“小”的形状特点,利用无锚机制搭建特征金字塔作为骨干网络提取特征图。随后,为了实现渐进式特征交互和自适应的特征融合,在跳跃连接部分设计了由多尺度膨胀卷积组构成的多跳多尺度融合模块。最后,为了降低模型对微小目标位置偏差的敏感性,在训练中使用真实目标与预测目标的Wasserstein距离作为两者的相似性度量。实验结果表明,所提测量方法比已有测量方法具有更好的测量精度和效率。

关键词： 光场显示   三维显示   立体视觉   图像处理  

摘要： 在过去近120年间,光场显示技术经历了突飞猛进的发展,其能够为观察者提供裸眼的、自然逼真的三维视觉体验,使高质量立体显示变得可能,是未来最有潜力的实用立体显示技术之一。简单介绍了光场显示的基本原理,并根据光线发生和调控器件的不同,分别介绍了集成成像三维显示、光栅型三维显示、投影三维显示、计算多层显示和新型光场重构器件等,回顾了其历史沿革,包括早期的基础理论探索以及近期的技术进展。围绕光场显示的各个技术环节,包括光场采样、光场信息编码及光场三维显示表征和优化等,分别较为详细地介绍了研究进展和最新动态。还讨论了当前光场显示面临的技术挑战和未来的发展方向。光场显示技术是现阶段最有可能实现广泛应用的三维显示技术,具有广阔的发展前景和巨大的应用潜力。