关键词： 冬枣   品质   注意力机制   图像处理   特征金字塔   Faster RCNN  

摘要： 为了解决冬枣分选工作准确率低、速度慢、人工成本高昂等问题,该研究提出了一种基于改进Faster RCNN模型的冬枣外观缺陷识别方法。首先,使用Resnet50替换原有的VGG16特征提取网络,并在Resnet50中添加SE模块,提高模型的特征提取能力;其次,融入特征金字塔(feature pyramid network FPN)网络,对不同尺度的特征信息充分提取;最后,将原始的NMS算法用改进的Soft-NMS算法替换,改善被检测图像中对缺陷检测目标的误删问题,进一步提高对冬枣缺陷识别的准确率,试验结果表明:改进的Faster RCNN模型对冬枣缺陷检测平均精度均值(mean average precision,mAP)为91.60%,检测速度为17.5帧/s,mAP比SSD、YOLOv3、YOLOv5分别高14个百分点、11.32个百分点、5.94个百分点,将改进的Faster RCNN网络模型部署在冬枣检测平台上对不同品质的冬枣进行分选,其对优质果、伤果、裂果、虫果、病果的识别准确率分别为94.71%、96.99%、99.06%、93.82%、99.05%。改进的Faster RCNN网络模型能有效的对冬枣外观做出准确、快速的判断,降低冬枣检测过程中的误检率。

关键词： 智慧交通   目标检测   目标跟踪  

摘要： 为了提高监测与跟踪精度及效率,探讨智慧交通目标检测及跟踪实现方案。基于智慧交通系统概述,明确其工作原理与功能,指出实时目标检测与跟踪重要性,之后分析如何利用YOLOv5-NAM模型对目标进行检测,配合SD-NMS非极大值抑制解决密集目标遮挡引发的漏检问题;进一步地,构建卡尔曼滤波模型跟踪目标,融合误差影响因子对卡尔曼滤波算法进行改进,确定移动轨迹并提取特征,完成车辆违法行为、可疑敏感区域等的判断。实验结果显示,能在智慧交通多场景下可以取得合格效果,且相较于对比方法而言,在IDsw、MOTP与MOTA上表现均更为优异,可在智慧交通领域得到较好应用。

关键词： 目标检测   坐标注意力   行人检测   深度学习  

摘要： 针对智能网联汽车行人目标检测准确性和实时性较低等问题,提出了一种基于YOLOv5s改进的行人检测算法。首先,采用幻影模块替代传统卷积,在保证模型准确度的前提下,降低模型复杂度,从而提高模型实时性。然后,将坐标注意力模块引入特征提取网络获得重要特征,提升行人检测准确性。最后,针对损失函数计算的弊端改进边界框损失函数的计算方式,在现有损失函数中引入power变换,以获得更高的边界框回归精度。实验结果表明,使用改进模型在Widerperson数据集上进行实验mAP达到70.8%,相较原算法提升2.6%,检测速度达61FPS。所提算法较主流算法准确率和检测速度均有所提升。

关键词： 目标检测   二阶Radon-Fourier变换   相参积累   参数估计   遗传算法  

摘要： 针对匀加速运动的高速目标,可以用二阶Radon-Fourier变换(Second-order Radon-Fourier Transform,SRFT)完成对回波信号的相参积累。SRFT算法的原理是通过“速度-加速度”联合搜索来实现目标的运动参数估计,其计算量较大,不满足实时检测的需求。针对这个问题,提出一种基于遗传算法(Genetic Algorithm,GA)的快速实现方法。首先对运动参数集进行编码,设置初始群体;然后通过遗传算法对群体更新迭代,使其能够自发快速地逼近全局最优解,减少不必要的搜索路径;最终快速实现待检测目标的相参积累。仿真结果表明,在保证检测性能的前提下,算法计算量得到有效改善,运算次数减少大约一个量级。

关键词： 印刷品   缺陷   图像处理   深度学习   计算机视觉  

摘要： 印刷品是生产生活中常见的一种产品，而印刷品的质量对于其使用效果、美观度和商业价值都有很大的影响。在印刷品生产过程中，颜色缺陷是常见的质量问题之一，它们包括色差、色斑、颜色均匀度等。如何准确、高效地检测印刷品颜色缺陷是印刷行业亟待解决的关键技术。本文探讨了印刷品颜色缺陷检测的方法和技术，首先介绍印刷品颜色缺陷的种类，分析传统的人工检测方法存在的问题和局限性，接着介绍了计算机视觉技术在印刷品颜色缺陷检测方面的应用，最后总结了各种具体方法解决印刷品颜色缺陷的优缺点，并讨论了未来的研究趋势。

关键词： 水下目标检测   YOLOv8   深度学习   可变形卷积   WIoU  

摘要： 针对水下目标检测中的尺度不一、重叠遮挡目标的漏检问题,提出了一种改进的YOLOv8水下目标检测算法.首先,在主干网络中引入可变形卷积(deformable convolution network, DCN),通过卷积核自适应形变的机制,提高模型对重叠遮挡目标的特征提取能力;其次,设计了一种空洞卷积空间金字塔模块(atrous spatial pyramid faster, ASPF),扩大输出特征图的感受野,提高模型对水下多尺度目标的感知能力;最后,对损失函数进行改进,优化模型的训练过程并提高定位精度.将改进算法在URPC数据集上进行实验,结果表明改进算法的检测精度达到了87.3%,相较于原始算法YOLOv8提高了3.4%,同时能够精准检测水下多尺度、重叠遮挡目标.

关键词： 计算机视觉技术   危险识别   预警系统   图像处理  

摘要： 随着海洋石油开发的深入,海洋石油支持船的安全性问题日益突显,利用计算机视觉技术进行海上危险识别与预警具有重要的研究意义。基于此,文章提出海洋石油支持船智能视频图像危险识别与预警系统的总体架构,并详细介绍硬件设备选型与配置以及软件系统设计,深入研究图像预处理、目标检测与识别、危险识别与预警算法,并在系统集成与测试中验证计算机视觉技术的有效性和可行性,以期在未来的海上石油开发工作中发挥更大作用。

关键词： 精密测量   计算机视觉   深度学习   缺陷检测   高分辨率图片  

摘要： 针对增材制造零件表面小缺陷检测中存在的准确率低和尺寸测量困难的问题,基于改进的YOLO v8提出了一种缺陷检测方法。在YOLOv8模型的检测头部引入高效通道注意力机制模块,同时采用加权交并比损失函数替换原有损失函数,减少低质量样本影响,提升检测精度。针对高分辨率图像数据集训练困难且易出现过拟合的问题,在训练阶段对包含目标缺陷的局部特征以中心为基准进行裁剪的方法生成训练集。在推理阶段,采用滑窗切分法将待测高分辨率图像裁剪成一组小图像进行预测,从而得到缺陷图像块。检测后的缺陷图像块被视为感兴趣区域,并通过计算机视觉中的边缘检测方法实现缺陷尺寸的精密测量。实验证明,改进模型的准确率达94.3%,召回率为93.3%,mAP50达到97.3%,缺陷尺寸的测量精度可达到40μm,显著提升了增材制造零件表面缺陷的检测准确率。

关键词： 粮仓储粮数量   储粮高度   语义分割   U-Net   定量分析   计算机视觉  

摘要： 我国储粮分布具有点多、线长、面广的特点,传统的粮食数量监管面临着效率低、成本高、严重滞后等问题,亟需研发可对粮仓储粮数量实时快速检测的新技术。针对该问题,提出一种基于U-Net的粮仓储粮高度定量检测方法,通过对仓内监控相机拍摄的图片中粮面和通风窗进行分割处理,得到粮面边缘和通风窗上下边缘像素值,并以通风窗上下边缘的离地高度为基础,计算得到粮仓储粮的实际高度,再结合粮仓长度、宽度和粮食密度等基础数据,即可得到粮仓储粮实际数量。分别使用U-Net、DeepLabV3+和PSPNet 3种算法对分割后的粮仓图片进行分析处理并计算储粮高度。结果表明,U-Net的平均交并比(MIoU)和平均像素准确度(MPA)分别为93.25%和95.88%,MIoU相较于DeepLabV3+和PSPNet分别提高1.82、2.69百分点,MPA相较于PSPNet提高2.42百分点;U-Net的定量分析误差为3.51%,比DeepLabV3+和PSPNet分别低1.34、0.43百分点,较为适合作为粮仓储粮高度定量计算分割算法。该方法无需提前设置测量标尺,仅依靠仓内监控相机即可实现粮堆高度测量,可基本满足粮仓储粮数量的快速检测需求。

关键词： 厚德强技   产教融合   三创教育   精品在线课程  

摘要： 传统职业教育在人才培养过程中往往较为侧重技能训练,相对忽视了德育在人才培养各个环节中的有效渗透。在新的时代背景下,课程建设不仅要保证学生对职业技能的掌握,还要将“大思政”理念融入课程的建设,以适应现代职业教育课程体系的发展需求。从深化产教融合、推进“三创教育”改革、完善人才培养体系等方面入手,并为更好地服务区域产业升级发展,帮助学生树立正确的世界观、人生观和价值观,提高学生的社会责任感和创新能力,探索新时代精品在线课程在厚德强技教育背景下的优化策略。