关键词： 汽油机   颗粒物   分形维数   灰度直方图   图像处理  

摘要： 使用透射电子显微镜(简称透镜)对道路试验得到的颗粒物样品进行拍摄获得排放颗粒物图像。发现缸内直喷汽油机在高海拔地区正常运行得到的排放颗粒物与在低海拔地区正常运行得到的颗粒物微观形貌特征大致相同。颗粒物大多数由基本碳粒子堆积而成,其中少数颗粒物夹杂着微量硫、氮等元素。颗粒物具有一些典型的微观形状,如云状颗粒物、海拔等高线颗粒物以及枝状颗粒物等。设计了分形维数、灰度值、灰度直方图3类处理排放颗粒物图像方法,并运用了Matlab和Python语言编程实现了对颗粒物图像的处理。处理得到分形维数在1.81~1.88之间,与低海拔试验得到的分形维数(1.58~1.80)相差较大;灰度值在93~196之间,其中5 nm图像灰度值范围在93~124之间、50 nm图像灰度值范围在100~146之间、100 nm图像灰度值范围在99~161之间、200 nm图像灰度值范围在136~158之间以及500 nm图像灰度值范围在180~196之间。经过对比分析发现,50 nm图像的灰度直方图出现的灰度值频率呈正态分布,其余倍数的图像灰度值频率分布混乱。

关键词： 临时性活荷载   活荷载调查   楼面活荷载   目标检测   多目标跟踪  

摘要： 临时性活荷载是建筑楼面活荷载的重要部分,但基于荷载单元的传统模型造成现场调查困难,样本匮乏导致临时性活荷载研究长期停滞不前。对此,研究提出了临时性活荷载的解耦随机模型,将活荷载解耦为数量和幅值两种独立随机变量,既可对不同临时性活荷载事件统一建模,也可对荷载的数量和幅值分别采样统计而大大方便了荷载调查。与解耦随机模型相配合,进一步研究了结合目标检测和多目标跟踪的机器视觉调查方法,利用泛在监控设施实现临时性活荷载的持续性调查。以常见人群聚集型临时性活荷载为例,阐述了机器视觉调查方法的实施过程,并通过实际场景下的调查实验验证了调查方法的有效性。解耦随机模型结合机器视觉调查方法为临时性活荷载大样本的获取以及楼面活荷载设计值的研究提供了可行的新方式。

关键词： 机器视觉   变电站   智能巡检   图像处理   深度学习  

摘要： 随着电力行业的发展,变电站的安全运行对电网的稳定性至关重要。传统的变电站巡检方式存在效率低下、人力成本高等问题。本文针对此问题设计了一种基于机器视觉的变电站智能巡检系统,利用图像处理技术和深度学习算法实现对变电站设备的自动检测和异常识别,从而提高了巡检效率和准确性。

关键词： 单目视觉   工业机器人   ArUco靶标   目标检测   特征定位  

摘要： 异型圆柱贯穿腔体承载件的多轴线定位是其自动化缺陷检测的前提,本文提出一种基于机器视觉的异型圆柱贯穿腔体承载件的多轴线定位方法,从根源上解决了人工定位测量速度慢、精度低、自动化定位不能批量处理多个特征等问题。首先标定相机内参和机械臂手眼关系,接着采集异型承载件图像并检测端面椭圆,然后识别端面ArUco靶标并估计相机位姿,最后将承载件端面圆心坐标和法向量转换到机器人基座坐标系下,求解轴线数学表征。实验结果表明,该方法可以快速定位承载件轴线特征,异型承载件端面圆心定位精度最高可达1.63mm,端面ArUco靶标姿态估计精度最高可达0.35°,效率远超于人工测量,并可以处理具有多个圆柱端面的异型工件,具有一定的工业应用价值。

关键词： 结构裂缝   YOLOv8   图像处理   几何特征  

摘要： 结构裂缝的定期检测对于确保结构安全至关重要,目前传统人工检测方法耗时耗力,而且难以实现对裂缝尺寸的量化,针对上述问题,提出一种基于YOLOv8检测与量化裂缝的方法,可提高检测效率并实现裂缝的量化分析.基于YOLOv8算法对裂缝图像进行分割,对分割后的裂缝图像提取计算像素数量,根据实际测量获得的比例因子计算出裂缝真实几何特征.结果显示,YOLOv8分割准确率均达到85%以上,并且对裂缝特征量化实验所得误差百分比均小于4%,拟合优度最大达到0.9858.所提方法有望为结构裂缝检测提供一个具有前景的解决方案.

关键词： 卫星视频数据   目标跟踪   遮掩   变化特征   双向验证误差  

摘要： 卫星视频中的目标极易受到背景遮挡与淹没,造成外观特征匮乏,最终导致跟踪失败。以全卷积孪生网络为基础,提出一种抗遮掩的卫星视频目标跟踪算法,解决不同遮掩程度下运动目标的跟踪丢失问题。目标轻度遮掩时,以模板更新网络得到的前向结果作为当前帧的跟踪结果,并将前向结果设为新的前向模板,获取运动目标的变化特征。目标重度遮掩时,首先,将前向结果设为新的后向模板,利用后向模板对上一帧影像中的目标进行再次跟踪;然后,采用空间位置预测模块获取目标的历史轨迹特征,得到轨迹结果;最后,以再次跟踪得到的双向验证误差为依据,将前向结果和轨迹结果相结合,得到当前帧的跟踪结果。以吉林一号卫星视频数据为例,利用典型运动目标进行算法验证。结果表明,所提算法可以在目标遮掩时提供较为准确的跟踪结果,跟踪精确率与成功率分别达到76.2%和78.9%,算法跟踪速度为33帧/s。所提算法可以实现遮掩情况下运动目标的持续跟踪与监测,实际应用中能够有效提高智能交通、防灾救灾、战时监控等方面的应急处理能力。

关键词： 视觉领域   线性代数   特征提取   图像数据  

摘要： 在计算机视觉领域,线性代数方法在特征提取与识别方面的研究具有重要的意义,其能够减少人工干预,自动化地从图像中提取特征并进行识别。精确的特征提取和分析可以提高目标识别的准确性。本文通过矩阵表示,将图像转换为矩阵形式,利用线性代数进行分析;应用线性变换,如旋转、缩放和平移,以适应不同的图像处理需求;利用卷积操作检测图像中的局部特征,如边缘和纹理。期望本文研究能够为开发快速且准确的图像特征提取算法提供参考。

关键词： 计算机视觉   尺寸估算   数字图像处理  

摘要： 为了解决通过无接触的方式估测柠檬尺寸质量的问题,进而提高柠檬分类水平。采用相机作为采集工具获取柠檬果实和小尺寸标定板图像,利用MATLAB的Camera Calibration工具进行相机标定获取相机参数并对图像进行校正,采用双边滤波和Chroma King Technique(CK法)图像分割方法获取图像目标区域,配合计算机视觉技术估测柠檬果实长度、宽度和面积数据。在柠檬果实图像上绘制出长度六等分的网格线并获取相应数据,将网格线数据与柠檬果实尺寸数据作为参数,通过设计主实验和多个对照实验,从是否降维、不同角度图像组合、输入参数变化等多个因素进行实验比较,探索柠檬尺寸质量的估测方法。结果表明,每组实验利用两个角度柠檬果实图像,以果实长度、宽度、面积数据和网格线数据作为参数,采用两个角度图像并对特征降维后的模型进行分析,柠檬果实尺寸估测值均方根误差为8.805 cm^(3),平均绝对误差百分比为6.937%,相对误差界为7.215%,拟合优度R~2为0.757;质量估测值均方根误差为6.589 g,平均绝对误差百分比为7.974%,相对误差界为7.192%,拟合优度R~2为0.835。该研究为后续将计算机视觉技术运用于机械自动分拣技术提供理论参考依据。

关键词： 红外弱小运动目标   空中探测平台   复杂背景   目标检测   序列图像  

摘要： 红外弱小运动目标检测是空中红外探测的核心技术之一,且一直是光电探测领域研究的热点问题,尤其是复杂背景下弱小运动目标检测,尚缺乏有效的技术解决途径。针对当前红外弱小运动目标检测领域数据规模小、场景类型丰富程度不足的问题,本数据集面向空中红外探测设备远距离探测空中飞行目标应用,借助小型无人机平台搭载红外探测设备,通过实地拍摄、数据加工及仿真目标嵌入处理等,提供了一套数据规模大、场景类型丰富的复杂背景下红外弱小运动目标检测半仿真数据集。图像数据采集中设置多种实验条件,以求尽可能地全方位模拟典型应用场景:为体现探测平台与目标的相对高度,设置了仰视、平视和俯视三种拍摄视角;为模拟不同场景类型,数据集获取场景涵盖了天空、水面、植被、建筑物等多种场景;为模拟被探测目标不同运动情况,数据集中采用分段拟合的方式,设置了不同复杂程度的目标运动轨迹;本数据集仿真了不同灰度分布、不同信号强度的弱小运动目标,并高质量地嵌入图像背景中。本数据集共计350段数据、150185帧图像,标注文件中给出目标坐标位置的详细标注信息。本数据集可为复杂背景下红外弱小运动目标检测、跟踪等研究提供基础数据。

关键词： 自动驾驶   目标检测   激光雷达   点云   注意力机制  

摘要： 针对自动驾驶领域中,激光雷达获取的点云数据存在稀疏性以及边缘噪点误检等问题,提出一种基于改进PointPil-lars的点云车辆目标检测方法。首先,基于SimAM注意力机制改进体素化特征输入,使得网络特征提取阶段能更加关注关键信息,提高特征学习的全局性。其次,基于卷积块注意力模块(CBAM)改进骨干网络结构,提出全新的轻量化通道注意力模块Tiny-CAM和可变形空间注意力模块Deformable-SAM,构建Multi-CBAM骨干网络,提升网络特征提取及特征融合能力。在KITTI数据集以及非公开车库点云数据集上进行验证,实验结果表明,与原网络相比,改进PointPillars方法具有更高的检测精度,平均检测精度提升2.98%,针对遮挡小于30%的点云车辆目标检测精度提升6.51%,证明了该方法的有效性。