关键词： 煤矿   绞车   钢丝绳   视觉监测   单目视觉   图像处理   边缘提取  

摘要： 针对矿用绞车牵引钢丝绳传感器监测方法存在效率较低、误差较大、监测过程受环境影响等问题，对矿用绞车结构组成及传统钢丝绳接触式监测方法进行分析，利用机器视觉监测技术提出了绞车牵引钢丝绳新型视觉监测方法，对钢丝绳识别算法进行研究，建立了单目视觉采集与矩阵求解程序，实现相机标定并编写了钢丝绳后续图像处理算法，对采集到的钢丝绳图像进行智能处理和边缘提取。经在镇城底矿井下绞车现场应用后表明：矿用绞车牵引钢丝绳视觉监测算法可准确提取钢丝绳边缘，实现动态采集钢丝绳数据，对比传统接触式监测和视觉监测效果，得出视觉监测结果对钢丝绳的振动幅值最大误差仅为2.4mm，取得了满意的试验结果。

关键词： 卷积神经网络   计算机视觉   智能滴定  

摘要： 本项目通过结合单片机控制技术和步进电机，实现了对注射器的精确操控，进而构建了一个基于计算机视觉的人工智能滴定分析系统。该系统采纳了一种创新的计算机视觉方案，通过ResNet神经网络分类算法，依据指示剂颜色变化智能判定滴定终点。在23级分析化学实验课中，40名学生在4个学时内成功完成了实验，显示出该系统易于操作和学习。在首届智能实验挑战校赛中，57名学生组成的19支队伍不仅完成了比赛，更有4支队伍自主设计了新的硬件系统和软件算法，展现创新潜力。为了降低成本并便于推广，项目采用了商品化组件和3D打印技术。这些技术的融合不仅为分析化学基础实验的教学创新提供了新的方向，也为未来在智能实验领域的探索研究打下了坚实的基础。

关键词： 无人机   目标检测   小目标   上下文信息   注意力机制  

摘要： 针对无人机航拍图像中存在的背景复杂和小目标特征稀缺等挑战，提出一种结合多尺度特征融合和上下文注意力策略的无人机航拍目标检测模型。将十字交叉注意力嵌入主干网络，增强上下文信息提取并建模长程依赖；构建ASPP-FPN特征融合模块，扩大卷积核感受野，提升小目标检测能力；在检测头引入级联稀疏卷积查询机制，降低高分辨率层的计算开销。结果显示，所提方法在VisDrone数据集上取得64.6% mAP50与39.9% mAPs，在DOTA数据集上mAP达到80.7%，且在小车、船只、储罐等小目标检测任务中取得最优性能。所提模型在小目标识别、复杂背景干扰抑制以及推理效率方面均表现出显著优势，为无人机航拍目标检测任务提供了一种高效可行的解决方案。

关键词： 钢结构桥梁   高强螺栓群   螺栓松动   注意力机制   目标检测   关键点检测   病害识别  

摘要： 针对大跨径钢结构桥梁高强螺栓群松动病害人工巡检效率低、风险大及智能化检测中数据集样本不足、检测精度不高、泛化性较弱等问题,提出一种基于深度学习的钢结构桥梁高强螺栓群松动病害识别方法。首先利用基于深度学习的YOLOv10(You Only Look Once version 10)目标检测算法对螺栓进行目标检测;其次采用匈牙利(Kuhn-Munkres)算法对高强螺栓群基准图和待检测图进行二分匹配,同时将图片划分为单螺栓子图;然后提出一种多任务学习注意力机制的高强螺栓关键点检测算法,设计空间聚类的螺栓六角点后处理模块,融合透视变换,自上而下检测螺栓6个角点;最后对比基准图与待检测图螺栓关键点的变化,计算螺栓松动角度。采用该方法对复杂环境下的室内、室外钢桁梁节段模型及实桥钢桁梁上的高强螺栓群进行检测试验。结果表明:该方法能准确检测出螺栓是否松动,检测准确率达到了97%以上,召回率均达到了95%以上,该方法具有较好的实用价值和工程前景。

关键词： 图像处理   多边形拟合   凹点检测   凹点匹配   图像分割  

摘要： 针对冰雹收集存储中易粘连、结构复杂且类型多样导致传统分割方法不足的问题，该文提出一种融合凹区域多边形拟合和凹点匹配的粘连冰雹分割算法，先对粘连图像的凹区域进行多边形拟合提取候选角点，再运用圆形模板筛选凹点，最后采用夹角约束策略实现凹点正确匹配，并根据粘连类型选择分割算法。试验结果表明，算法能有效分割2～4个不同粘连类型粘连冰雹，对比Harris-凹点筛选、凹点定位随机匹配等方法，分割精度提高35%以上，平均耗时最高提升2.2倍，平均准确率达86.2％，且对不同粘连类型适应性良好。

关键词： 血细胞检测   注意力机制   目标检测   过参数化   深度学习  

摘要： 为解决血液细胞形态多样、分布密集和小目标信息较多所导致的识别问题，本文提出一种血细胞检测算法——基于混合注意力机制与深度过参数化的“你只看一次”模型（HADO-YOLO）。首先，在主干网络中添加混合注意力机制，增强网络对于细节信息的关注度，将颈部网络的下采样标准卷积替换为深度过参数化卷积，增加感受野并提升特征表达能力，对检测头进行解耦，提升模型对于异常细胞检测的鲁棒性。实验结果表明，在血细胞计数数据集（BCCD）中HADO-YOLO算法的平均精度均值达到90.2%，准确率达到93.8%，优于基础模型；与现阶段血细胞检测模型相比，本文算法同样取得了最好的检测效果。综上，本文所提HADO-YOLO算法能够更为高效和准确地识别各类血细胞，为今后辅助临床疾病诊断提供技术支持。

关键词： 混凝土结构   裂缝识别   表观裂缝   ResNet+网络   数据增强   图像处理  

摘要： 提出了一种基于ResNet+网络模型的混凝土结构表观裂缝识别方法。通过改进ResNet的残差结构,增强网络对裂缝图像的特征提取能力,有效提高分类精度。利用真伪裂缝数据集进行训练和测试,识别出的真裂缝可作为后续裂缝分割的数据基础,减少伪裂缝的无效检测,从而降低模型的计算时间和硬件资源需求。实验结果表明:改进后的ResNet+网络在裂缝识别精度、模型参数优化以及计算效率等方面均表现优异,具备较高的实际应用价值。

关键词： 人工智能   图像处理   教学  

摘要：  随着人工智能技术的发展,图像处理教学已经成为很多高校的必修课程之一。越来越多的教育领域开始引入人工智能技术,职业学校图像处理教学也不例外。本文从人工智能技术的角度出发,分析了图像处理教学在人工智能技术下的应用和发展。首先介绍了图像处理教学的基本知识,然后详细介绍了人工智能技术在图像处理教学中的应用,包括图像识别、图像分割、图像增强等。最后,本文探讨了人工智能技术下图像处理教学存在的问题和应对之策。

关键词： 目标检测   YOLOv11   雾天   多尺度边缘特征增强   频率感知   动态特征对齐  

摘要： 针对雾天等恶劣天气下多尺度目标难以检测、目标间重叠遮挡严重，以及图像能见度低导致误检、漏检频发等问题，提出一种基于YOLOv11的雾天目标检测算法（MFA-YOLO）。首先，设计多尺度边缘特征增强模块C3k2＿MSEFE (C3k2＿Multi-Scale Edge Feature Enhancement)替换YOLOv11网络中的C3k2模块，增强网络对多尺度目标的特征提取能力；其次，设计轻量化频率感知特征金字塔网络LFFPN(Lightweight Frequency-Aware Feature Pyramid Network)，以应对因雾天图像对比度低所导致的边界框定位不准问题，提升检测的准确性和鲁棒性；最后，设计动态特征对齐检测头DFADHead(Dynamic Feature Alignment Detection Head)，通过动态卷积和任务分解等机制，提升密集场景下重叠遮挡目标的识别能力。实验结果表明，在RTTS数据集上，改进算法的mAP@50和mAP@50:95分别达到76.5%和52.6%，与基础模型相比，分别提升2.7和1.9个百分点，同时参数量和模型大小分别下降了23.4%和15.3%。此外，在Cityscapes数据集合成的两种不同雾浓度的雾天图像数据集上进行验证，改进算法的mAP@50分别为48.5%和46.7%，与YOLOv11s相比，分别提升2.4和3.5个百分点，进一步证明了改进算法在多种雾天场景下的适应性和有效性。

关键词： 目标检测   红外和可见光   双向门控   交叉融合  

摘要： 通过融合可见光与红外图像的互补特征可有效提高复杂场景下的检测精度。然而，现有方法对双模态特征间的模态差异缺乏充分考量。为此，本文提出了一种双向门控交叉增强融合网络（Bidirectional Gated Cross-enhanced Fusion Network,BGCF-Net），通过双向门控机制和交叉增强实现模态间的充分融合以提升检测性能。首先采用双流CSPDarknet53网络架构提取双模态特征，并引入小波卷积以扩展浅层骨干网络的感受野；其次，设计了双向门控交互模块，通过门控机制有效利用模态间的互补信息来减小模态差异；此外，进一步提出交叉注意力增强融合模块，利用长程上下文信息交换增强融合特征的有效性。在FLIR＿Aligned和M3FD数据集上的实验结果表明，本方法的m AP50分别达到77.1%和86.3%，性能优于多个双模态检测算法，验证了所提方法的有效性。