关键词： 钢管目标检测   PPYOLOE   HGNetV2   SPPELAN   Dysample  

摘要： 在特钢企业向“灯塔工厂”转型升级中,实现钢管物料实时跟踪是其中的核心内容,由于物料多样性以及产线的复杂性使得接近式传感器无法满足物料检测可靠性要求。为此,依据车间内现有环境和需求,搭建物料跟踪摄像系统,采集了物料及产线上部分特征组成图像数据集;基于视频分析,引入了一种面向特钢车间内物料实时跟踪的钢管目标检测算法。该算法以PPYOLOE网络为基础。首先,将PPYOLOE中的CSPRepResNet主干网络替换成HGNetV2轻量级主干网络,在提升特征提取能力同时减小参数量;其次,在Neck中融合HG-Block和SPPELAN进一步减小参数提升速度;最后,在上采样阶段,运用Dysample动态上采样算子提升不同尺度特征的融合效果,提升算法的检测精度。实验结果表明,相比于原始的PPYOLOE算法,改进后的算法在检测精度上提升了1.6%达到80.5%,检测速度提升了16%达到56.4帧,GFLOPs和参数分别下降35%和33%。改进后算法有效提升了检测精度和检测速度,通过现场部署实施,满足了钢管物料实时跟踪要求。

关键词： 专业课程   计算机视觉   思政育人   协同育人   立德树人  

摘要： 计算机专业课程的教学主要以传授知识与课内实践为主,聚焦专业素养的培养,忽略了其思政育人的作用。高校要贯彻落实立德树人根本任务,必须守正创新,积极探索专业教育与思想政治教育协同推进的新模式。以“计算机视觉”课程为发力点,推动课程教学改革、教学理念转变,完善教学设计,结合实际教学案例挖掘和应用计算机视觉中蕴含的思政元素,引导学生成长为又红又专、全面发展的社会主义建设者和接班人,实现思想政治教育和知识体系教育的有机统一。

关键词： 图像处理   图像拼接   单应性投影变换   文物光谱图像   特征检测   图像配准  

摘要： 针对文物多镜头光谱图像序列拼接时的累计误差和多个景深视差导致的特征相对位置偏移问题,提出改进网格单应性投影变换的拼接方法。引入正射彩色全景图像作为参考图像,避免了以单一分镜头光谱图像为基准的累计误差问题。提出SIFT-LBP特征匹配算法,利用LBP纹理对SIFT特征匹配进行筛选和补充,获得准确的特征匹配点对;采用网格单应性变换,以特征匹配点之间的距离为权重,计算目标网格像素点的偏移位置,减少特征相对位置偏移问题;采用直方图匹配加权融合方法融合分镜头光谱图像,以平滑图像重叠区域。与主流图像拼接方法相比较,该方法拼接的图像视觉效果更优,且峰值信噪比较主流方法提高12.81%,结构相似性提高13.12%,为文物保护与研究提供可靠的全景光谱图像数据。

关键词： YOLOv5s   流体包裹体识别   目标检测   双向特征金字塔网络   坐标注意力机制  

摘要： 流体包裹体对油气资源评价、油藏地球化学、流体类型、流体来源与勘探等都具有重要的指导意义。然而流体包裹体识别主要依赖于人工寻找,这种方法费时费力。为了解决这个问题,提出了一种改进的YOLOv5s流体包裹体目标检测算法。将原始的YOLOv5s模型中的特征提取网络部分和特征融合网络部分进行改进,提高模型的检测能力,使模型更适用于流体包裹体的检测。在特征提取网络部分加入了坐标注意力机制提高定位和识别能力;在特征融合网络部分将原始模型中的路径聚合网络换成双向特征金字塔网络,改进后的网络具有更强大的特征融合能力,可提升小目标的检测能力。通过实验结果表明,与原YOLOv5s模型比较,改进后的YOLOv5s平均精度由75.3%提升到77.3%,比原算法的平均精度提高了2%,检测速度由58.14帧/s帧提升到62.89帧/s,提升了4.75帧/s,实现了更准确高效的流体包裹体检测。

关键词： 深度学习   再生骨料   目标检测  

摘要： 为解决建筑废弃物成分复杂,其中混凝土块和砖块由于密度和质量相似而难以用传统方法区分难题,采用深度学习方法,基于YOLOv5目标检测算法,通过大规模数据集训练,权重和参数的精细调整,构建了高效的神经网络。通过反复验证和调整,最终确定了优化的深度学习模型。结果表明,该模型能够显著提高砖混凝土识别精度,如部署到再生骨料智能分拣设备,能够极大的提高再生骨料的分拣质量,提升再生骨料的品质和利用价值,具有重要的工程应用价值。

关键词： 芯片制造   Zynq   FPGA   视觉伺服   图像处理  

摘要： 晶圆芯片定位精度直接影响到芯片制造的效率和质量,视觉伺服作为一种实时控制方法,引入了视觉反馈,不仅能够保证芯片定位精度还具有良好的鲁棒性;同时图像处理的实时性对视觉伺服至关重要;传统的使用PC机和网线的图像处理方式实时性和准确性较差,为了提高这一过程中视觉反馈的精度和实时性,提出并设计了一套面向视觉伺服的芯片图像Zynq预处理系统;系统通过在Zynq PL端的片内设计和PS端的控制设计,对采集到的芯片图像进行去噪、Sobel处理,并给芯片粗定位,为芯片的伺服控制提供有效数据;经实验表明,该系统实时性强,位置识别稳定,达到设计要求。

关键词： 机器学习   甘蔗   遥感影像   目标检测   图像处理   智能农业   无人机高光谱成像   YOLO算法  

摘要： 文章探讨了机器学习在甘蔗种植区域精准识别中的应用,旨在解决传统人工识别方法耗时费力、易受主观因素影响的问题。鉴于甘蔗种植面积分散、统计易重叠的现状,文章提出利用无人机高光谱成像结合Python网络爬虫技术的图像采集方法,以获取高精度、多样化的图像数据。通过采用YOLO算法进行模型训练,实现了对甘蔗种植区域的快速识别和统计。实验结果表明,该方法能够有效识别甘蔗种植区域,为甘蔗种植户、农业管理部门及科研机构提供科学依据和技术支持,从而推动农业智能化的发展。

关键词： 目标检测   热红外图像   YOLOv7   ELAN-P   坐标注意力机制   WIoU  

摘要： 热红外图像具有分辨率低、高噪声、空间相关性强的特点。为解决道路交通红外目标检测算法存在的检测精度低、漏检和误检等问题,提出一种改进YOLOv7的算法。将主干网络原有的ELAN模块替换成ELAN-P模块,降低模型的参数量和计算量,使模型更加轻量化,增强对红外目标的提取能力;在主干网络和颈部网络引入CA注意力机制,将坐标信息嵌入到通道中,增强对模糊目标和密集目标的定位能力;将原有的CIoU损失函数替换成WIoU损失函数,提高对遮挡目标和弱小目标的检测精度。在中国热红外数据集CTIR上实验表明,改进算法相较于YOLOv7算法,参数量和计算量分别减少11.6百分点和19.5百分点,检测精度mAP值提高了3.1百分点,其中Car、Pedestrian、Cyclist、Bus和Truck五个类别的检测结果AP值分别提高了1.9百分点、1.9百分点、1.5百分点、4.9百分点和5.3百分点,检测性能有所提升。在公开数据集FLIR上进行泛化性对比实验,结果表明改进算法具有通用性。

关键词： 图像处理   输电线路   Retinex算法   特征提取   支持向量机  

摘要： 为输电线路安全运行提供基础,提出基于图像识别的输电线路状态智能监测方法。利用多尺度Retinex算法对输电线路图像增强处理,提升输电线路图像质量,利用Mallat多尺度小波变换方法提取输电线路图像边缘的小波系数特征,选取模糊支持向量机方法依据小波系数特征进行实现输电线路状态智能监测。实验结果表明,该方法处理后输电线路图像信息熵高,可以有效识别输电线路的绝缘子覆冰、输电导线舞动等异常状态,输电线路状态智能监控效果理想。

关键词： 机器视觉   目标检测   优化RetinaNet   特征融合   轻量化   结构重参化  

摘要： 针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型参数量。通过一种空间特征融合机制,提高特征的尺度不变性。融合了结构重参化的思想,增加训练深度,实现多分支训练,单分支推理,更好地提升模型的推理性能。提出的方法在PASCAL VOC2007和COCO两种常用的目标检测数据集上进行评估,平均精度为54.1%,优于RetinaNet的平均精度,实验结果表明,提出的方法推理时所占的内存为170.71MByte,是RetinaNet所占内存的44.27%,表明提出的算法在保证精度的前提下极大提高网络的推理速度。