关键词： 计算机视觉   开关状态   图像配准   椭圆拟合   包络谱熵  

摘要： 传统开关状态监测方法的监测结果准确率不高、鲁棒性较低,导致双电源自动切换开关在日常应用中,其性能不能充分发挥,应用效果较差,对此提出了基于计算机视觉的双电源自动切换开关状态实时监测方法。通过计算机视觉技术,根据相应的采样频率和采样间隔时间对双电源自动切换开关状态进行监测图像采集;对采集后的图像进行振动振幅和图像特征的提取;根据特征提取结果,通过图像融合、数值对比等过程对开关状态图像进行配准。对监测图像结合上述特征和配准机制,进行椭圆拟合处理,从而完成双电源自动切换开关状态的实时监测。实验结果证明,基于计算机视觉的双电源自动切换开关状态实时监测方法,其监测结果准确率达到100%;在增加各种异常的状况下,其监测准确率依旧可达到100%,该方法的鲁棒性较强。

关键词： 产品缺陷   YOLOv10   实时检测   目标检测   目标识别  

摘要： 旨在探讨基于YOLOv10的流水线产品缺陷图像实时检测方法,以应对工业自动化中日益增长的缺陷检测需求。随着智能制造的快速发展,传统人工检测效率低下且易出错,而YOLOv10以其卓越的实时性能和高精度目标检测能力,成为解决该问题的理想选择。本研究通过优化YOLOv10模型架构,提升其在复杂生产线环境中对微小缺陷的识别精度与速度,实现缺陷的即时反馈与高效处理。实验结果表明,该方法显著提高了产品缺陷检测的准确率和效率,为工业质检流程自动化、智能化转型提供了有力支持。技术升级使得企业能够更精确地控制生产质量,减少了由于人为因素导致的质量不一致性问题。通过实时数据的反馈和分析,管理层能够更好地预测生产中的潜在问题,并采取预防措施,减少生产中的意外停机和资源浪费。这种数据驱动的管理方式,为产业管理的智能化转型提供了有力支持,推动了制造业的数字化进程。

关键词： 图像处理   内螺纹螺距   快速测量方法   SIFT算法  

摘要： 针对传统测量方法进行核电高强钢筋连接套筒内螺纹螺距测量时存在的效率低和易损坏工件等问题,提出一种基于改进SIFT算法的内螺纹螺距图像测量方法。利用高精度图像采集设备获取内螺纹图像,并对图像进行去噪处理,以提升图像细节。通过形态学处理提取齿顶和齿根骨架中心线,并采用改进的SIFT算法进行两幅骨架中心线纵坐标匹配。最后,测量这两幅骨架中心线在纵坐标上的距离得到螺距。结果表明:相较于传统测量方法,基于图像处理的测量方法测得的螺距相对误差均在3%以内,测量精度满足核电建设检测要求,为提高核电建设中钢筋连接的安全性和稳定性提供了有力支持。

关键词： 输电线路场景   目标检测   多目标跟踪   YOLOv5s   ByteTrack  

摘要： 在输电线路巡检任务中,采用深度学习技术实现施工机械运动的有效跟踪对智能电网建设至关重要。针对目标间遮挡干扰以及误检漏检造成的多目标跟踪性能显著下降的问题,提出一种改进YOLOv5s与优化ByteTrack相结合的多目标跟踪算法。在目标检测部分:首先,采用轻量级的Ghost卷积和SimAM构建SGC3(SimAM and Ghost convolution with C3)模块,以提高特征利用率,并减少算法冗余计算;其次,在主干网络的深层,提出卷积引导的三重注意力模块R-Triplet(RFAConv with Triplet attention),从而利用多分支结构增强算法跨维度信息交互,并抑制不相关背景信息来提高目标的关联能力;最后,在特征融合部分添加多分支感受野模块(MRB),以利用空洞卷积扩大目标感受野,并增强多尺度目标全局特征信息的复用。在目标跟踪部分:在ByteTrack算法的基础上,根据施工机械的运动特点,提出一种自适应计算噪声尺度的NSA(Noise Scale Adaptively)卡尔曼滤波算法,以降低低质量检测框对滤波算法性能的影响;同时,在数据关联部分引入高斯平滑插值算法(GSI),从而进一步完善多目标跟踪的效果。实验结果表明,所提CRM-YOLOv5s算法的平均精度均值(mAP)达到了97.4%,与基线算法YOLOv5s相比提升了3.8个百分点,参数量和浮点运算量分别减少了0.28×10~6和1.8 GFLOPs,可见该算法在多种应用场景下的泛化能力更强。此外,相较于原YOLOv5s+ByteTrack跟踪算法,所提CRM-YOLOv5s算法与改进后的ByteTrack算法相结合后的多目标跟踪准确度(MOTA)提升了4.5个百分点,目标身份切换次数(IDs)减少了15,且获得了较高的推理速度,可见该算法适用于输电线路场景下施工机械的多目标跟踪任务。

关键词： 计算机视觉   产品表面缺陷检测   图像处理算法  

摘要： 文章对计算机视觉技术进行了深入的研究,并将其运用到产品表面缺陷检测中,建立了一套基于计算机视觉的杯子表面缺陷检测系统的整体设计方案,并对其进行了硬件设计。在此基础上,研究了杯子内壁区域划分算法、杯子内壁缺陷检测算法和杯子外壁缺陷检测算法的设计思路,以达到对杯子表面缺陷的智能化检测。最后,介绍了系统的实现效果和测试结果。

关键词： YOLOv5   水果分级   目标检测   深度学习   农业智能化   图像处理  

摘要： 设计了基于YOLOv5算法的水果分级检测方法,以提高水果缺陷检测的效率和准确性。设计并训练了基于YOLOv5算法的检测模型,采用多尺度训练策略优化了模型性能。通过计算预测框面积判断瑕疵大小并进行等级划分,使用平均精度均值作为评价指标。试验研究结果表明,基于YOLOv5算法的水果分级检测方法有效可行,有助于推动水果自动化分级的效率与准确性。

关键词： 异物检测   目标检测   可切换空洞卷积  

摘要： 接触网异物检测是保障电气化铁路安全运行的关键环节。传统检测方法存在效率低、误检率高等问题,难以满足现代铁路的高标准需求。本文提出一种基于改进YOLOv5s的接触网异物检测算法,通过引入可切换空洞卷积,增强网络对多尺度异物目标的特征提取能力,提升检测效果。实验结果表明,相较于原始YOLOv5s算法,本文算法取得了更优的异物检测效果,同时保持较高的实时性。

关键词： 弱对齐RGBT图像   显著目标检测   多模态特征对齐   多模态特征融合   注意力机制  

摘要： 可见光和热红外(RGBT)显著目标检测(SOD)旨在从可见光和热红外图像中识别共同的显著物体。然而,现有技术大多在完全对齐的图像对上进行训练,忽略了实际成像过程中由传感器差异造成的“弱对齐”问题,即同一物体在不同模态中虽然结构相关,但是它们的位置、尺度存在差异。因此,如果不经对齐处理,直接使用弱对齐RGBT图像训练模型,会导致检测性能严重下降。为应对这一挑战,提出了一个多模态特征对齐融合网络(AFNet),专门针对弱对齐RGBT SOD。该网络由3个主要模块组成:分布对齐模块(DAM)、注意力引导的可变形卷积对齐模块(AGDCM)和交叉融合模块(CAM)。DAM基于最优传输理论,使热红外和RGB特征的分布尽可能接近,实现特征的初步对齐。AGDCM基于可变形卷积,在学习特征偏移量的过程中引入注意力权重,使不同的区域可以学习到适合自身的偏移量,实现多模态特征的精准对齐。CAM通过交叉注意力机制融合对齐后的特征,增强融合特征的判别能力并提高计算效率。通过在对齐和弱对齐数据集上进行大量实验,证明了所提方法的高效性。

关键词： 对抗样本   语义信息   目标检测   无锚框模型   深度学习  

摘要： 深度神经网络容易受到对抗样本的干扰。现有的针对无锚框目标检测器对抗样本的研究较为缺乏,导致此类模型更易受到对抗样本的影响。为改善这种情况,采用一种针对无锚框目标检测器的对抗样本通用框架,其基于识别到的类快速进行梯度收集,其比基于单个候选框生成扰动的方法效率更高。同时提出一个提取语义信息掩码的方法,使得对抗扰动仅集中于图像中语义信息丰富的区域,使得产生的扰动更为稀疏和集中。在两个数据集上的结果表明该方法在白盒和黑盒实验中都达到了最先进的性能,可为此类网络鲁棒性的改进优化提供支撑。

关键词： 军事目标识别   光学遥感   自适应融合   混合注意力  

摘要： 针对军事遥感目标检测图像分辨率低、目标尺度不一、目标混叠等检测难点,提出YOLO-MRO目标检测算法。构建自适应卷积模块,提升了不同尺度目标的检测效果。基于小波池化设计了小波池化卷积,增强了算法抗混叠的能力。最后,引入混合注意力,减轻了算法的计算负担。实验结果表明,改进后的算法相较于基准算法在自建数据集RSMOD上准确率提升了6.7%,达到了81.1%,能够满足军事遥感目标的检测任务。