关键词： 激光–MIG复合焊接   镁合金   熔滴过渡行为   图像处理   送丝速度  

摘要： 针对镁合金激光–MIG复合焊接稳定性提升需求,开展了复合激光焊接过程熔滴过渡行为实时监测试验,对比分析了激光–MIG复合焊接与传统MIG焊接过程的熔滴过渡行为,并研究了送丝速度对熔滴形态与过渡频率的影响。研究结果表明,激光热源的加入可以有效提升电弧焊接熔滴过渡稳定性,当电弧功率达到2400 W左右时,镁合金激光–MIG复合焊接过程中熔滴呈滴状过渡。送丝速度的改变对熔滴过渡形式无显著影响,但送丝速度的增大有助于压缩电弧,提升熔滴过渡的稳定性;此外,送丝速度过大极易导致熔滴尺寸过大、熔滴过渡频率降低。

关键词： 马铃薯   目标检测   晚疫病   YOLO   深度学习  

摘要： 随着马铃薯种植规模的扩大,农作物病虫害对产量的威胁日益严重,传统检测方法效率低且依赖人工判断。为了提高病害检测的有效性和准确性,采集PlantVillage数据集中的1000片马铃薯晚疫病和1000片健康叶片图像数据作为研究对象,通过LabelImg进行数据标注,采用YOLOv8n深度学习模型进行病害检测。检测评价指标精确率、召回率、F1score和平均精度均值分别为99.67%、97.14%、98.39%和98.69%。实验表明,YOLOv8n在马铃薯晚疫病检测中具有良好的应用前景,提高了检测的准确性,对农田管理和病害预警具有工程实践意义。

关键词： 合成孔径雷达   目标检测   DETR   多尺度注意力  

摘要： 针对DETR(detection transformer)结构在SAR(synthetic aperture radar)图像舰船检测中存在收敛速度慢、弱小目标易漏检等问题,提出了一种基于多尺度注意力模块和标签对抗训练的改进DETR结构。利用骨干网络提取多尺度特征图,构建多尺度注意力权重矩阵和特征图区域采样方式,有效提高了DETR结构的检测能力;在解码器结构中设计了标签对抗训练模块以解决对目标的重复预测,抑制目标预选框的混淆,并大幅加快模型的收敛速度。在公开的HRSID数据集上进行了算法测试,结果表明,训练36批次的mAP_0.5、mAP_0.5:0.95、AR分别为0.921、0.696、0.753,相较于Faster R-CNN分别提升了12.4%、13.3%和14.7%,验证了该方法在提升目标检测精度和收敛速度方面的优越性。

关键词： 机器视觉   拉伸性能   图像处理   动态形变   特征提取  

摘要： 为丰富织物拉伸力学评价指标,从机器视觉角度出发,可视化动态表征织物拉伸形变差异,论证织物非接触式测量方法的可行性。依据拉伸速度,等效抽取视频帧,自动分割织物所在区域,提取出轮廓,构建形态学特征;分析不同处理方式对织物拉伸动态形变特征的影响。结果表明:由伸长量、泊松比所构建的应力-应变曲线与拉伸测量应力-应变曲线趋势一致;伸长量对材料的区分度优于最窄处收缩量,且不同处理方式对织物的伸长量和最窄处收缩量影响差异显著。该结果论证了非接触式测量方法在织物特征分析中的可行性,可为今后相关测试方法标准及设备的研制提供参考。

关键词： 止血钳   裙边冲裁   图像处理   视觉定位   机器人上料  

摘要： 针对止血钳裙边冲裁工作效率低、劳动强度大、危险系数高等问题,提出了一种基于视觉定位的止血钳裙边冲裁机器人上料方法。搭建了机器视觉试验台,通过纠偏基准图像逆向采集策略完成图像采集,对图像进行预处理并运用亚像素方法提高边缘精度;通过模板匹配的方法获取止血钳抓取件位与基准位的位置偏差,并进行位置纠偏,最后由机器人将止血钳送至冲床凹模完成上料。试验结果表明,机器人自动上料的定位成功率可达96%以上,可满足止血钳裙边冲裁机器人自动上料的需求,平均日冲压量可达15000件,显著提高了冲压效率。研究内容可为冲床自动上料提供技术支持。

关键词： 风格迁移   生成对抗网络   目标检测   机场检测   边缘增强  

摘要： 在基于图像的目标检测中,机场是一类非常重要的目标,对其进行自动识别具有重要意义。针对一般检测算法难以使用复杂的近地航拍图像中边缘信息的问题,提出一种融合风格迁移增强边缘特征提取的目标检测算法。使用生成对抗网络抑制图像噪声,使用边缘检测算法突出图像边缘特征,将突出边缘信息的图像经由目标检测算法完成机场位置检测。在机场目标检测数据集实验中,结合所提出的边缘特征提取方法的目标检测算法相比原始目标检测算法有精度上的提升,其中结合该特征提取方法的YOLOv5算法的平均精度达到97.7%,验证了该特征提取方法对机场目标检测具有很好的效果。

关键词： 交通场景   目标检测   参数稀疏化   注意力机制  

摘要： 尽管基于深度学习的目标检测在交通场景的应用已经取得了一定的进展,但复杂交通场景多目标精度与速度的博弈仍然是个挑战。大多数提升精度的方法都是参数密集型的,大大增加了模型的参数量。针对这一难题,提出了基于YOLOv8的稀疏参数模型,实现在降低参数量的同时提升模型的召回率和检测精度。首先使用简单注意力机制(Simple Attention Mechanism,SimAM)以建立更强劲的骨干网络提取特征;其次提出轻量化的内容感知特征重组模块(Lightweight Content-Aware ReAssembly of Features,L-CARAFE)代替上采样操作,在一个更大的感受野上聚合上下文信息;最后通过稀疏参数的多解耦头,在降低参数量的同时提升模型的检测精度。由于交通场景的复杂性,不仅通过KITTI数据集验证模型的有效性,还通过COCO数据集验证模型的泛化性。该模型在公开的数据集上均能大幅提升召回率和平均精度(mean Average Precision,mAP),其中,nano在KITTI数据集上以2.95的参数量使召回率和mAP分别提高了3.1%和0.9%,小模型在COCO数据集上的mAP@0.5达到60.6%。

关键词： 滚动轴承   滚子   磁粉检测   机器视觉   磁痕   图像处理  

摘要： 针对轴承滚子磁粉检测时表面浅磁痕易漏检的问题,提出一种浅磁痕图像处理方法,使用梯度强化算子提高浅磁痕的对比度,通过双阈值延伸算法去除弱噪声并保留浅磁痕中的弱像素,基于线性度特征提取线状的浅磁痕,将共线的浅磁痕连接实现浅磁痕检测。试验结果表明,该方法能够准确识别轴承滚子表面的浅磁痕。

关键词： 智能驾驶   深度学习   多模态融合   3D目标检测  

摘要： 基于视觉信息和LiDAR的3D目标检测是智能驾驶感知中的关键技术之一,在理解复杂驾驶场景方面发挥着至关重要的作用。由于单一传感器固有的缺点和多模态数据的复杂性,实现高质量的3D目标检测并不是一项简单的任务,需要考虑数据的异构性和优化等许多因素。当前的研究工作主要集中在利用单模态数据的互补性进行数据融合处理。为了促进3D目标检测的进一步研究,本文首先梳理基于视觉信息和LiDAR的3D目标检测方法,并且从时序融合和阶段融合2个方面梳理基于LiDAR-Camera融合的3D目标检测方法。然后介绍目前常用的数据集及评价指标,并在数据集上对比各类网络的性能,分析各类网络的优势及局限性。最后指出基于视觉信息和LiDAR的3D目标检测方法面临的挑战和解决方案。

关键词： 软材料   仿真   图像识别   计算机视觉  

摘要： 制造业是立国之本,强国之基。机器人替代人工生产是未来制造作业重要的发展趋势。利用机器人实现对软材料的拉伸,对食品加工业、家庭自动化和手术操作等领域具有重要的意义。因此,如何对软材料建模并对其拉伸形变进行有效的控制和优化,为拉伸机器人训练提供控制策略并生成用于拉伸的数据集,成为智能制造中的一个重要问题。