关键词： 煤矿人员安全   安全帽   轻量级   目标检测  

摘要： 为有效解决煤矿人员安全帽佩戴状态检测中参数量过大、检测速度与精度难以兼顾的问题,基于单阶段目标检测算法(YOLOv8n),提出一种名为EMBC-YOLO轻量级煤矿安全帽检测模型。结果表明:该模型在安全帽检测任务中表现出色,相较于以YOLOv8n为基线的模型,检测精度均值提升至87.21%,提高4.20%;同时,模型参数量大幅减少至2.19 M,降低27.48%;模型大小缩减至4.55 MB,降低25.04%;检测速度高达74帧/s,完全满足实时检测要求。此外,将EMBC-YOLO模型与多种主流单阶段检测模型进行对比,该模型在检测精度、速度和模型轻量化方面,均达到先进检测器的水平,满足在监控视频终端的应用部署需求。

关键词： 目标检测   卷积神经网络   多尺度目标检测   感受野   特征金字塔网络(FPN)  

摘要： 针对多尺度目标检测中主干网络实际感受野远远小于理论感受野,感受野分布稀疏,以及特征金字塔网络(feature pyramid network,FPN)在横向连接过程中统一通道数会丢失通道信息等影响模型性能的问题,提出一种扩增实际感受野和多特征融合改进FPN的多尺度目标检测算法ResFPN。针对主干网络实际感受野远远小于理论感受野的问题,设计了多分支膨胀卷积(multi-branch dilated convolutional,MBD)模块和多分支池化(multi-branch pooling,MBP)模块,通过学习不同尺度空间特征融合,扩增感受野。针对感受野分布稀疏问题,提出轻量级通道交互融合(channel interactive fusion,CIF)模块,通过双分支结构并在每一分支叠加不同数量深度可分离卷积学习像素间的依赖关系增强特征表示。针对FPN通过1×1卷积统一通道数会丢失通道信息的问题,尝试利用SubPixel卷积提取C5层输出特征,保留原始丰富语义信息的同时引出额外双向路径对FPN通道信息进行补充,但这可能会产生冗余信息。因此,在额外双向路径后引入全局上下文(global context,GC)模块,利用GC瓶颈转换模块进一步融合特征信息,减少信息冗余。实验表明,提出的ResFPN有效解决了感受野分布稀疏问题,并将主干网络感受野增大为原来的一倍,同时提出的改进FPN通道丢失问题的方法也在多尺度目标检测中获得了良好的性能。与典型的网络Faster R-CNN相比,大、中、小物体检测平均精度在具有挑战性的MS COCO数据集上分别提高了2.2、1.6、2.0个百分点,与其他检测器相比检测效果也有提升。

关键词： 动态手语识别   计算机视觉   深度学习  

摘要： 手语是用手势比量动作,根据手势的变化模拟形象或者音节以构成的一定意思或词语,手语是听力障碍者或无法用言语交流的人普遍采用的一种交际工具.随着计算机视觉和深度学习的不断发展,手语识别技术随之出现并不断发展,使普通人与聋哑人士交流成为可能.然而,动态手语的复杂性和变化性使得对手语的精确检测和识别仍具挑战.为了推动该领域的研究,本文深入调研现有的动态手语识别方法和技术.首先,调研了动态手语识别技术的发展历程和研究现状、常用动态手语数据集以及手语识别方法的评价指标.其次,重点调研了动态手语识别常用的深度学习模型,探讨了动态手语识别技术面临的问题以及对应的解决方案.最后,基于手语识别现状,总结了当前动态手语识别面临的问题,并对下阶段如何提升手语识别性能进行分析和展望.

关键词： 复杂工业环境   工业机器人   视觉识别   图像处理  

摘要： 聚焦于面向复杂工业环境的工业机器人视觉识别与控制技术。负责解决复杂工业场景中光照变化、遮挡、多目标干扰等问题,包括对工业机器人视觉识别技术的组成、图像处理与特征提取方法进行分析,以及积极探索深度学习算法在目标分类、检测与分割中的应用。还针对其控制系统如何构建和运作,以及掌握控制算法原理进行说明,并重点追踪了运动学求解、路径规划及视觉伺服控制技术。

关键词： 多尺度交叉注意力   边缘感知   伪装目标检测   特征金字塔结构  

摘要： 针对当前伪装目标检测算法无法准确、完整地检测出目标对象和其边缘的问题,提出了一种融合多尺度交叉注意力和边缘感知的伪装目标检测网络(multi-scale cross attention and edge perception network,MAEP-Net)。利用Res2Net-50提取图像的原始特征,并采用融合了多尺度交叉注意力的特征金字塔结构从通道、空间两个维度挖掘目标位置信息和凸显伪装目标区域特征;使用定位模块对目标的大致位置进行准确定位;边缘感知模块抑制低级特征中背景的噪声,融合边缘特征以获取更多的边缘细节信息;细化模块通过注意力机制分别从前景和背景两个方向关注目标线索,利用边缘先验、语义先验、领域先验、区域先验知识进一步细化目标结构和边缘轮廓。在3个公开数据集上的实验表明,所提算法相较于12种主流算法在4个客观评价指标上均取得了最优表现,尤其是在COD10K数据集上所提算法的加权平均值F-measure和平均绝对误差(mean absolute error,MAE)分别达到0.797和0.031。由此可见,所提算法在COD任务上具有较好的检测效果。

关键词： 光伏电站   异常数据识别   图像处理   Canny边缘检测   Hough变换   双阈值  

摘要： 光伏电站SCADA(数据采集与监视控制)系统记录着大量的运维数据,这些数据对光伏电站日常运维具有重要意义。然而,由极端天气、传感器损坏等问题造成的异常数据会极大地降低数据质量,进而影响光伏功率预测以及光伏电站日常运维。因此提出一种基于图像特征检测和双阈值处理的异常数据识别算法,将数值型数据映射为图像,进而将异常数据识别问题转换为图像处理问题。首先,将异常数据划分负值异常、离散异常和堆积异常,基于图像数据密度识别离散异常数据。然后,基于Canny边缘检测和Hough变换识别堆积异常数据,并提出双阈值图像处理机制以提高算法的通用性。最后,基于真实数据集,将该算法与传统的统计算法进行对比,验证了所提算法的普适性。

关键词： AICG技术   计算机视觉系统   图像生成方法   数据增强技术   数据测试  

摘要： 传统计算机视觉系统在图像生成过程中,往往面临噪声干扰问题以及组织结构与颜色相似性带来的挑战,这些问题严重影响了图像分割的准确性。因此,本文提出了基于人工智能内容自动生成(augmented image content graph,AICG)技术的计算机视觉系统图像生成方法,旨在提升计算机视觉系统在图像生成领域的性能和应用价值。首先,详细概述计算机视觉系统图像生成技术,包括系统组成和传统图像生成方法。其次,分析数据集构建与预处理,阐述数据增强技术。再次,提出基于AICG技术的图像生成方法,建立AICG技术框架。最后,通过实验数据结果分析验证该方法的可行性和有效性。结果表明:该方法生成的图像具有更高的质量,能够为计算机视觉系统提供丰富的图像数据,这些高质量的图像数据有助于系统更准确地完成目标识别任务,从而提升系统的整体性能。

关键词： 数字图像处理   四位一体   评价改革  

摘要： 随着信息技术的飞速发展,数字图像处理作为信息科学领域的重要分支,其教学方法和模式也在不断更新。基于数字图像处理课程,提出了“课堂专题教学+课后实践研修+网络自主学习+多元教学评价”的四位一体教学新模式,文章针对传统数字图像处理课程教学中存在的问题,通过项目式学习、案例分析、在线互动平台和多元化考核方式等手段,有效提高了学生的学习兴趣和实践能力。实践结果表明,2020级物联网工程2001班学生平均成绩提升了14%,不及格率降低至0%,有效验证了该模式的有效性和可行性。

关键词： 输电线路   山火检测   烟雾检测   图像处理   目标检测  

摘要： 山火监测与定位是提高输电线路可靠性的关键。然而,高压电沿线山火图像数据具有一定的复杂性且检测目标易混淆,传统的目标检测算法无法满足山火检测任务在识别精度与速度方面的需求。为此,提出一种两阶段的高效低报警率山火检测算法,以实现高召回率高精确率的实时山火检测系统。算法架构中,第一阶段采用基于正负山火图像样本的目标检测算法,以神经网络模型YOLOv7作为目标检测器,在训练时使用足量且比例均衡的正负样本图像,提升模型的可靠性;第二阶段采用易混淆目标分类算法,以轻量级神经网络MobileNetV3作为特征提取网络,并根据第一阶段得到的易混淆类别选择不同的分类权重参数,提升易混淆目标的易分性。此外,分析了训练数据对山火目标检测算法的影响,并在山火检测数据集上进行了该算法与主流目标检测器的对比实验,结合模型的多进程并行推理帧率,验证了该算法的有效性。