关键词： 食用油   酸价   图像处理   机器学习   检测  

摘要： 旨在简单、便捷地检测食用油酸价,建立基于数字图像比色法食用油酸价检测方法。通过游离脂肪酸与铜皂染色液反应生成靛蓝色铜皂络合物,用智能手机采集相关的图像,经标准化预处理后,选择合适的颜色参数作为响应值,经回归机器学习建立颜色响应值与酸价模型,对模型进行校准及验证,采用盲样验证方法的准确性,并通过与国标法比较进行精密度分析。结果表明:标准化预处理过程可以减少试验装置、环境及油中色素等显色物质对颜色的影响,提取的15个颜色参数可用于酸价的检测;稳健线性回归算法建立的模型具有最好的预测效果,其均方根误差为0.734 3;与国标法相比,基于数字图像比色法在校准、验证中都显示出较好的预测效果[相关系数(r)>0.99,标准偏差(SD)<0.25],盲样验证的结果也证实了该方法具有较好的准确性和可靠性(r=0.994 2,SD=0.190 2);精密度分析中基于数字图像比色法的相对标准偏差为4.14%,略小于国标法的(4.16%)。综上,数字图像比色法简单、便捷,可用于食用油酸价的检测。

关键词： 电力作业   姿态估计   YOLOv8n-Pose   人员违章行为  

摘要： 为有效保障电力作业人员的安全,利用辅助验收机器人或现场固定的监控设备进行辅助。基于YOLOv8n-Pose算法对人体姿态进行识别,同时深入分析了现场作业中的违规行为,探讨了各种违规行为的特征,重点研究了违规行为所反映的人员动作机制。通过收集现场数据集并结合一定量开源数据集,成功检测上述违规行为,并取得显著成效。

关键词： 目标检测   数据投毒   数据清洗   模型后门防御  

摘要： 随着人工智能技术的飞速发展,深度神经网络在数字图像目标检测中的应用日益广泛,极大提高了人们的生产效率和生活便利程度。但随之而来的数据投毒攻击扰乱了图像分类识别的准确性,时刻威胁着人们的生命财产安全。为了防御该攻击手段,研究了数据投毒攻击的影响、成因和攻击技术,提出了基于模型嵌套训练法和后门触发器抑制器的思路,从目标检测的训练数据和智能模型两个方面实现数据投毒攻击的检测与防御,同时在检测到模型后门后,通过触发器修复对模型后门进一步确认,验证防御效果。采用了4个算法,从数据清洗、后门防御、触发器扫描、后门再确认4个关键循环嵌套过程,实现了毒化数据的检测和模型后门的封堵。

关键词： 空心莲子草   稻田   目标检测   除草   YOLOX—Nano  

摘要： 稻田空心莲子草为稻田外来入侵恶性杂草,在秧苗封行前与水稻幼苗共同竞争水、肥、光和生长空间等资源,进而影响水稻产量。目前主要采用化学喷施除草剂对草害进行防治,如果在稻田无差别地喷施化学除草剂,不仅污染环境,还对稻田秧苗产生一定的药害。随着深度学习的快速发展,根据稻田杂草的区域位置进行除草剂精准喷施已成为可能。YOLO系列具有高效推理能力及快速迭代的特点,系列版本体积小,方便嵌入手机或其他终端产品。以秧苗未封行前稻田中的恶性杂草空心莲子草为研究对象,针对YOLOX一阶段目标检测模型系列,YOLOX—Nano虽然在YOLOX系列中性能不是最优,但是其在YOLOX几个版本中体积最小,方便嵌入手机或其他终端产品,最终选择YOLOX系列中的YOLOX—Nano模型。同时构建YOLOv3、YOLOv4—tiny、YOLOv5—s、SSD和YOLOX—Nano等空心莲子草目标检测模型,并进行性能实验对比。结果表明,基于YOLOX—Nano的空心莲子草目标检测模型中召回率Recall、mAP、F 1值都高于YOLOv3、YOLOv4—tiny、SSD和YOLOv5—s模型,分别达到97.14%、96.72%和93%。针对秧苗和空心莲子草之间不同程度的轻微遮挡和部分严重遮挡图像,基于YOLOX—Nano的空心莲子草目标检测模型检测效果好于YOLOv3、YOLOv4—tiny、SSD和YOLOv5—s。

关键词： 激光物理   激光器件   光电测量   最新研究成果   量子光学   图像处理   光电子   科研论文  

摘要： 一、征稿范围国内外激光与光电子科技领域的最新研究成果、技术应用、科研论文等。主要栏目包括:综合评述、激光器件与激光物理、光电测量与检测、图像处理、量子光学、光通信与网络、光电技术与应用以及其他光学方向的创新技术。

关键词： 目标跟踪   算法优化   深度学习   外观模型匹配  

摘要： 在森林复杂环境中,目标追踪任务面临着严峻挑战,尤其是在树干追踪等任务中,遮挡和密集目标现象尤为突出。针对森林中复杂遮挡和密集追踪目标环境导致树干追踪任务出现目标丢失和ID切换的问题,文章在ByteTrack算法基础上进行改进:在匹配过程中引入外观模型与运动模型相结合的方式,有效降低了目标ID的切换次数;同时更换了更适用于遮挡环境的IoU度量方法,进而提高了算法在林下复杂环境中对遮挡情况的适应力和对密集目标的追踪性能。

关键词： 螺栓松动检测   关键点检测技术   YOLOv9   ResNet-18   图像处理   拓扑学   空间变换网络  

摘要： 针对真实列车场景中,螺栓松动检测易受螺栓种类多样、拍摄环境复杂等影响的问题,提出一种基于关键点的列车螺栓松动状态检测算法。将深度学习中的关键点检测技术与拓扑学相结合,利用孪生网络判断前后历史螺栓的几何六边形信息差,从而判断螺栓松动。首先利用YOLOv9识别并定位螺栓,构建螺栓关键点数据集和螺栓松动分类数据集;其次,为增强检测模型对畸变、倾斜等异常螺栓图像的自动矫正能力,并解决特征图在深层网络传递中的信息丢失问题,对ResNet-18模型进行改进,集成了空间变换网络(STN)模块;最后,将检测得到的螺栓角点拓扑为一个连通六边形结构,并将前后信息输入至孪生网络进行松动分类。测试结果表明,利用改进后的ResNet-18模型判断螺栓松动状态的精确率为99.3%,召回率为99.6%,较原模型有显著提升。所提算法能够有效判断螺栓的松动状态,可为螺栓松动故障诊断提供新的解决方案和技术参考。

关键词： 水产养殖   目标跟踪   种群计数   海参   水下视觉   深度学习  

摘要： 为解决海参养殖过程中人工采样计数方法成本高、效率低、误差大等问题,该研究提出一种基于改进YOLOv8s和ByteTrack的自动化养殖海参计数方法。该方法由检测、跟踪和计数3个部分组成:在检测部分,针对YOLO系列检测器在水下环境中检测性能不足问题,提出改进模型YOLOv8s-BB。通过在Backbone和Neck部位分别引入BCAM(BiFormer convolutional attention module)和BiFormer注意力模块增强其特征提取和融合能力,提升检测精度;在跟踪部分,针对ByteTrack算法在水下环境中对目标关联匹配性能不佳问题,提出基于三级级联匹配的TriSORT跟踪算法,提升跟踪稳定性;在计数部分,设计了未激活轨迹去除计数法,对比分析了其与过线计数的性能差异。结果表明:YOLOv8s-BB检测器的平均精度达88.9%,召回率为77.8%,F1值为84.2%,相较于YOLOv8s、YOLOv7-tiny、YOLOv9s和YOLOv11s检测模型,均保持领先优势;TriSORT的多目标跟踪准确度(MOTA)和ID调和平均数(IDF1)达74.00%和85.03%,较ByteTrack分别提高6.55和5.54个百分点;未激活轨迹去除计数法平均计数精度达95.46%,绝对误差为1.90,明显优于过线计数法。该研究通过检测-跟踪-计数的全流程优化,实现了高效、准确的自动化养殖海参计数,为海参养殖的生物量估算、投喂管理、销售决策等关键环节提供可靠的数据支持。

关键词： 全自动分析系统   X射线荧光光谱仪   图像处理   matlab   全自动磨样机  

摘要： 文章为了解决铁钢全自动分析系统中铁样拍照合格率低、二次制样后分析时长过长导致系统利用率低的问题,首先通过控制样品加工深度,并逐次使用X射线荧光光谱仪进行分析,可获得同一样品、不同表面质量的分析结果,然后对结果进行分析得到样品表面质量与分析结果之间的关系,再根据分析结果调整设备参数,实现缩短分析时长的目的,从而提高设备的利用率。

关键词： 计算机视觉   人工智能技术   智能监控   监控系统  

摘要： 在现代社会建设和发展的过程中,监控系统已经成为非常重要且必要的组成部分,在人类社会发展的各个领域都具有广泛的运用。而伴随国内社会的快速发展,传统的监控系统在多个方面开始体现出一定的局限性。其中,基于计算机视觉的人工智能技术在智能监控系统中的应用,可以在现有基础之上,使监控系统的性能得到显著提升,其应用范围也会得到有效拓展,对于国内不同领域的相关工作开展均具有重要作用和价值。因此,本研究针对基于计算机视觉的人工智能技术在智能监控系统中的应用进行系统探究和分析,望对智能监控系统的优化和应用起到一定借鉴和指导作用。