关键词： 图像去雾   图像处理   双边滤波   Matlab  

摘要： 图像去雾是计算机视觉领域的重要研究方向,传统暗通道先验算法存在边缘模糊、天空区域处理不佳等问题。文章基于Matlab平台,提出一种融合双边滤波的图像去雾算法优化方案。通过改进大气光估计方法,并采用双边滤波替代传统高斯滤波优化透射率计算,有效保留图像边缘细节;结合导向滤波降低算法计算复杂度,提升实时性。试验结果表明,相较于传统暗通道先验算法,优化后的算法在边缘区域的PSNR值提升了3~5dB,SSIM值提高0.05~0.1,图像处理时间减少约40%,为图像去雾技术在实际场景中的应用提供了更高效的解决方案。

关键词： 计算机视觉   缺陷检测   航空发动机叶片   改进YOLOv7   深度学习   MPDIoU损失函数  

摘要： 对于航空发动机叶片在生产加工过程中产生的各种缺陷,通常以人工目检的方式来进行检测。为避免因人为经验导致检测结果缺乏一致性,以及检测效率低的问题。文中提出一种基于改进YOLOv7的叶片检测方法,旨在精准高效地检测叶片表面的缺陷。针对生产加工过程中四类常见的典型缺陷,构建了航空发动机叶片表面缺陷数据集。在YOLOv7特征融合网络的ELAN-W中加入SKNet,使模型获得自适应感受野以增强网络特征提取的能力;在头部网络引入Dyhead提升模型的类别识别能力和检测性能;采用MPDIoU损失函数替代原始的CIoU损失函数以实现更加精确的边界框回归。所提方法在保证召回率的基础上提升了模型的检测性能,其中精度、召回率和mAP@0.5分别提升了5.3%、2.2%和3.7%,检测单张叶片的时间为4.93 s。为叶片的自动化检测提供了一种新方法。

关键词： 模具裂纹检测   计算机视觉   深度卷积生成对抗网络(DCGAN)   卷积神经网络(CNN)   多尺度特征提取  

摘要： 模具裂纹检测是工业制造里保障产品质量与生产安全的关键环节。本文给出一种融合计算机视觉的模具裂纹自动检测与精细分割算法,目的是实现高效、精准的裂纹识别与定位。首先,利用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)扩充裂纹图像数据集,解决样本不足难题;其次,设计改进的卷积神经网络(convolutional neural network,CNN),借助多尺度特征提取与注意力机制,强化关键区域的信息表达能力;最后,依靠模型剪枝与量化技术达成轻量化部署。结果显示,改进算法在裂纹检测任务中表现优异,准确率达91.4%,召回率升至87.3%,分别比主流算法高出22.17%和18.55%。此外,模型推理时间仅80 ms,参数量减至12.3 Mb。研究表明,该算法在复杂背景下的稳健性和细节捕捉能力都明显提升。

关键词： 卫星影像   目标检测   CenterNet   注意力   农业大棚  

摘要： 农业大棚的检测在保障农业生产和输电线路安全方面具有至关重要的意义,针对卫星影像下的农业大棚形状、纹理以及尺度变化多样的问题,提出了一种基于改进CenterNet的旋转农业大棚检测方法。该方法通过对CenterNet目标检测网络的改进,引入空间注意力和通道注意力机制,采用向量参数表示旋转框,并结合随机量化数据增强方法,提高了目标检测准确性和模型的泛化能力。实验结果显示,所提出的方法显著提升了卫星影像中大棚目标的检测效果,农业大棚识别的准确率达到了90.57%。

关键词： 图像处理   深度学习   智能室外灯  

摘要： 城市化进程的加速使得室外照明系统面临能耗激增与生态影响的双重挑战,传统定时控制与单一光敏调控难以适应动态环境变化,导致过度照明与光污染问题日益严重。现有智能照明研究多聚焦于局部参数优化,缺乏对复杂室外场景的多模态感知能力与多目标协同决策机制。随着计算机视觉与深度学习技术的突破,实时环境感知与预测性控制为室外灯光系统的智能化升级提供了新路径。因此,文章就图像处理与深度学习融合驱动的智能调节模型展开系统性研究,通过异构数据融合与动态策略优化,期望建立室外照明系统的自适应能力,为智慧城市背景下的绿色照明提供可扩展解决方案。

关键词： 图像处理   指纹分类   双分支结构   注意力机制   特征融合   超参数   激活函数   深度学习  

摘要： 针对现有指纹分类算法中存在的低质量指纹难以识别、特征信息提取不充分以及提取过程中信息丢失的问题,提出一种基于双分支注意力机制的指纹纹型分类算法。算法通过提取方向场和进行Gabor滤波的双分支网络进行特征融合,充分利用指纹图像的纹线特征和全局特征;提出的组合激活函数和综合注意力机制模块充分提取卷积分支上的空间特征和通道特征信息,减少提取过程中的信息丢失;设计分支特征融合模块对双分支输出的特征图进行加权,充分融合特征信息;最后引入改进的交叉熵损失缓解样本分布不平衡的问题。实验结果表明,所提算法在自建纹型数据集的4类指纹分类中取得了99.08%的准确率,在准确率、F1分数和曲线下面积指标方面均优于其他网络模型,验证了本文算法在纹型分类任务上的有效性和优越性。

关键词： 矿井   单轨吊机车   机器视觉   目标检测  

摘要： 单轨吊机车作为一种新型矿井辅助运输设备,其无人驾驶技术是发展趋势,目前障碍物的准确识别和实时检测被认为是保证煤矿无人驾驶单轨吊机车安全运行的前提。文章提出了一种基于DeblurGANv2和改进的YOLOv4(SAYOLOv4-Tiny)的单轨吊运行区间障碍物检测方法,实现在煤矿低照度、运动模糊、遮挡、小目标、背景干扰等复杂环境下对井下巷道内障碍物、作业人员等进行准确检测。此次研究使用了DeblurGANv2对模糊图像进行了去模糊处理。现场实践验证了该系统可满足矿用单轨机车的障碍物检测要求,为煤矿井下轨道运输设备的自主驾驶奠定了基础。

关键词： 计算机视觉技术   塑料产品   质量检测  

摘要： 为了实现对塑料产品制造符合性的精确检测,合理运用计算机视觉检测技术,通过研究计算机视觉技术在塑料产品缺陷检测、尺寸测量、材质鉴别、性能评估等方面的应用,结果表明,计算机视觉技术检测速度快、精度高,能够对塑料材料的多种性能进行精确识别,为塑料制造领域的稳定发展提供了技术支持。

关键词： 人工智能   遥感目标识别   图像分类   多模态大语言模型  

摘要： 遥感图像分类是遥感目标检测中的重要环节,基于视觉的机器学习算法在该领域已得到有效应用,但仍存在数据获取成本高、计算资源需求大等问题。近年来,人工智能大语言模型快速发展,其中多模态大语言模型(MLLMs)在自然语言处理与计算机视觉领域均展现出卓越性能。本文探讨了MLLMs在遥感目标识别的图像分类领域的应用,特别是在无需自行训练模型的前提下,通过公开大模型在具体目标数据集(机场目标分类)上的实验验证其有效性。实验结果表明,多个在线公开的MLLMs能达到80%以上的分类精度与较高的批量处理速度,且无需任何本地计算资源部署成本,显示了在线的多模态大语言模型在该领域应用的巨大潜力。

关键词： 变电站   目标检测   Mask R-CNN   热故障诊断   注意力机制  

摘要： 变电站设备的热故障诊断受限于传统目标检测算法的精度与稳定性,难以满足高精度智能监测需求。本文提出了一种基于改进Mask R-CNN算法的设备热故障检测方法,以提升复杂工况下的识别能力。实验结果表明,该方法在平均精度、F1分数,以及检测效率方面均显著优于传统模型,能在保证高检测精度的同时提升实时性。该诊断技术在变电站设备热故障智能识别中具有可行性与应用价值,可有效辅助智能巡检系统的可靠运行。