关键词： 目标检测   轻量化网络   激活函数   YOLOv4  

摘要： 针对复杂交通场景下传统目标检测算法模型尺寸较大、检测速度与检测精度不平衡的问题,基于YOLOv4提出一种轻量级YOLO算法。首先采用轻量级网络Mobilenetv1代替YOLOv4的特征提取网络,并提出一种跨阶段局部模块(DW-CSP),减少模型对冗余信息的学习;同时设计了新的Lish激活函数,采用K-means++聚类算法生成新的先验框,并引入FocalLoss损失函数缓解正负样本比例失衡问题。在特定数据集上进行的实验表明,改进YOLO算法相较于YOLOv4算法,在检测速度、检测精度和模型尺寸上均有明显提升,证明了改进算法的有效性。

关键词： 深孔   轴线   光杠杆放大   直线度   图像处理  

摘要： 为实现大长径比小孔轴线直线度的高精度测量,提出一种光杠杆图形投影的轴线直线度测量方法。在检测系统中利用光轴直线传播与光杠杆放大原理,结合远距离投影面型的相关性,采用图形轮廓提取与中心坐标计算的方法,确定远距离投影屏上的轴线位置。根据像素坐标变换和空间坐标转换方法对提取的中心点坐标进行修正,从而获取大长径比小孔的轴线直线度。通过原理样机的研制和相关性能的测试,对内径8 mm、长度300 mm的超大长径比(长径比大于5至10为深孔,大于20为大长径比孔)深孔零件的轴线直线度进行了测试,实现5μm以内的重复性检测精度。

关键词： 深度学习   图像处理   改进的YOLOv8n   性渔船热塑材料   缺陷检测  

摘要： 高密度聚乙烯(HDPE)是一种新型热塑性渔船材料,其焊接质量是保证HDPE渔船安全的主要影响因素之一。针对HDPE渔船焊缝缺陷检测中存在的缺陷与背景相似度高、小目标特征弱等难题,本研究提出了一种改进的ACAYOLOv8(Adown-CCFM-AC-mix-YOLOv8)目标检测算法。该方法采用自适应下采样(ADown)策略有效保留缺陷特征,通过跨尺度一致性特征融合网络(CCFM)提升多尺度特征表达能力,并在特征融合过程中引入自注意力与卷积混合(AC-mix)机制增强小目标检测能力。结果显示,改进后的模型在保持轻量化的同时,平均检测精度达到98.9%,较原始模型提升3.2%,参数量减少43.5%,计算量降低2.0 G。该算法更能满足工业生产车间HDPE渔船焊缝缺陷检测的设备计算需求。

关键词： 计算机视觉   羽毛球运动员   羽毛球比赛   跳杀技术   运动学特征  

摘要： 研究分析763段高水平羽毛球比赛视频,HRNet-W48网络构建姿态估计系统PCK指标达93.7%。测量结果显示击球前肩关节外展角度139.6°±8.3°,肘关节伸展角度143.8°±6.7°,腕关节角速度1257.4°/s±123.6°/s。K-means聚类识别三种技术:肩主导型42.3%,前臂主导型35.7%,综合协调型22.0%。随机森林算法评分模型准确率89.3%,腕关节角速度贡献25.4%。世界排名1-10位选手腕关节角速度1342.5±98.7°/s显著优于11-20位选手1172.3±111.5°/s(p<0.05)。亚洲选手肩关节活动范围大,欧洲选手肘关节伸展速度高12.3%。综合协调型击球速度308.1±12.5km/h领先肩主导型8.7km/h。中国队60.7%选手采用前臂主导型,印尼队57.5%使用肩主导型,丹麦队41.3%属综合协调型。世界排名前五选手91.4%属综合协调型。顶级选手四年间技术向综合协调型转变增14.6%。躯干旋转角度与击球精确度呈正相关(r=0.67,p<0.01)。高水平选手重复执行角度波动低28.4%。肩-肘-腕协同指数高排名选手0.87±0.06优于低排名选手0.74±0.09(p<0.01)。研究建议强化三关节协同性,根据身体特点选择技术模式,注重击球点高度控制,建立个性化技术数据库。

关键词： 物联网   STM32单片机   鸿蒙移动应用   人工智能算法   计算机视觉   自习室  

摘要： 近年随着考研与考公人数的持续攀升,学生对于自习室的使用体验愈发关注,便捷性、舒适度与安全性成为其核心诉求,管理人员在数据处理与管控方面也面临新的挑战。因此,文章设计出一款基于STM32的自习室鸿蒙智能管控系统。该系统在学生使用端集成多种智能传感器设备,多方位满足学生在自习室内的使用需求;在管理者使用端开发纯血鸿蒙系统App远程管控室内设备开关,能实时查看室内状况并借助监控检测与人工智能技术的深度融合,实现数据的高效收集与分析,从而为自习室的运营管理提供有力支持,切实提升自习室的使用体验与管理效能。

关键词： 自动驾驶汽车   目标检测   注意力模块   车路协同技术  

摘要： 针对路端图像背景高结构相似性及低特征重要性的特点,基于单发多框检测器(SSD)的运行机制,通过引入数据预处理和轻量级卷积注意力模块,并调整注意力模块在算法中的位置,建立最优化的路端检测算法。在车路协同公开数据集DAIR-V2X上进行日间和夜间场景以及不同交通流量下的路端目标检测,结果表明,在提取图像特征的第3级池化层后添加注意力模块,优化算法的精度指标mAP@0.5:0.95可以获得1.67%的提升,且仅损失2 FPS的检测速度,能够满足路端目标检测任务的精度与速度需求,有效地增强车端的目标识别能力。

关键词： 胶带运输机   运行速度   目标检测   二次数据关联策略   YOLOv7   ByteTrack跟踪算法  

摘要： 针对因胶带运输机上运动目标发生形变和轨迹漂移导致跟踪丢失,造成胶带运输机速度测量误差较大的问题,提出了一种融合改进YOLOv7-tiny与ByteTrack跟踪的胶带运输机速度测量方法。该方法首先采用改进的YOLOv7-tiny目标检测算法作为检测器,实现图像中运动目标的准确定位;其次,利用二次数据关联策略加强低分置信度的关联匹配,同时引入置信度的卡尔曼滤波算法,使卡尔曼滤波算法预测的轨迹倾向于检测器的结果,从而提高胶带运输机上运动目标跟踪轨迹的稳定性;最后,通过胶带运输机两个支撑杆间的图像坐标及支撑杆间的距离简化相机标定方法,建立胶带运输机速度测量模型,实现胶带运输机的速度估计。试验结果表明,所提出的新方法其计算结果的MAE和MSE指标分别降低了0.037m/s和0.022 m/s,有效降低了胶带运输机的速度测量误差。

关键词： 桥梁工程   板式橡胶支座   老化开裂病害   语义分割   图像处理  

摘要： 针对梁桥板式橡胶支座背景复杂、位置深入、难以识别和测量的问题,提出了一种基于YOLOv8-ESF两次语义分割的自动检测支座裂缝并进行参数计算的方法.首先,在骨干网络引入EfficientViT主干,基于此重新构造C2f中Bottleneck结构,建立为C2f-Faster-EMA模块,从而替换YOLOv8n骨干网络的部分C2f模块并增加解耦头,提升支座裂缝多尺度细节特征的获取能力;其次,使用改进YOLOv8n模型分割并提取出整个支座区域;再次,利用改进YOLOv8n模型在分割出的支座区域图像上进一步分割出裂缝区域,利用提取骨架中心线和寻找最大外接矩形法获取裂缝参数信息;最后,从网络结构、裂缝数据、分割精度3个方面对模型进行验证和评价.研究结果表明:YOLOv8-ESF模型对支座区域和支座裂缝的识别在评价指标mPA、DSC和IoU方面,均达到85%以上;在实桥测试中,对采集的支座裂缝图像利用两次语义分割计算方法计算结果与人工实测结果对比,两者最大误差小于0.1 mm,满足工程要求.

关键词： 结构光   双目视觉   立体匹配   三维重建   图像处理  

摘要： 现代工业三维测量中,简洁的系统硬件结构、易于实现与高精度的重建方法是主要的研究方向;针对激光扫描重建方法的复杂性,以及单目结构光在复杂或陡峭表面重建精度受限等问题,开展双目结构光的工件三维重建系统研究;基于自主构建的三维重建平台,投射经编码的结构光图案,通过掩膜去除目标物体背景;结合互补格雷码和四步相移法解算图像的绝对相位;填充视差图中的视差空洞,实现弱纹理区域的高精度相位匹配;采用高精度匹配方法计算所有像素点的视差,以实现待测工件的三维重建;项目的创新点是利用结构光来提高双目图像匹配的效率和精度;实验结果表明,弱纹理与重复纹理目标区域的匹配精度较传统双目立体匹配算法更高,且能有效降低环境噪声和光照变化的影响,获得高精度的工件三维重建结果。

关键词： 煤矿井下工作面   顶板裂缝   图像处理   特征提取   边缘检测技术  

摘要： 文章提出煤矿井下工作面顶板裂缝快速检测方法,利用高清钻孔成像分析仪采集图像,采用加权平均、均值滤波和MASK匀光算法优化图像质量。在YOLOv5模型的基础上融入SENet、变形卷积及空间域注意力模块,精确提取裂缝特征。采用形态学闭操作优化边缘检测,运用k维空间划分树搜索算法显著提升了裂缝检测的连续性和效率。实验结果表明,应用该裂缝检测方法能精准定位裂缝位置,确保检测的准确性、可靠性和快速性。