关键词： 飞行员   异常行为   目标检测   人工智能  

摘要： 随着民航事业的快速发展,飞行员异常行为对航空安全的影响日益严重。为了解决这一问题,文章提出了一种基于目标检测的飞行员异常行为检测系统,该系统基于YOLOv8目标检测算法,旨在实时识别和预警飞行员在驾驶舱内吸烟、玩手机等异常行为,从而提高飞行安全性。实验结果表明,该系统在飞行员异常行为的实时检测和预警方面具有较高的实用性和准确性。

关键词： 计算机   图像处理技术   视觉传达系统   应用实践  

摘要： 本文探讨了视觉传达系统中计算机图形图像处理技术的应用,引入了非局部均值算法、基于PCA的多光谱压缩技术和Otsu自适应阈值法。通过验证,这些技术有效提高了视觉传达系统的效率和表现力,为设计师提供了更多创作可能。

关键词： 目标检测   无人机   深度学习   计算机视觉   神经网络  

摘要： 无人机在军事/民用/商业领域的广泛应用促使对其识别和分类的需求。随着人工智能的不断发展,深度学习作为一种机器学习技术,在目标检测领域展现出良好的性能,也可应用于无人机识别领域。本文首先介绍了无人机识别的背景和意义,回顾了深度学习的发展历程,并分别介绍了目标检测中两种重要的算法结构:两阶段目标检测算法和单阶段目标检测算法;然后,对目标检测常用算法以及算法中的骨干网络等进行了阐述,归纳了近年来无人机识别改进算法的改进策略,总结了改进效果及其缺点和局限性;最后,针对目前无人机识别的研究现状,提出展望和挑战,有望在建立无人机数据集,提高无人机检测的准确性、实时性等方面取得更大突破,推动无人机技术在各个领域的应用。

关键词： 夜间驾驶   目标检测   自适应Gamma校正   YOLOv5  

摘要： 光照条件差会对夜间行车安全构成严峻挑战。基于此,设计了一种融合自适应Gamma校正与YOLOv5的夜间驾驶辅助系统。该系统通过树莓派控制核心及多个外设,实现图像采集、图像增强、目标检测和语音提示等功能,从而有效降低驾驶风险。介绍了系统硬件组成及功能,阐述了软件自适应Gamma校正的实现过程和YOLOv5目标检测模型的训练过程,并在实验环节验证了系统的可靠性。

关键词： 仓储物流   机器人拣选   视觉引导   目标检测  

摘要： 文章提出一种基于视觉引导的机器人拣选系统,并研究其在物流自动化中的应用。该系统主要由视觉模块、机器人模块以及末端执行器模块3个模块组成,通过工业相机acA1920-40gc获取目标物体的图像,结合6轴机器人Fanuc M-710ic/45M进行精准抓取。在实验中,系统通过精确的图像识别和准确的轨迹规划,成功完成目标物体的抓取与搬运。实验结果表明,系统能够在较小的误差范围内精准抓取目标物体。

关键词： 深度学习   卷积神经网络   人脸识别   生成对抗网络   图像处理  

摘要： 随着深度学习技术的快速发展,其在计算机视觉领域尤其在人脸识别系统中的应用优势日益显著。本文探讨了深度学习算法在人脸识别中的应用,重点分析了卷积神经网络(CNN)在特征提取中的关键作用,以及生成对抗网络(GAN)在增强训练数据和解决表情变化、遮挡等问题中的潜力。通过分析深度学习技术在人脸识别领域的实际应用,本文展示了其在安防、金融和智能设备等多个行业中的实际效益,进一步强调了深度学习算法提升识别精度和系统鲁棒性的能力。最后,文章展望了深度学习在人脸识别系统中未来的发展方向与挑战。

关键词： ADB算法   代码生成   卡尔曼滤波   匈牙利算法  

摘要： 本文对自适应远光灯(Adaptive Driving Beam,ADB)控制系统进行研究,设计了系统架构和软件算法,针对输入端摄像头感知数据质量下降,通过匈牙利算法对多目标数据进行数据关联,再通过卡尔曼算法对数据进行预测和滤波,针对输出端LED控制效果不佳的问题,通过矩阵式LED远光灯分区控制算法解决了ADB系统不稳定,LED闪烁的问题。并将算法模型进行实车测试与标定,自适应远光灯实时计算目标数据,控制目标物对应LED开启或关闭,避免会车和跟车对其他车辆产生眩目影响,在保证较佳视野的同时,提升驾驶的安全性。

关键词： 图像处理   目标检测   语义地图   激光雷达   区域分割  

摘要： 本文提出了一种基于激光雷达和深度相机数据的区域划分方法,通过平均距离检测、宽度判断和平滑性分析实现区域入口的高效识别;结合目标检测技术和深度信息,精确计算物体的三维空间位置,并通过物体类别统计划分功能性区域.本方法融合了几何信息与语义信息,不仅提升了区域入口检测的精度与效率,还在动态场景中实现了物体位置的判断和功能性区域划分.实验结果表明,本方法在区域入口检测、物体识别及区域划分的精度和实时性方面均优于传统方法,能够生成高效的语义分割区域地图.

关键词： 工程认证   数字图像处理   课程思政  

摘要： 工程认证是以能力培养为导向、按国际标准提高应用技术人才质量的重要举措,当前工程认证教育已成为应用型本科高校人才培养的共识。随着人工智能和无人驾驶等新一代信息技术的快速发展,机器视觉显得尤为重要。《数字图像处理》课程作为机器视觉的基础,亟需在工程认证背景下对其进行改革。结合课程特点,充分挖掘利用课程思政资源并通过案例式和模块化教学激发学生学习热情,为其工程能力培养和进一步深造创造了条件。

关键词： 目标检测   YOLOv7   混凝土工厂   障碍物识别   注意力机制  

摘要： 随着人工智能技术的快速发展,目标检测算法在工业领域中的应用越来越广泛。混凝土工厂环境复杂,障碍物种类多样,对障碍物的准确识别对于保障生产安全至关重要。提出一种基于改进YOLOv7的混凝土工厂障碍物识别算法,通过引入SPD-Conv模块与GAM-Attention,在不降低模型检测性能的前提下,优化算法对混凝土障碍物的识别精度。试验结果表明,与原始YOLOv7模型相比,在6个不同障碍物类别上准确率、召回率、综合性的评估指标F1和评估模型性能的核心指标mAP@0.5分别提升了1.0%~10.4%、2.8%~11.3%、0.5%~10.5%、3.5%~8.3%,表明该算法具有更高的识别精度。Improved-YOLOv7的mAP@0.5和mAP@0.5:0.95分别为0.908和0.710,参数量为36.91 MB,Flops为135.2 G,ADT为24.9 ms,相较于Ca s ca de R-CNN、Fa s te r R-CNN、Re tina Ne t、S S D、YOLOX模型,Improved-YOLOv7模型具有更高的识别精度和性能,对于算力需求最小,能够有效识别混凝土工厂中的各类障碍物,为实际生产提供有力支持。