关键词： 机器视觉   硬质合金刀具   缺陷检测   图像处理   智能制造  

摘要： 本论文研究了一种基于机器视觉的硬质合金刀具缺陷检测系统,旨在提高刀具检测的效率与准确性。系统通过高分辨率工业相机采集刀具表面的图像,并利用先进的图像处理算法对图像进行预处理和缺陷识别。实验结果表明,该系统在缺陷识别率上达到了95%,显著优于传统检测方法的70%。通过对不同缺陷类型的有效检测,该系统为制造业提供了一种高效、自动化的解决方案。研究还探讨了系统在未来智能制造环境中的应用潜力。

关键词： 葡萄叶片   目标检测   病害检测   RT-DETR   注意力机制   可变形卷积网络   高低频特征交互   聚合–分发机制  

摘要： 针对葡萄叶片相似表现症状的病害识别率较低及细小病害检测困难的问题,提出一种基于改进RT-DETR网络的葡萄叶片病害检测方法。首先,采用坐标注意力(CA)机制对可变形卷积网络v2(DCNv2)模块进行改进,构建DCNv2_CA模块以增强目标特征的提取能力,并在模型的主干特征提取部分加入DCNv2_CA模块来提高模型对病害深层关键特征的提取能力;其次,在模型的特征交互模块中引入高低频特征交互(HiLo)注意力机制,使模型能同时关注特征的高低频信息,提高模型对葡萄细小病害的检测能力;最后,用聚合–分发机制重构模型的跨层融合网络,使其能更充分地融合各个层级之间的信息,进一步提升模型对相似表型症状病害的识别性能。结果表明:改进RT-DETR模型的病害检测准确率、召回率和平均精度均值分别达到了90.8%、89.5%和93.4%,相较于初始模型分别提升了5.4、3.9和5.6个百分点,且相对于其他模型也具有明显的优势。综上可见,改进后的RT-DETR模型能够准确地实现葡萄叶片病害检测。

关键词： 雷达/红外   信息融合   目标跟踪   滤波   抗干扰   复合制导   空空导弹  

摘要： 针对主动雷达/红外成像复合制导过程中导引头可能受到的干扰,提出了一种在滤波过程中进行量测重构的抗干扰融合跟踪方法。该方法在雷达和红外数据关联判别的基础上,基于并行滤波思想,将所有量测传递给滤波器,根据数据关联和新息检测的联合判别结果实现受扰传感器识别,并选择出受扰程度较小的量测组合用于滤波更新,实现自适应抗干扰输出。在拖曳式雷达诱饵干扰场景下的仿真结果表明,相比于最小方差加权融合跟踪,该方法有效抑制了受扰量测对目标状态估计的影响,提高了制导精度。

关键词： 人工智能   广电媒体   内容审核   自然语言处理   计算机视觉  

摘要： 随着广播电视媒体传播渠道的多样化,内容审核复杂性增加,传统人工审核方式难以满足需求。本文研究了人工智能技术在广电内容审核中的应用,提出了一种融合自然语言处理和计算机视觉技术的多模态审核框架,并通过实验验证了其有效性。

关键词： 遥感图像处理   目标检测   改进YOLOv5n   多层次通道注意力   动态采样   交通小目标  

摘要： 高分辨率遥感图像在交通监测、城市规划等领域中的应用越来越广泛,其中,交通小目标,如车辆、行人等,因尺度微小、背景复杂、方向多变等特性,使得目前已有检测模型仍存在漏检率高、抗干扰能力差与方向适应性不足等核心问题。因此,以YOLOv5n为基准模型,在主干网络Backbone中嵌入混合局部通道注意力模块,通过对通道间高阶依赖关系进行建模以增强关键特征表达能力,抑制复杂背景干扰;将颈部网络Neck的固定上采样替换为动态采样机制,依据目标尺度自适应调整采样策略,提高多尺度目标定位精度;为验证方法可行性,利用公开数据集NWPU-VHR-10、UCAS-AOD中的小目标图像,构建遥感图像交通小目标数据集,并与常用主流模型进行比较评价。结果表明:相较于常用主流模型,本文方法在四个常用的精度评价指标上表现均优,精确率、召回率、F1分数及平均精度分别达到了90.3%、85.9%、87%、90.4%,其中,相较于基准模型,分别提升了0.7%、6%、3%、1.3%;在密集目标分布、复杂背景干扰及目标方向多变等颇具挑战性场景下展现了更强的稳健性。

关键词： 玉米苗   杂草   目标检测   注意力机制   ASPP  

摘要： 为实现田间复杂环境下玉米幼苗与杂草的精准识别,通过对PP-YOLOE算法进行改进和优化,包括引入坐标注意力机制和ASPP(Atrous Spatial Pyramid Pooling)结构,提出了一种用于玉米苗间杂草检测的AAPP-YOLOE模型。试验结果表明,AAPP-YOLOE模型在玉米苗间杂草检测中取得了显著的性能提升。模型在召回率、准确率和F1-Score指标上表现更佳,证明了算法在玉米苗间杂草检测中的有效性和实用性,可为农业生产管理提供一定的帮助,有助于减轻杂草对玉米苗生长的影响。

关键词： 深度学习   目标检测   快速区域卷积网络   多样化分支块   分组空间卷积   损失函数   模型剪枝   知识蒸馏  

摘要： 针对目标检测模型计算量较大、难部署的问题,提出改进的YOLOv7模型。引入FasterNet轻量级网络结构,显著降低参数量和计算量。采用多样化分支块增强模型对输入数据的特征表达能力。引入分组空间卷积改进网络的Neck层并更换损失函数,使其在学习和表征复杂数据时更加有效并减少信息的丢失。利用模型剪枝和知识蒸馏技术对模型再次浓缩。实验结果表明,改进的模型拥有高精确度的同时,参数量和计算量分别下降了64%和54%,模型大小仅为5.3 MB,具有良好的应用前景。

关键词： 碳捕集   3D打印   混合胺吸收剂   计算机视觉   固体酸催化剂  

摘要： 使用固体酸催化剂和混合胺吸收剂是降低化学吸收法吸收剂再生能耗的有效途径之一。本文采用3D打印方法制备了固体酸催化剂,结合连续鼓泡反应器,探究了其对混合胺溶液再生过程的强化机制。相较于未添加催化剂的吸收剂,3D打印催化剂使3 mol/L MEA+3 mol/L MDEA、4 mol/L MEA+2 mol/L MDEA及5 mol/L MEA吸收剂的解吸速率峰值分别提升了3.0倍、2.7倍和2.2倍。此结果表明,混合胺吸收剂在添加3D打印催化剂后,解吸速率提升效果优于传统5mol/L MEA溶液,归因于混合胺提供了更多质子受体,通过多样化质子转移途径降低了活化能。计算机视觉分析催化解吸产生的CO_(2)气泡显示,3D打印催化剂产生的气泡半径减小约20%,增大了气液界面面积,优化了传质过程,强化了CO_(2)气泡的成核、生长与脱离,进而增强了解吸反应动力学性能。

关键词： 人工智能   医疗健康   计算机视觉   自然语言处理   智慧医疗  

摘要： 得益于政策扶持和技术发展,人工智能在医疗领域可以实现智能诊断、智慧医疗管理等的多重应用。本文对人工智能中的计算机视觉、自然语言处理的部分代表性技术与应用现状进行研究,同时探讨了人工智能在医疗领域落地过程中面临的社会和法律层面的挑战,并提出了相应的解决方向。为未来智慧医疗系统的构建与优化提供参考。

关键词： 探地雷达   Pix2Pix   注意力机制   目标检测  

摘要： 针对高速公路长期运行过程中出现的道路病害,如层间不良、层间松散和裂缝等问题,笔者提出一种基于注意力机制改进的Pix2Pix探地雷达(GPR)道路病害检测方法。该方法通过在Pix2Pix网络中集成卷积块注意力模块(CBAM)和空间注意力机制(SAM),并使用LSGAN损失函数优化网络结构和训练过程。在仅100张图像的小样本数据集中,提出的方法检测精度达到85.45%,显著优于传统的YOLOv5和Faster RCNN方法。实验结果表明,该方法在小样本情景下具备较高的检测精度与泛化能力,为道路病害的自动化检测提供了新的解决方案。