关键词： 新工科   课程思政   仪器类专业   数字图像处理   思政教学案例设计  

摘要： 该文面向新工科建设的“复旦共识”“北京指南”“天大行动”,围绕“新工科建设”和“课程思政育人”两大目标,推进仪器类专业课程思政建设,把思想政治教育贯穿到人才培养体系的全过程,引导学生自尊、自信、自立和自强,强化学生“仪器报国、仪器强国”的使命担当,厚植家国情怀,培养担当民族复兴大任的时代新人。同时探讨结合学校的办学定位、专业特色、人才培养要求,探索课程思政教学与知识教学的有机统一。针对面向仪器类本科生开设的数字图像处理课程,从教学大纲、教案、教材等方面整理补充和仪器仪表行业相关的思政教育元素,设计题材新颖、具有时代特色的仪器类思政教学案例,实现具有“专业知识-思政育人-空天报国-敢为人先”特色的课程思政育人目标,进一步落实课程思政“立德树人成效”根本标准的具体化和可操作化。

关键词： 采摘机器人   计算机视觉   视觉控制   识别准确率   采摘成功率  

摘要： 为进一步提高我国采摘机器人智能化作业水平及采摘效率,基于计算机视觉应用技术展开优化研究。以采摘机器人结构组成为设计基点,运用视觉控制核心理念建立采摘机器人视觉识别处理与控制数学模型,实施相适应的采摘路径规划和系统采摘状态输出设计。同时,进行视觉采摘验证试验,结果表明:基于计算机视觉的采摘机器人系统优化正确可行,整机综合采摘效率可达94.61%,系统识别准确率与控制精度分别相对提升了6.12%和5.25%,机器人采摘成功率可提升至95.98%。因此,将计算机视觉处理技术有效应用至采摘机器人设计改进,对于类似农业采摘与收获装备开发研究可提供创新及借鉴思路,推广价值良好。

关键词： 奶油生菜   轮廓分割   遮挡   Mask R-CNN   深度学习   图像处理  

摘要： 利用机器视觉技术测量生菜的表型参数对探索生菜的生长规律有着非常重要的意义,而构建生菜个体的识别及轮廓分割算法是实现表型参数精准测量的重要前提;但是,在生菜培育至采收期,俯视图下生菜个体间叶片相互重叠遮挡,对个体识别和轮廓分割造成很大的阻碍。为此,改进了Mask R-CNN神经网络模型,掩膜分支采用class-agnostic模式,以ResNeXt50联合FPN替换原有的卷积主干,实现了遮挡条件下奶油生菜的个体识别和轮廓分割。为了对改进模型的分割精度进行验证分析,采用平均精度AP75和平均检测耗时作为评价指标,与原始Mask R-CNN、DeepMask、MNC分割模型在不同程度遮挡测试集上设置对比试验。结果表明:改进模型的平均精度达到98.7%,相比原模型提高了约4%,且在重度遮挡测试集上依然能够保持良好的分割精度。研究结果可为遮挡条件下植物叶片的识别和分割提供算法参考,也可为奶油生菜的表型参数提取提供技术支持。

关键词： 苹果采摘机器人   目标检测   YOLOv5   深度可分离卷积  

摘要： 为实现复杂环境中苹果采摘机器人目标快速检测,克服传统YOLO v5网络结构复杂、计算性能弱的缺点,提出了一种基于深度可分离卷积YOLO v5的采摘机器人目标检测方法。在采集苹果样本图像并制作实验数据集后,进行模型训练和测试,引入深度可分离卷积YOLO v5网络对苹果图像进行特征提取,解决了网络中参数冗余问题,提高了采摘机器人的识别速度;采用CIoU-Loss损失函数和DIoU-NMS非极大值抑制方法,对损失函数进行优化,提升了机器人视觉系统对苹果的定位精度。机器人采摘试验结果表明:算法检测精度达95.8%,检测速度达53帧/s,机器人单次采摘时间为4.7s,采摘成功率达93.9%。检测方法在减少模型参量的同时可保证检测精度和效率,具有较强的工程实用性。

关键词： 割草机器人   路径规划   CCD*   纹理特征   计算机视觉  

摘要： 首先,采用运动控制、能源、传感器、核心处理器和割草等5个模块设计了农业割草机器人试验平台;然后,利用纹理特征对障碍物图像分割算法进行分析研究;最后,基于CCD*实现了割草机器人的全区域覆盖作业。实验结果表明:使用研究的CCD*算法大大提高了割草机器人全区域覆盖作业的能力和作业效率。

关键词： 图像处理   微光图像增强   图像去噪   盲点网络   直方图均衡化  

摘要： 针对现有的低照度图像增强算法在增强的同时其图像中仍含有残留噪声、网络训练中将产生恒等映射以及成对数据集获取困难的问题，本文提出了一种基于盲点网络的自监督微光增强网络。首先，采用双边多尺度融合直方图均衡化的方法对图像亮度进行调整，以此来克服传统直方图增强方法中的信息颜色损失；其次，所设计的去噪网络可以自适应从原始图像中进行学习，同时采用像素混洗下采样解耦相邻像素空间中的相关性；最后，为保持图像空间和颜色一致性设计了相关的损失函数。实验证明本文算法克服了现有算法存在的残留噪声、网络训练中产生恒等映射问题，有效地改善了低照度图像质量。

关键词： 海杂波   小目标检测   虚警可控   生成对抗网络   卷积神经网络  

摘要： 针对传统基于统计理论的海面小目标检测方法在复杂海面环境中性能不高的问题，该文提出了一种改进的检测方法。首先通过分析海杂波和目标回波的特征，将检测问题转化为特征空间的分类任务。鉴于海面小目标样本数量有限，存在样本不平衡的问题，该文引入了一种基于梯度惩罚的沃瑟斯坦生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty ， WGAN-GP)来增强目标数据，从而在数量上平衡目标样本与海杂波样本。同时，对原始WGAN-GP网络的损失函数进行了改进，引入相位损失以确保生成数据能够反映真实数据的相位信息。基于这些数据，进一步提取了生成目标和海杂波的高维特征，并将其送入卷积神经网络(Convolutional Neural Network， CNN)进行训练。为了应对高维特征空间中虚警概率难以控制的问题，对CNN算法进行了改进，通过设置Softmax分类器的阈值，实现了虚警概率可控。最后，借助公开的IPIX雷达数据集进行实验验证，所提的WGAN-GP-CNN检测器在积累时间为1.024秒，虚警概率为0.001时，平均检测概率达到0.8683，具有良好的检测效果。

关键词： 荧光高光谱   塑料包装材料   大肠杆菌   图像处理   生物膜  

摘要： 包装表面滋生的微生物会对内装食品及接触人员造成潜在危害。本课题基于荧光高光谱技术，采用365 nm紫外光作为激发光源，获得了塑料包装表面421-700 nm范围内的荧光高光谱图像，确定了多种塑料包装材料(聚乙烯、聚丙烯、聚酰胺)表面大肠杆菌污染的荧光特征光谱，并确定生物膜检出限。结果表明，聚乙烯、聚丙烯和聚酰胺表面大肠杆菌荧光光谱特征波长分别位于550 nm、543 nm、540 nm；基于上述特征波长处的单波段图像经过图像处理能够准确检出三种塑料包装材料表面的大肠杆菌接种点，检出率均大于98%；对聚乙烯、聚丙烯和聚酰胺表面大肠杆菌生物膜的检出限分别为1.39 Log CFU·cm-2、1.39 Log CFU·cm-2和1.59 Log CFU·cm-2。研究成果为包装食品微生物检测及食品安全监控提供了有力的技术手段和理论支持。

关键词： 图像处理   可见光图像   红外图像   装甲车辆   目标检测  

摘要： 可见光-红外装甲车辆检测技术相关研究比较缺乏，且现有的可见光-红外目标检测方法应用于装甲车辆检测任务时，存在位置偏移和不能充分发挥可见光图像和红外图像互补性的问题。针对以上问题，提出了一种基于特征对齐与区域图像质量引导融合的可见光-红外装甲车辆检测方法。该方法将当前先进的单阶段无锚框检测方法 YOLOv8拓展为双流目标检测框架，在双流特征提取网络中嵌入特征对齐模块，解决图像对未对齐导致的位置偏移问题。为充分发挥可见光图像和红外图像的互补性，设计了一种图像质量引导融合策略，该策略对可见图像和红外图像的区域图像质量进行评估，并使用特征质量矩阵引导可见光特征和红外特征的融合。最后，在可见光-红外装甲车辆图像数据集上的实验结果表明，与仅使用可见光图像的检测方法相比，本文方法的m AP和m AP50分别提升了1.9%和3.5%。与使用特征相加和特征拼接融合方式的检测方法相比，本文方法的m AP分别提升了1.1%和1%。本文方法能够有效克服复杂地面环境下的多种干扰，能够提升对装甲车辆的检测精度和成功率。

关键词： 遥感图像   小目标检测   实时检测   卷积神经网络   特征融合  

摘要： 得益于深度学习方法的发展，近年来目标检测方法的性能有了很大的提升。然而，从无人机（Unmanned Aerial Vehicle,UAV）遥感图像中检测目标仍然存在很大的挑战，原因包括：UAV遥感图像中目标分辨率小、背景复杂，现有算法难以满足实时性要求。面对这些挑战，提出了一种基于多尺度多深度特征提取（Multi-scalar&Multi-depth Feature Extraction,MMFE）网络的实时小目标检测（Real-Time Small Target Detection,RTSTD）方法，能够高效的从UAV遥感图像中检测小目标。RTSTD将一幅输入图像剪裁成多个小尺寸的图像，并将一部分小尺寸图像输入到轻量化的MMFE网络中。因此，RTSTD具有处理任意分辨率的遥感图像而不丢失图像细节特征的能力。对于MMFE网络，提出了一种更有效的输出：重叠向量，它能够表示目标在输入图像中的位置和置信度。为了增强MMFE网络区分目标和复杂背景的能力，重新定义了正样本和负样本。为测试RTSTD的性能，从开源数据集UAV123、DTB70和AU-AIR中筛选重构了7个数据集，共8369张UAV遥感图像，涉及地面和海面场景下的小目标检测。结果证明，与现有的检测方法相比，RTSTD方法在准确性和速度方面都取得了改善，平均F1-Score大于0.90,GPU运行每秒大于66帧，CPU运行每秒大于35帧。