关键词： 图像处理   深度学习   光斑去除  

摘要： 当场景中存在较强光源时,极易使采集到的图像受到光斑、炫光、伪影等种类和形态多样的干扰,导致图像中关键信息质量下降,从而使基于该图像的目标检测、深度估计、语义分割等视觉任务受到不同程度的影响.然而使用现有方法很难完全去除形态和分布多种多样的光源干扰.因此,针对现有算法处理效果差、成对训练数据较缺乏、泛化性弱等问题,提出了一种光源干扰去除网络及其训练方法.该网络结合多任务结构充分利用不同任务的特征信息,并以此提高其对干扰的去除效果.此外,还提出了一种光源融合后处理算法以减少后处理算法导致的推理质量下降.所提方法在公开数据集上平均峰值信噪比和结构相似性分别达到了25.81 dB和0.8726,在自建数据集上达到了23.25 dB和0.9223,且在主观定性对比中,所提方法比现有方法具有更好的干扰去除效果.

关键词： YOLOv8   RepVGG   ECA   eSE   目标检测   语义分割  

摘要： 车辆行人检测分割在自动驾驶、智能交通管理等场景广泛应用,但如何提高车辆行人识别精度以及处理分割不均匀等问题一直是项挑战。针对上述问题,文中提出一种YOLOv8的改进算法,该算法采用RepECA作为骨干网络,此骨干网络使用RepVGG模块代替原骨干网络的卷积层,并融合ECA注意力机制对图像进行特征提取,其中RepVGG模块在检测时转变多分支结构为单路径结构,不损失训练精度的同时提升执行效率,ECA注意力机制针对通道维度的注意力加权机制,通过学习通道之间的相关性,自适应地调整通道的权重,增加少量模型参数却带来大的性能提升;在C2f模块中,改进算法加入了eSE自注意力模块,避免因为通道数减少造成的通道信息损失,进一步提高模型精度。实验结果表明,使用Cityscapes数据集训练,Rep⁃YOLOv8算法在检测与分割任务的mAP@0.5指标分别达到85.4%和75.5%,与原YOLOv8相比分别提升了13.4%和16%,推理速度从65 f/s提升至83 f/s。

关键词： 谷糙分级   嵌入式   机器视觉   图像处理   PLC   电机控制   传感器   人机交互  

摘要： 针对传统谷糙分离机应用人工调节分级板存在定位精度低、成本高、工作效率受限等弊端,提出一种基于机器视觉和PLC的谷糙分级控制系统。搭建嵌入式视觉检测平台,对谷糙检测的图像处理算法进行多级式递进融合设计,对谷糙的特征分级点进行提取;基于位置偏移的方法联动电机驱动程序,实现PLC控制系统的精确定位;结合传感器技术,根据谷糙的重力、表面粗糙度、流量、设备振动频率及倾斜角等特性,在上位机组态监控下进行设备校正,进而实现谷糙自动化、智能化分级。实验结果表明:该谷糙分级控制系统的平均定位精度为96%,回砻谷含糙率低于5%,具有良好的工作性能和稳定性,能够取代传统人工机械操作,降低人工成本,提高工作效率,并增加大米生产线的生产效益。

关键词： 双星   无源定位   非合作低轨目标   跟踪滤波  

摘要： 针对两颗天基光学卫星对低轨非合作目标进行无源定位跟踪的问题,提出了一种基于Newton迭代与扩展卡尔曼滤波(Newton iteration and extended Kalman filter,N-EKF)的定位跟踪算法。首先,将基于角度测量信息的双星观测模型转化为双直线公垂线中点问题,并进一步转化为非线性方程问题,使用Newton迭代算法得到非合作目标的初始定位信息。然后,采用扩展卡尔曼滤波(extended Kalman filter,EKF)方法,在初始定位信息基础上,结合近地轨道动力学模型,实现对非合作在轨目标的精确跟踪滤波。最后,通过仿真验证了所提方法的可行性及优势。

关键词： 开级配沥青混合料   图像处理   细观空隙结构   影响因素   路用性能  

摘要： 通过数字图像处理技术,深入探索OGFC(Open-Graded Friction Course)混合料细观结构中空隙的分布、大小和复杂程度,并且分析出空隙数量、面积、空隙分形维数等参数的变化趋势,从而更好地了解这些参数与混合料性能之间的关联。结果表明:OGFC混合料试件断面图像的空隙数量、空隙面积和空隙分形维数等参数同混合料性能密切相关,且相互之间具备良好的线性回归关系。

关键词： 图像处理   异常检测   深度学习   归一化流   计算机视觉   轨道交通  

摘要： 通过检测和定位道床上的异常情况,可以有效地确保地铁车辆的安全。基于无监督的异常检测方法由于只需要通过正常图像进行训练,不需要太多难以采集的异常图像,因此得到了广泛的应用。综上所述,文中提出一种基于归一化流的无监督地铁道床图像异常检测和定位方法。将多层特征图交叉融合,以提升模型对图像特征的学习能力。建立地铁道床数据集,利用该数据集训练并验证模型实用性。在MVTec AD数据集上的实验结果表明,文中方法性能优于其他同类算法,与DifferNet和CS⁃flow相比,所提方法的AUC提高了0.1093和0.0218。在地铁道床数据集上,所提方法达到了95.95%的检出率和0.9083%的误报率。这些结果表明了该模型对地铁道床异常检测的有效性,以及较好的泛化能力。这为人工智能替代人工巡检地铁道床异常提供了一种新的方法。

关键词： 电力运维   数据审计   目标检测   机器视觉   YOLOv4  

摘要： 针对电力运维数据审计过程中存在实际检修人员与计划统计不一致的问题,文中基于机器视觉技术提出了一种改进的YOLOv4模型。其通过对原始模型中主干和颈部网络的模块、结构加以修改,并使用GIoU损失函数完成对信息机房视频帧图像的提取与识别,从而准确地对检修人员进行检测,实现了智能审计。在公开数据集CrowdHuman上进行的实验测试结果表明,改进后模型的准确率达到87.9%,每秒帧率FPS值为73。与其他主流模型相比,所提方法的图像处理速度更快,还可以有效提高电力运维数据审计的准确性。

关键词： 高斯分布   世说新语   概率统计   线性回归   聚类分析   图像处理   正态分布   噪声模型  

摘要： 高斯分布学科:地理信息系统高斯分布又称“正态分布”和“钟形曲线”,是概率统计中最常见的连续概率分布之一。在自然科学、工程学和社会科学等领域中,高斯分布经常用于描述连续型的随机变量,如测量误差、气温、人口智力等。许多统计学和机器学习的方法都基于高斯分布假设,如线性回归、聚类分析、异常检测等。此外,高斯分布在金融领域的风险评估、图像处理中的噪声模型、语音识别等领域也有广泛的应用。

关键词： 环境感知   导航雷达   连通算法   地图匹配   经验模态分解算法  

摘要： 在无人艇利用导航雷达进行环境感知的过程中,针对雷达回波图中出现的区域破碎现象以及对运动目标进行跟踪时存在较大误差的问题,提出了一种应用于导航雷达的目标检测跟踪方法提高无人艇对水面目标的检测能力。首先,对雷达原始回波图像解析并进行预处理操作;其次,在图像连通的基础上,设计自适应阈值分割Hausdorff匹配算法对回波图和地图进行匹配,区分属于目标和陆地的回波;然后,对连续两帧的雷达回波图进行目标匹配;最后,通过加入预测序列模型的经验模态分解算法优化检测跟踪结果,提高获取目标信息的准确性。实验验证结果表明:对1 km内相对运动速度低于30节的水面目标,所提方法目标检测概率提升了6.5%,距离误差低于2%,航速误差低于6%,航向误差低于6°,整体性能优于工程中常用的检测跟踪方法。

关键词： YOLOv7   深度学习   输电线路缺陷检测   小目标检测   多尺度融合   Swin Transformer   β-dropout   自适应特征融合   损失函数  

摘要： 针对在复杂背景下输电线路多尺度缺陷目标检测精度较低的问题，文中提出一种基于改进YOLOv7（You Only Look Once version7）的输电线路多类缺陷目标检测模型。针对复杂背景造成缺陷目标较低的问题，在Backbone部分引入改进Swin Transformer模块，通过使用多头注意力机制提高对全局特征提取效果来提高模型的检测精度。针对待检测目标的多尺度特性，在特征金字塔基础上引入自适应特征融合模块，提升Neck部分特征融合网络对多类不同尺度缺陷目标的检测能力。使用SIoU（Structured Intersection over Union）损失函数提高预测框回归精度的同时加快模型收敛。实验结果表明，相较于YOLOv5、YOLOv7和Faster R-CNN(Faster Region with Convolutional Neural Network)模型，改进YOLOv7模型具有较高的检测精度，其平均检测精度可达96.4%，检测速度为29.6 FPS，能够为输电线路多类缺陷目标检测提供有效探索。