基于计算机视觉的采摘机器人作业优化研究

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。

基于计算机视觉的采摘机械臂控制系统设计

为了提高机械臂采摘的效率及增强安全自主性,提出了一种基于改进卷积神经网络和迁移学习的计算机图像识别模型。首先,建立了由可采摘与不可采摘图像组成的样本数据集,将每幅图像的像素设置为256×256;然后,构建基于改进卷积神经网络和迁移学习的计算机图像识别模型,并将自动编码机网络结构与卷积神经网络运算方法相结合,利用自动编码机网络结构具有编码和解码的环节,通过卷积神经网络运算方式构建出一种改进的卷积神经网络;通过卷积层挖掘图片信息中具有采摘信息的特征,同时消除随机环境对图片的干扰,解码部分能够对特征图像进行上采样并判断是否应该进行采摘与采摘姿势;最后,将构建网络模型与迁移学习相结合进行实验,分析迁移学习方法、数据集样本大小、网络参数对实验结果的影响。结果表明:采摘机械臂识别模型整体识别率更高,能够构建出效率更高、鲁棒性更强的采摘控制系统。

基于计算机视觉的腰背痛患者痧象图片处理和分析研究

目的提出痧象图片处理和分析的思路和方法,为痧象数字化研究提供参考。方法以计算机视觉技术为基础,以腰背痛患者背部痧象处理和分析为目标,提出痧象图片预处理、特征提取和筛选、痧象分析等系列方法,并进行实验验证。结果痧象预处理方法能够实现原始图像颜色校正和背部区域精准分割;特征提取方法提取了腰背痛患者94个痧象颜色和纹理特征,筛选得到20个关键特征;痧象分析方法能够找到与不同证候相关的关键特征。结论利用计算机视觉方法能够较好地完成痧象图片的预处理、特征识别和提取、痧象分析和理解,可以为痧象数字化和客观化研究提供支撑。

基于计算机视觉的工业人员行为分析实验平台

该文面向本科生与研究生实践教学,利用计算机视觉技术开发了工业人员行为分析实验平台。依托工程实训中心,通过多通道数据采集装置收集人员工作环境、作业行为以及劳保用品等数据。基于PyQt5构建工业人员行为分析实验平台,该平台将计算机视觉技术与工业安全管控标准深度融合,以实现工业人员流程类与非流程类作业的行为分析。为验证实验平台的有效性,使用工业人员行为测试数据对所研发的实验平台进行了实验验证。实验结果表明,该实验平台能对工人多种作业进行有效评判。该实验平台有助于提升本科生和研究生在智能图像处理领域的实践能力。

基于计算机视觉与Canny算法的服装纸样轮廓提取

为提高服装二维纸样轮廓信息采集转换的准确性及方便性,设计了一种基于计算机视觉的服装纸样轮廓提取方法。将手机相机作为图像采集设备,采用相机标定的方法进行图像畸变矫正,对图像灰度化处理后进行伽马变换。通过改进的Canny算法对纸样图像进行边缘信息的提取,使用自适应双边滤波保边去噪;在原Sobel算子上增加了45°和135°方向的梯度模板计算梯度;采用自适应双阈值确定边缘;融合形态学算法处理轮廓;最后按需进行轮廓骨架提取。结果表明:本文方法适用于二维纸样的轮廓提取,其提取误差在0.15~1.50 cm之间,可实现单独对服装纸样的外轮廓、内轮廓及内外轮廓图的提取,完成轮廓的无差别提取,减少后期人工对轮廓图的编辑,提高二维纸样数字化录入效率。

基于改进ELM和计算机视觉的核桃缺陷检测

目的:解决现有食品生产企业在核桃缺陷检测中存在的准确性低和效率差等问题。方法:提出一种结合改进极限学习机和计算机视觉的核桃缺陷快速无损检测方法。通过计算机视觉采集核桃大部分表面图像信息,通过高斯滤波对图像进行预处理,通过迭代和保留信息变量法对颜色和纹理特征进行优化,最后,通过改进蝴蝶算法对极限学习机参数(随机权重和偏差)进行优化,实现核桃缺陷快速无损检测,并对所提缺陷检测方法的性能进行验证。结果:试验方法可以实现核桃多种缺陷的有效判别。与常规方法相比,试验方法在核桃缺陷检测中具有更优的检测准确率和效率,检测准确率>98.00%,平均检测时间<9.00 ms。结论:将智能算法和机器视觉技术相结合可以实现核桃缺陷的快速无损检测。

基于深度学习的计算机视觉在隧道衬砌病害检测中的应用综述

隧道衬砌作为隧道的重要支撑结构,对其中存在的病害进行检测显得十分重要。然而,传统的隧道病害检测方法高度依赖人工,效率低下,并且存在一定的安全风险,因此,如何高效、安全地实现病害的自动检测成为了热门的方向之一。深度学习(DL)和计算机视觉(CV)被视为实现隧道衬砌病害自动检测的具有发展前景的方法。为了阐明DL技术和CV技术在病害检测中的研究与应用,总结了隧道衬砌病害检测技术的发展历程;基于数据对于DL模型训练的重要性,总结了衬砌病害数据集的建立过程;随后,总结了基于DL的CV技术在隧道衬砌表面病害和内部病害检测方面的方法和应用;最后,讨论了目前研究中存在的问题,并对未来的发展进行了展望。

基于计算机视觉的舰船模型三维重建方法

为保证舰船模型三维重建的完整性以及细节程度,提出基于计算机视觉的舰船模型三维重建方法。基于双目立体视觉计算全局舰船目标点云坐标,生成舰船全局的三维点云数据;多视角点云配准方法对该数据进行配准后,输入多尺度特征递归卷积的稠密点云重建网络模型中,通过该模型生成舰船模型三维深度图,在此基础上,利用运动结构法完成舰船深度图中的三维曲线重建,对舰船模型进行颜色渲染,输出舰船模型三维重建结果。测试结果显示,该方法能够完成不同图像之间对应点的可靠匹配,确定各点的坐标位置;三维重建后模型的空间偏差均在0.015以下;能够较好地完成舰船结构的重建,重建后舰船模型的完整性较好,清晰呈现舰船的结构细节。

基于计算机视觉和DNN的运动姿态检测算法

针对传统人体运动姿态检测算法存在鲁棒性较差及准确率偏低的问题,文中基于改进的深度图卷积网络提出了一种运动姿态检测算法。该算法将图卷积网络的时域和空间域模型相结合,提升了模型的感受野,并从时、空两个维度提取人体特征点的数据,再利用残差网络将时域和空间域卷积相连接,进而改善了模型拟合能力较差的不足。同时,对于模型因卷积核固定而导致无法适应多种类数据的缺陷,使用多头注意力机制来增强其自适应能力。在实验测试中,所提出的模型改进项相较原算法性能有一定提升,且与最优算法相比,该模型的误差指标降低了1.14 mm,准确率则提升了1.3%,证明了所提方法的有效性及优越性。

基于百度飞桨平台的计算机视觉课程改革与实践

计算机视觉是当前计算机和人工智能领域的热门方向,但前沿课程内容在算法、算力和数据方面的需求,使得传统授课模式无法满足对当前学生实践能力培养的需求。在教育部产学合作协同育人的背景下,该文从课程核心内容、前沿技术扩展、先进实验设计和考核方式改革等多方面,开展课程的革新与探索,并在实际教学活动详解的基础上,验证教学质量和学生综合能力的提升,为计算机视觉相关课程提供参考。

基于计算机视觉的锂电池连接片焊接检测系统

为了满足锂电池生产企业对锂电池连接片的焊接质量进行自动化检测的需求,设计了一种基于计算机视觉的锂电池连接片焊接质量检测系统.针对正、负电极材料的光学特性和检测精度要求,设计了两套光学系统分别实现锂电池正、负电极的成像,提出了多重自适应模板匹配算法提取正、负电极焊缝区域,采用自适应阈值分割法对焊缝区域实现灰度化操作,使用灰度形态学运算弱化灰度图的噪点突出焊盘特征点,利用轮廓提取算法实现焊盘特征点的提取,依据特征点数量实现极耳裁切缺陷的检测,将U^(2)-Net语义分割模型引入焊接质量检测任务,采集正、负电极焊缝和烧穿、虚焊、焊接氧化缺陷数据集,利用数据增强技术扩充数据集,解决焊接缺陷的小样本和小目标问题,融合应用U^(2)-Net语义分割模型和轮廓提取算法实现焊缝尺寸测量以及虚焊等缺陷的检测.系统试运行结果表明,缺陷检出率为99.98%,误检率仅为0.06%,满足企业的实际需求,实现了快速、无接触且准确的自动化检测.

基于计算机视觉与街景图像的城市街道绿化泛类结构量化分析与分布机制研究

在全球城市化和环境压力加剧的背景下,对城市街道绿化泛类结构(urban street greening general structure,USGGS)的量化是加强城市区域碳汇、缓解城市热岛效应以应对全球气候变化的重要前提。通过量化与分析不同城市的USGGS,探究其与城市建成环境之间的关系。使用改进的DeepLabV3+神经网络模型,对天津、杭州、深圳的城市全景街景图像进行语义分割,并结合细粒度数据量化USGGS,使用Robust回归模型分析USGGS与城市功能属性POI的关系。研究显示,天津的USGGS主要由单乔木和乔-灌结构组成,与商业属性和生活属性的POI紧密相关;而杭州和深圳则展现出包括草本植物在内的多样化USGGS与休闲文化设施的POI更强的关联性。通过对3个城市USGGS的量化、分析与比较,为城市绿色基础设施规划和管理奠定了一定的数据基础,同时基于城市街景图像对USGGS的分析也为城市碳汇计算与城市热环境研究提供了新的视角。

基于计算机视觉的牲畜智能饮水系统的设计与实现

【目的】针对目前牲畜饮水行为的监控和管理方面存在的半智能化、设备功能单一、缺乏智能化管理等问题,设计并实现了基于计算机视觉的牲畜智能饮水系统。【方法】利用Jetson nano嵌入式设备作为主控制器,在进行视频监控的同时基于计算机视觉识别牲畜并对其供水,采用轻量级检测方法实现牲畜的分布密度检测,分析是否需要增加水槽来避免拥挤情况的产生;采用RFID技术识别标签信息并统计牲畜个体是否饮水、饮水次数及总饮水时间等关键信息;采用传感器技术检测水位及水温情况,实现了水槽水满断电、结冰前自动排水等智能控制;开发了客户端和服务端软件,在阿里云服务器上部署云平台,并提供数据可视化和绑定牲畜附加信息等服务,进行人机交互。【结果】以内蒙古地区个人家庭牛群的5头牛为试验对象进行了为期40 d的测试,结果表明,本系统能够对水槽周围环境进行视频监控、目标检测、牲畜密度检测、牲畜信息统计及水槽的自动供水及停止供水。以2023年2月8日试验结果为例,在当天被测试的5头牛均饮水,其中2166430号牛在线时间3.2 min,饮水1次,饮水时长为1.3 min。根据该牛和被测群体的过去一周的饮水情况得知,该被测群体的饮水规律正常。经过历史饮水情况的统计,从饮水方面来看该被测群体在40 d内处于健康状态。【结论】该系统减少了养殖户的人力成本,为养殖户提供了判断牲畜健康状态的重要依据。

基于计算机视觉的船舶主机气缸润滑管理

气缸注油率调节不及时以及气缸润滑状况不可直接测量等问题,一直是轮机管理的难点。分析气缸油碱值和注油率对气缸润滑的影响,针对扫气道残油碱值和含铁量检测存在的不足,提出基于计算机视觉的气缸润滑图像处理方法。将活塞和缸套的图像进行归一化、聚类、分割和形态特征提取等操作,基于Hu不变矩和卷积神经网络迁移学习的以图搜图技术开发气缸润滑质量分析软件,有效解决了气缸注油率人工调节的不确定性及失误概率大的难题,并将其应用于某超大型油船主机气缸润滑最优管理。应用结果表明:借助气缸润滑图像的计算机视觉深度学习可优化气缸注油率,实现了扫气道残油含铁量不高于25 mg/kg,残油碱值不低于30 mgKOH/g,缸套磨损率不高于0.1 mm/kh的气缸润滑最优控制,降低了缸套过度磨损的风险。该方法具有较好的推广应用价值和经济效益。

准科研模式的计算机视觉实验课程建设

人工智能“新工科”建设强调对学生实践能力、学科交叉能力、团队协作能力、创新能力的培养。计算机视觉实验作为人工智能专业的核心专业实验课,从科研项目中提炼能够反映前沿性和创新性的有挑战度的实验内容,采用多路径迭代的实验设计,通过准科研的过程体验,将学生的知识、能力和素质培养进行有机融合,实现从单科到交叉、从被动到主动、从应试到实战、从个体到协作的四个转变,培养学生解决复杂工程问题的能力和科研创新能力。

计算机视觉与图像处理专栏

视觉是人类感知世界的最重要方式。视觉信息已成为人们生产、生活不可或缺的要素。据不完全统计,视觉信息已占据互联网信息的80%以上,并仍在快速增长。通过人工智能方法对视觉信号进行处理,进而获取视觉信号中的有效信息,对人们的生产、生活具有重要意义。然而,实际应用中,很难实现适配所有应用场景的通用视觉处理算法。因此,视觉处理算法需要依据具体的问题进行设计优化。

基于计算机视觉的自适应交通一体化控制系统设计

传统的交通控制系统采用预设的固定信号时序模式,无法根据当前的道路状况及车流量实现对交通模式的动态管理,因此,容易导致严重的交通拥堵。针对该问题,该文设计并实现了一种基于计算机视觉的自适应交通一体化控制系统。该系统能够根据交通的实际需求实时调整交通信号时长,从而显著缩短车辆通过交通路口的时间。此外,在该系统中开发的智能控制算法还能够提供如违规检测、道路监控、以及优先安排紧急车辆通过等智能交通功能。仿真实验验证了一体化控制系统的有效性。

计算机视觉个性化教学研究

针对目前计算机视觉教学存在的问题,特别是学生学习的个体差异性,提出从构建体系化教学内容、创新教育方法、扩展多层次实验教学、过程化教学考核等方面进行计算机视觉教学改革,介绍具体教学的改革实践,展示课程改革效果。

新工科人工智能创新人才培养的教学设计与实践——以计算机视觉课程为例

针对人工智能技术飞速发展对高等教育新工科专业提出的“多学科交叉汇聚,多技术跨界融合”人才培养需求,分析了计算机视觉课程的现状及问题。在古语“夫合羹之美,在于合异”的启示下,从融合多维教学资源,实施多样学习活动,培养多元创新能力等方面,提出了开展计算机视觉课程的教学创新设计的途径。

计算机视觉技术在农作物病虫害检测中的运用研究

现代农业发展更趋集约化、信息化,这为计算机视觉技术的运用提供了空间。以计算机视觉技术在农作物病虫害检测中的运用优势为切入点,在此基础上分析其具体运用方法,包括建设信息作业系统、强调信息采集、运用可视化技术、重视信息复用等内容。最后就该技术在农作物病虫害检测中的未来运用进行展望,一方面客观呈现技术优势、特点,另一方面为其发挥价值提供必要参考。