基于多感受野与多尺度融合的草莓病害分割算法

针对草莓病害在区域分割时存在背景复杂、目标较小导致难以被有效分割等问题,提出一种基于多感受野与多尺度融合的草莓病害分割算法。首先搭建了U-Net基础模型,使用结合注意力机制与残差网络的主干特征提取网络(CBAM-ResNet50)替代U-Net中的主干特征提取网络VGG16,一方面来加强目标区域的表征能力,抑制背景区域,以此实现复杂背景下的病害区域分割问题;另一方面通过残差减少梯度消失,提升模型的收敛速度;接着在特征融合层,设计基于3D无参注意力机制(SimAM)的多尺度自适应特征融合模块,通过邻近特征信息弥补当前层特征的信息丢失,以此提升小目标的检测能力;最后在网络底层设计基于膨胀卷积的多感受野模块,通过不同膨胀率的膨胀卷积来增加特征的全局感受野以实现整体分割区域的感知。结果表明,本研究提出的方法mPA达90.30%,相比于标准U-Net模型提高了7.13百分点,本研究提出的方法能更好地对复杂背景下及小目标病害进行精准分割。

特征融合的装修案例跨模态检索方法

目前家装客服系统中主要依靠人工方式进行装修案例检索,导致该系统不能满足用户对咨询服务快捷、及时的需求而且人力成本高,故提出一种基于特征融合的装修案例跨模态检索算法。针对多模态数据的语义信息挖掘不充分,模型检索精度低等问题,对现有的风格聚合模块进行改进,在原始模块中引入通道注意力机制,以此来为每组装修案例中不同图片的特征向量添加合适的权重,从而增强包含更多有用信息的重要特征并削弱其他不重要的特征。同时,为充分利用多模态信息,设计一种适用于检索场景下的多模态特征融合模块,该模块能够自适应地控制2种不同模态的特征向量进行一系列的融合操作,以实现跨模态数据间的知识流动与共享,从而生成语义更丰富、表达能力更强的特征向量,进一步提升模型的检索性能。在自建的装修案例多模态数据集上将该方法与其他方法进行比较,试验结果表明本文方法在装修案例检索上具有更优越的性能。

融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测网络

针对航拍绝缘子图像中检测目标尺度相差较大、绝缘子缺陷具有尺度小和背景复杂的特点,造成检测效果不佳的问题,提出一种基于改进YOLOv7的航拍绝缘子多缺陷检测算法。该算法使用具有单元内跳跃结构的加权双向特征金字塔(concat bidirectional feature pyramid network, CAT-BiFPN)替代YOLOv7中的双向路径融合网络(path aggregation network, PANet),减少以融合不同特征为目标的结构中的冗余,提高多尺度目标特征的融合度,并形成针对小目标检测的第4检测层;通过添加自注意力与卷积混合注意力机制(a mixed model of self-attention and convolution, ACmix)更加关注特征中的细节,进一步区分不同的绝缘子缺陷。该算法对航拍图像中高压输电线路上的正常绝缘子、自爆、污损和破损进行检测,并同时检测杆塔上的鸟巢异物。实验结果表明,该文算法的平均准确率达93.9%,相比于标准YOLOv7提高了9.6%,该文提出的多缺陷检测算法能够更好地对不同尺度绝缘子的缺陷进行准确识别。

基于动态剪枝神经网络的杂草检测算法研究

针对卷积神经网络模型巨大的参数量和计算量导致其实际应用时难度较大的问题,提出了一种基于注意力机制与动态稀疏约束的模型压缩方法。该算法首先借助SENet(Squeeze and excitation networks,SENet)模块(可称为SE模块)评估出网络中各个通道的重要性,并施加稀疏正则化;然后提出一种网络稀疏度的自适应惩罚权重设计方法,根据模型学习效果,动态调整权重,将其添加到最终的训练目标上,实现模型动态压缩。最后,通过实验验证所提出的模型压缩方法,在经典的多分类数据集CIFAR 10上进行实验,证明了本文所提出的基于注意力机制与动态稀疏约束的模型压缩方法可降低网络的冗余度,使网络模型参数量减少43.97%,计算量减少82.94%,而分类准确率只比原始VGG16模型下降0.04个百分点。随后又将提出的模型压缩方法应用到杂草检测任务中,在甜菜与杂草数据集上进行实验,实验结果表明,剪枝模型相较于未剪枝模型的模型参数量减少41.26%,计算量减少45.77%,而平均检测精度均值只减少0.91个百分点,证明了该方法在杂草检测方面效果较好。

一步式农药残留快速检测集成卡制备及应用

有机磷(OP)和氨基甲酸酯(CM)类农药的过量施用严重威胁人类的安全和健康,其检测受到复杂操作的限制。利用数字化控制的喷墨打印技术,并基于胆碱酯酶抑制法,构建了OP和CM类农药广谱、快速一步法检测方法。试验结果表明,该检测卡检测快速、灵敏度高、稳定性好和重复性高,适合多种场合实时检测,在即时检验(POCT)中表现出较大的应用潜力。

基于分水岭修正与U-Net的肝脏图像分割算法

在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低。针对该问题,提出一种基于分水岭修正与U-Net模型相结合的肝脏图像自动分割算法。利用U-Net分层学习图像特征的优势,将浅层特征与深层语义特征相融合,避免丢失目标位置等细节信息,得到肝脏初始分割结果。在此基础上,通过分水岭算法形成的区域块对肝脏初始分割结果的边界进行修正,以获得边界平滑精确的分割结果。实验结果表明,与传统的图割算法和全卷积神经网络算法相比,该算法能够实现更为精准的肝脏图像分割。

新颖的CB形态学串并复合散斑噪声滤波器

基于轮廓结构元素形态学(CB形态学)和广义多结构元素的数学形态学,构造了一种新颖的用于抑制图像中的散斑噪声的串并复合滤波器。首先采用全方位多结构元素的广义多刻度形态开最大滤波器与广义多刻度形态闭最小滤波器相并联的滤波器进行滤波,力求在滤波的同时图像几何细节损失尽可能少,然后通过级联的CB开和CB闭滤波器,再滤除剩余的斑点噪声,从而在有效抑制图像中的散斑噪声的同时更好地保持了图像的细节信息。分析和仿真表明了本文提出的滤波算法的有效性。

基于多尺度融合模块和特征增强的杂草检测方法

针对单步多框检测器(Single shot multibox detector,SSD)网络模型参数多、小目标检测效果差、作物与杂草检测精度低等问题,提出一种基于多尺度融合模块和特征增强的杂草检测方法。首先将轻量网络MobileNet作为SSD模型的特征提取网络,并设计了一种多尺度融合模块,将浅层特征图先通过通道注意力机制增强图像中的关键信息,再将特征图经过不同膨胀系数的扩张卷积扩大感受野,最后将两条分支进行特征融合,对于检测小目标的浅层特征图,在包含较多小目标细节信息的同时,还包含丰富的语义信息。在此基础上对输出的6个特征图经过通道注意力机制进行特征增强。实验结果表明,本文提出的基于多尺度融合模块和特征增强的杂草检测模型,在自然环境下甜菜与杂草图像数据集中,平均检测精度可达88.84%,较标准SSD模型提高了3.23个百分点,参数量减少57.09%,检测速度提高88.44%,同时模型对小目标作物与杂草以及叶片交叠情况的检测能力均有提高。

自适应权重形态学边缘检测算法仿真研究

提出了一种自适应权重的多刻度形态学边缘检测算法。该算法首先在同一尺度下用多个结构元素分别进行边缘检测,并得到该尺度下的边缘图像,利用形态学结构元素"探针"原理和不同尺度结构元素抗噪性能来确定加权值的大小,然后对不同尺度下的边缘图像进行加权求和,再经过二值化、去噪等处理,得到最后的边缘检测结果。仿真结果表明,该方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整。

基于RPCA与三帧差分融合的运动目标检测

为了实现在监控视频中对人体运动目标的准确提取,针对传统的三帧差分法在运动目标提取过程中容易出现"空洞"现象,提出了一种鲁棒主成分分析(robust principal component analysis,RPCA)与三帧差分相融合的运动目标检测算法。算法通过将RPCA提取的视频当前帧的背景作为三帧差分法的中间帧与视频当前帧的前一帧和视频当前帧分别进行邻间差分,使得三帧差分法在运动目标检测过程中避免了背景像素点所带来的影响,消除了"空洞"现象。仿真结果表明该算法在完整性和准确性方面要优于其他三种传统运动目标检测算法,可以在复杂背景环境中实现准确的运动目标提取。

基于RPCA的纸病图像分割算法

针对实际纸病检测应用中采集到的图像分辨率越来越高,在图像处理过程中出现数据维数过大的问题,提出一种基于鲁棒主成分分析法(Robust Principal component Analysis,RPcA)的纸病图像分割算法,该算法将纸病图像对应的矩阵分解成稀疏矩阵和低秩矩阵。在后续检测中只需选取稀疏矩阵对应的图像进行检测就可以满足纸病检测的要求,有效减少了计算量,最终节省了整个纸病检测环节的检测时间。仿真结果表明,该方法可用于纸病图像的分割,并且具有良好的分割效果。

基于MB_LBP旋转不变特征的AdaBoost人脸检测算法研究

传统的基于Haar特征的AdaBoost人脸检测算法,由于Haar特征数量过多,导致训练时间过久,而且不能快速检测出人脸。针对这一问题,本文提出一种基于多块局部二值模式(Multi-block Local Binary Pattern,MB_LBP)特征的AdaBoost人脸检测算法,这种MB_LBP特征结合了旋转不变局部二值模式(Local Binary Patterns,LBP)描述符,表达能力更强,特征数量更少.仿真结果表明,在训练时间大幅缩减的同时,使用MB_LBP特征时可以达到Haar特征的检测效果,且检测速度大大提高.

基于均值背景与三帧差分的运动目标检测

为了实现对室外监控视频中人体运动目标的准确提取,针对传统的三帧差分法在运动目标检测过程中容易出现"空洞"现象,提出了一种基于均值背景与三帧差分的运动目标检测算法.该算法通过将经均值背景建模得到的视频当前帧的背景加入到三帧差分中与视频当前帧和视频当前帧的下一帧分别进行邻间差分,避免了背景像素点对前景检测带来的影响,解决了三帧差分法在运动目标检测过程中存在的"空洞"问题.仿真结果表明,该算法在完整性和准确性方面要优于传统的运动目标检测算法,可以在复杂背景环境中实现快速的运动目标提取.

基于CB形态滤波的形态学纸病检测方法研究

提出了基于轮廓结构元素形态学(CB形态学)滤波的形态学纸病检测方法。首先采用CB形态学对纸病图像进行滤波,力求在滤波的同时不损失图像的细节,然后再用形态学算子对图像进行边缘检测,最后结合传统的区域分割算法得到纸病检测结果。仿真结果表明了本文提出的纸病检测方法的有效性。

关于图像识别边缘检测算法仿真研究

针对图像的边缘检测算法抗干扰性能差的缺点,为对图像特征进行准确识别,抑制噪声干扰,提出了一种多刻度数学形态学边缘检测算法。算法首先在同一尺度下用多个结构元素分别对图像进行边缘检测,经过合成得到尺度下的边缘图像。可对不同尺度下的边缘图像加权求和,再经过二值化、去除噪声等处理,最终得到多尺度多结构元素形态学检测的边缘图像。最后在Matlab仿真环境下进行仿真,分别以原始图像和噪声干扰图像为对象进行仿真,仿真结果表明:方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整、细节更为明显的效果。

基于域适应卷积神经网络的人脸表情识别

在利用卷积神经网络进行人脸表情识别时,可借助其他数据集进行辅助训练以应对缺少标记数据的情况,但源域数据库和目标域数据库之间的数据分布差异会影响分类正确率。为此,以AlexNet网络为原型构建基于域适应的卷积神经网络结构。通过引入包含注意力机制的SE模块进行特征重标定,同时利用域适应方法减小领域差异性。在人脸识别公开数据集上的实验结果表明,与AlexNet和GoingDeep等网络相比,该网络能够以较少的参数量获得较高的识别正确率。

机器视觉在皮革收缩温度测定仪中位移测量的应用研究

在检测皮革材料所具有的收缩温度时,需要在加热过程中通过实时测量试样长度的形变量来判定是否收缩,并以此得到收缩时对应的温度。针对皮革收缩温度测定仪中一直存在的无法精确测量皮样收缩形变的微小位移的技术难题,以树莓派Raspberry Pi-4B嵌入式平台为图像处理器,基于跨平台C++图形用户界面开发框架Qt,调用OpenCV图像处理函数库,结合光路设计实现皮样微小位移的非接触式高精度测量系统。该系统不但将检测精度提高到0.01 mm,而且实现了3 g恒张力的检测条件,并将整个检测过程的数据实时地以曲线、图形和关键数据等形式显示在友好的人机界面上,为专业分析研究提供了强有力的技术支持,且系统运行稳定可靠。

基于CB形态学和灰度码分解的纸病检测

传统纸病检测算法抗干扰能力差、定位不准确和运算复杂,针对该问题,提出了一种基于轮廓结构元素形态学和灰度码分解的纸病检测算法。首先,采用多尺度CB形态滤波算法对纸病图像进行滤波,再进行灰度码分解,最后运用多结构元素CB形态学提取重要位面图的边缘。仿真结果表明,该算法运算简单,具有较好的抗干扰能力,并能够较准确地定位纸病缺陷。

基于注意力机制的人脸表情识别迁移学习方法

针对现有的在人脸表情识别中应用的卷积神经网络结构不够轻量,难以精确提取人脸表情特征,且需要大量表情标记数据等问题,提出一种基于注意力机制的人脸表情识别迁移学习方法。设计一个轻量的网络结构,在其基础上进行特征分组并建立空间增强注意力机制,突出表情特征重点区域,利用迁移学习在目标函数中构造一个基于log-Euclidean距离的损失项来减小迁移学习中源域与目标域之间的相关性差异。在数据集JAFFE和CK+上的实验结果表明,该方法相比其它人脸表情识别方法具有更优的识别能力。

基于位平面的纸病检测算法研究

针对当前纸病检测算法存在抗干扰能力差、定位不准确和运算复杂等问题,提出一种基于位平面的纸病检测算法。首先,采用自适应中值滤波算法对纸病图像进行滤波,然后,对滤波后的图像进行位平面分解,并运用格雷码对位平面加以增强,最后,使用数学形态学对其进行边缘检测,得到最终的纸病检测结果。仿真结果表明:该方法运算简单,能够较好地检测出纸病缺陷,并具有较好的抗干扰性和定位准确性。