深度特征维纳反卷积用于均匀离焦盲去模糊

工业精密制造中,视觉检测设备的成像系统往往景深较小,易产生离焦模糊,严重影响检测效果。针对这一问题,提出了一种针对于均匀离焦图像的盲去模糊网络(Uniform Defocus Blind Deblur Net,UDBD-Net)。首先,提出一种模糊核估计网络,提取离焦模糊的特征,并准确地估计出模糊核;其次,提出一种反卷积网络,通过神经网络学习并估计基于特征维纳反卷积(Feature-based Wiener Deconvolution,FWD)公式中的未知量,更准确地生成去模糊图像的潜在特征;最后,使用一个编解码网络(Encoder-Decoder Net)增强图像的细节,并去除伪影。实验结果表明,该方法在DIV2K和GOPRO图片上的峰值信噪比(Peak Signal to Noise Ratio,PSNR)分别达到31.16 dB和36.16 dB;与目前主流的方法相比,该方法在不显著增加模型推理时间的同时能够复原出更高质量、更自然地去模糊图像。此外,该方法对真实的均匀离焦模糊图像也有较好的去模糊效果,且能够显著提升工业视觉检测算法对于离焦模糊图像的检测效果。

高职院校课程思政融入《电子产品制图与制版》的探索与研究——以重庆电信职业学院人工智能与电子学院学生为例

自2016年习近平总书记在全国高校思想政治工作会议上提出“使各类课程与思想政治理论课同向同行”后,习近平总书记在学校思想政治理论课教师座谈会上,对推进思政课程与课程思政有机结合的再次强调:“思想政治理论课是落实立德树人根本任务的关键课程”,“思政课作用不可替代,思政课教师队伍责任重大”。在基于专业课程与课程思政有机融合之下,以《电子产品制图与制版》课程实施课程思政为例,探索实现课程思政良好融入机制,以对思政元素融入专业课程的实施路径进行探索和研究。