基于卷积神经网络的车用锻件磁粉视觉检测裂纹分割方法

针对机器视觉磁粉缺陷检测中裂纹图像分割精度低的问题,文章提出一种利用两阶段卷积神经网络的自动智能化裂纹分割方法,第1阶段通过裂纹定位模型将含有磁痕的区域隔离出来,第2阶段通过裂纹分割模型从区域内分离磁痕和背景。在定位模型中引入通道注意力机制和空间注意力机制,屏蔽轮廓和噪声的干扰,增强对裂纹的敏感度。实验结果表明,采用文中提出的两阶段方法,裂纹分割平均精度达到97.8%,交并比达到85.7%,相比于其他方法,裂纹分割精度更高。

商用车疲劳预警系统研究综述

阐述了商用车疲劳预警系统的整体框架,对监控系统、人机交互界面和疲劳检测方法的研究现状进行了详细分析,指出未来监控系统需具备高稳定、短延迟、海量数据处理能力,将预警分为两个层次并分别定义人机交互的有效性,然后对4类疲劳检测方法进行分析,指出基于多特征信息融合的疲劳检测方法将是未来的主要研究方向。最后提出当前研究的难点,并从获取更多驾驶员信息、提取更多疲劳特征、减少对特定疲劳特征的依赖3个方面对商用车疲劳预警系统的研究进行了展望。