面向安检X光图像的违禁物品语义分割与识别研究

针对安检X光图像中违禁物品大小不一、物品摆放随意且存在重叠遮挡的技术难题,提出了一种改进的HRNet多尺度特征融合网络模型,实现图像中违禁物品的自动分割与识别。在编码阶段,利用HRNet网络中的多分辨率并行网络架构,提取多尺度特征,解决安检X光图像违禁物品尺度多样化的问题。在解码阶段,提出一种多层级特征聚合模块,采用数据相关上采样方法减少信息丢失,并聚合编码阶段提取的特征,以对物品进行更完整表征。在网络整体架构中,嵌入基于注意力机制的去遮挡模块加强模型的边缘感知能力,缓解安检X光图像中物品重叠遮挡严重的问题,提高模型的分割识别精度。通过在PIDray安检图像公开数据集进行实验,结果表明,在Easy、Hard、Hidden 3个验证子集上分别取得了73.15%、69.47%、58.33%的平均交并比,相比原始HRNet模型,分别提升了0.49%、1.17%、5.69%,总体平均交并比提升约2.45%。

基于深度残差网络的金属腐蚀图像分割

传统的图像处理技术依赖于人工提取特征,难以应对复杂的金属腐蚀状况。而经典的深度学习算法没有有效利用特征信息,并且包含大量的参数,导致金属腐蚀图像分割精度低,计算量大。为此设计了一种深度残差语义分割算法,通过引入残差结构以缓解神经网络梯度消失的问题,由浅入深地提取不同尺度的腐蚀图像特征。针对金属腐蚀图像的固有特性,融入了局部上下文特征以及多尺度的特征以提高金属腐蚀图像分割的精度,通过深度卷积和逐点卷积相结合进一步降低模型的参数量,并提高模型的泛化能力。在公共腐蚀数据集的实验结果表明,该方法以19.57 MB的参数量,取得了79.39%的平均交并比和87.91%的平均像素准确率,显著提高了腐蚀图像分割的精度。

基于Arduino的无人机气体检测装置

随着工业化的逐步推进,空气质量越来越差,大气的污染越来越严重。随着人们对空气质量的关注,有效地监管工厂排放有害气体的浓度显的越来越重要。硫化物是指金属离子与硫离子或硫氢根离子形成的化合物,硫化物处于空气中燃烧时会产生的是二氧化硫,同时会在大气中形成酸雨,然而当这种物质进入土壤时,会使其根部中毒,严重影响豆类植物的固氮能力,导致植物死亡。