结合双线性网络和注意力的蓝藻图像识别方法

针对实际工程环境中采集的蓝藻图像数量不均衡、复杂光照条件影响、蓝藻图像局部区域特征捕捉不全面等问题,提出一种结合双线性网络和注意力的蓝藻图像识别方法。首先构建蓝藻图像数据集,并使用图像增强算法对数据集进行优化,再使用双线性网络充分提取蓝藻图像特征信息,同时结合卷积块注意力机制,聚焦重要的局部特征,忽视无用信息,进一步提升对无蓝藻、颗粒状蓝藻、带状蓝藻和片状蓝藻等4类不同形态蓝藻图像的分类效果。在构建的Algea-ultimate蓝藻数据集上进行实验,结果表明:相比识别效果最好的经典网络模型ResNet18,所提方法在识别准确率上提升7.29%,识别精度有明显提升。识别方法可用于太湖流域水质监测和预警平台中,提供蓝藻图像自动识别功能,为实时监测水体蓝藻形态提供智能化解决方案。

基于轻量级SE-PPM的自然状态烟叶正副组分类算法

【目的】针对自然状态烟叶传统正副组分类速度慢、正副组易错分、特征提取困难的问题,提出了一种基于轻量级SE-PPM的自然状态烟叶正副组分类算法(SAPMDSNet)。【方法】基于轻量级ShuffleNetV2网络,先通过降低网络卷积深度和进化激活函数,加快网络模型的训练速度;再引入通道注意力机制SE模块,增强通道间的特征差异,提高网络模型的表征能力,避免正副组烟叶叶部区域化导致的组别错分;最后通过嵌入金字塔池化模块PPM充分融合烟叶显露特征与全局信息,增强对正副组烟叶上下文信息的聚合,并采用自行构建的烟叶数据集进行对比试验。【结果】SAPMDSNet网络模型的分类准确率为91.09%,计算量(FLOPs)为151.70 M,取得了相对较高的分类效果。与原网络ShuffleNetV2模型和轻量级GhostNet模型相比,SAPMDSNet网络模型的FLOPs分别升高2.65%和2.84%,而识别准确率则分别提高2.72和21.13个百分点;MobileNetV2、DenseNet和SqueezeNet模型的识别准确率分别为87.02%,89.53%和87.60%,虽均与SAPMDSNet模型的识别准确率接近,但其FLOPs明显较SAPMDSNet模型大。【结论】构建的SAPMDSNet模型能提高烟叶正副组分类精度且具有较好的整体性能,为烤烟烟叶品质初筛提供了新的思路和方法。

基于HOG图像处理的滚动轴承故障诊断方法

对于滚动轴承的智能故障诊断问题,文章提出一种基于梯度直方图(histogram of oriented gradient,HOG)图像处理的轴承故障诊断方法。首先将传感器采集到的原始时域振动信号经变分模态分解(variational mode decomposition,VMD)后得到二维图像;再利用HOG数字图像处理算法对上述图像提取特征信息;使用多维尺度分析(multi-dimensional scaling,MDS)方法对特征数据进行降维处理,得到低维空间下的故障特征数据并对故障特征数据添加标签构建数据集,该数据集被划分为训练集和测试集;然后引入遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)中的惩罚因子和核函数关键参数,用训练集进行训练得到最优故障分类模型;最后对测试集的数据进行处理,得到分类结果。对比分析结果表明,该文方法能快速提取轴承故障有效特征,提高故障诊断准确率。

基于机器视觉的电芯绝缘介质定位算法

为保证电芯绝缘介质定位的准确性和时效性,文章提出一种基于双线性插值亚像素坐标结合改进随机抽样一致性(random sample consensus,RANSAC)算法的绝缘介质定位算法。对工业采集的图像进行空间滤波、阈值分割等预处理操作,分割出目标并增强特征;运用Canny边缘检测算子检测边缘,选取定位轮廓并根据最小外接矩形分离4条边缘直线,用双线性插值公式精确定位边缘直线亚像素坐标;采用部分点先验模型约束RANSAC算法提取4条边缘直线的高质量内点,再用最小二乘法分别拟合4条边缘直线并计算出相应偏移量。实验结果表明,该算法能有效保证绝缘介质的定位精度且具有一定的时效性,可以较好地满足实际生产应用的要求。

结合卷积神经网络与多层感知机的渐进式多阶段图像去噪算法

现有基于深度学习的图像去噪方法中,在网络架构层面存在单阶段网络特征表达能力不足而难以在复杂场景下重构清晰图像,以及多阶段网络内部特征连接不紧密而容易丢失原始图像细节的问题。在基础构建块层面,存在卷积层难以处理较大噪声级别下的跨层次特征,以及全连接层难以捕获图像邻域空间细节的问题。为解决以上问题,从两方面提出解决方法:一方面,在架构层面提出新颖的跨阶段门控特征融合,从而更好地连接一阶段网络的浅层特征与二阶段的深层特征,促进信息流的交互并使得去噪网络内部关联更为紧密,同时避免丢失原始像素细节;另一方面,在基础构建块层面提出结合卷积神经网络和多层感知机特性的双轴特征偏移块,作用于低分辨率多通道数的特征图,从而缓解卷积网络在复杂噪声场景下难以捕获跨层次特征依赖关系的问题,对于高分辨率、少通道数的特征图,使用卷积网络以充分提取噪声图像的空间邻域依赖关系。大量定量与定性实验表明,所提算法在真实世界图像去噪和高斯噪声去除任务中,都以较小的参数量和计算代价取得了最佳的PSNR和SSIM。

基于实时视频的工业园区出入控制系统

近年来越来越多的产业园部署了现代化监控系统,防止不具有作业资格的人员或未佩戴防护用具的人员进入作业区域,避免生产事故的发生。利用传统的视频监控进行园区出入控制的防控方法存在一定缺陷,需耗费大量的人力进行检查,且无法及时对事故发生进行预警。基于此,研究基于实时视频分析的工业园区作业区域出入控制系统。采用深度学习的算法,对监控摄像头捕获的图片进行分析,对出入人员进行身份核验,并检查其是否正确佩戴防护用具。实验结果表明,该系统可有效进行人员出入控制,提高作业安全性,降低事故发生率,具有一定可扩展性。

外观融合运动感知的运动目标分割算法

现实场景中的运动目标分割旨在分割当前场景下的运动物体,对于许多计算机视觉应用有着至关重要的作用。现有的运动目标分割算法大多通过2D光流图中的运动信息来分割运动物体,然而,这些方法还存在一些问题。当运动物体在极面内运动或者其3D运动方向和背景一致时,很难通过光流图分割得到;另外,错误的光流预测也会影响分割的结果。为了解决以上问题,提出了不同的运动代价,以提升运动目标分割的正确率。针对和背景共线或共面运动的物体,设计均衡重投影代价和多角度光流对比代价,通过运动物体的2D光流与背景2D光流的差异来检测运动物体。针对自我运动退化,设计差异单应性代价。最后,提出了一种基于外观融合的运动感知结构,以分割各种场景下的运动物体。采用多模态共同注意力门控,更有效地捕获运动特征和外观特征的关系,以促进外观特征和运动特征更好地交互。此外,为了突出运动的物体,提出了多层运动注意力模块,以减少冗余的外观特征对结果的影响。实验结果表明,所提方法在KITTI,JNU-UISEE,KittiMoSeg和Davis-2016数据集上均能获得较优的运动目标分割结果。

基于改进Yolov5n的无人机对地面军事目标识别算法

针对目前主流的目标检测算法在真实航拍战场数据背景下识别精度低、误检率与漏检率高等问题,对Yolo目标识别算法进行了研究,提出一种基于改进Yolov5n的轻量化航拍军事目标检测模型;首先,采用ECA注意力机制与主干网络C3模块融合,以解决航拍图像背景复杂且存在相似目标干扰问题;其次,引入归一化高斯瓦萨斯坦距离(NWD)代替CIoU损失函数,提高对模糊小目标的检测识别;最后,采用GSConv轻量化卷积代替标准卷积,减轻模型重量;经过实验测试,改进后的算法模型平均检测精度达到81.5%,提升0.9个百分点,模型大小为3.4 MB,减轻0.4 MB,识别速度为每秒113帧;实验结果表明该模型在轻量化的同时保持着高精度的航拍军事目标检测。

无序安全扣快速识别和定位方法设计

针对传统的安全扣生产在摆放位置存在偏差时,无法实现夹取的问题,提出了一种无序安全扣快速识别和定位方法;该方法采用一种基于子模板和图像金字塔的改进NCC算法进行模板匹配,并结合圆投影算法实现对旋转安全扣的目标检测,同时采用基于交叉匹配和RANSAC方法进行安全扣精确定位;实验验证通过将定位结果与实际坐标进行对比,结果表明识别误差为0~1个像素,其中X轴的平均误差仅为1.02 mm,而Y轴的平均误差为0.76 mm,实现了无序安全扣精确地识别和定位,能够满足工程上的实际需求。

基于SVM多特征融合的绝缘子缺陷检测算法研究

绝缘子是输电线路中常用部件,每年因绝缘子故障引起的事故超过电网故障的一半,这严重危害着线路的使用和运行寿命。因此,及时对绝缘子故障进行排查是十分重要的。我们提出了一种基于SVM多特征融合的绝缘子缺陷检测算法,该算法首先对原始图像进行预处理,得到暗通道特征层和灰度图像,然后在此基础上提取出HSI特征层、细节特征层、统计特征层和纹理特征层,将上述特征层叠加成一个三维的特征矩阵。接着选取正、负样本像素点及其所对应的特征信息作为训练特征,采用支持向量机算法对其进行训练,得到一个分类器模型。最后将原始图像的其他所有像素点的特征信息输入到该分类器中,得到绝缘子缺陷的坐标位置。实验结果表明,提出的算法能有效地检测出输入图像中的绝缘子缺陷,验证了该改进算法的可行性及有效性。

基于改进特征金字塔的目标检测方法

为了缓解多尺度目标特征信息不足的问题,受BiFPN(Bi-directional Feature Pyramid Network)网络的启发,在网络模型的Neck部分提出了一种反转N型特征金字塔结构即IN-FPN(Invert N-Feature Pyramid Network),对网络的多尺度特征融合结构加以优化,其带有侧向连接的层次结构,将特征经过2次自上而下和1次自下而上的双向融合,使得物体的浅层和深层特征充分融合,相互促进.同时,考虑不同尺度特征融合时的贡献不同,给每一个尺度添加可自适应学习权重ωi.此外,为了解决网络退化问题,进一步提升网络性能,参考残差网络结构,增加了含有Block模块的路径.实验结果表明,所提方法在COCO 2017数据集和VisDrone 2019数据集上其平均精度(AP)值分别达到了53.02%和25.21%,比基准模型均有所提升,验证了该方法的有效性.

基于自注意力机制和改进YOLOv5s的小目标生物检测

为了快速准确地检测出小目标生物(海参、扇贝、海星和海胆)在复杂水下环境的位置及所属种类,提出一种基于改进YOLOv5s的小目标生物检测算法。在特征提取阶段,引入基于多头自注意力设计的自注意力残差模块,强化网络全局建模能力的同时,强化目标特征信息;在特征融合阶段,将特征融合网络调整为添加横向连接的双向特征金字塔结构,增强网络融合不同阶段特征信息的能力;在检测阶段,舍弃大目标检测尺度并添加小目标的检测尺度,提升小目标生物的检测精度;最后,引入α–CIo U损失函数作为模型边界框回归损失函数,提高边界框回归精度,进而提高算法检测准确率。定性试验中,几乎所有肉眼可见的水产品目标都被改进模型检出,并正确标记,体现了改进算法的有效性。α值选取试验中,α值为2.0时效果最佳,平均精度均值(mAP)均优于其他值的,达到0.857,较α值为1.0时的提升了0.016。消融试验中,添加任一优化方法均会提升改进模型的检测精度,最终改进模型的m AP达0.873,较原模型的提升了0.032,模型参数量减少了26.8%,仅有5 M。对比试验中,改进模型的m AP较Faster RCNN、YOLOv3、YOLOv4、YOLOv5s、YOLOvX、SSD、NAS–FCOS、改进YOLOv5等的提升了0.020以上;改进模型在本地服务器的检测速度达139帧/s,较YOLOv5s的提升了14帧/s,略逊于以检测速度著称的SSD模型的。可见,改进模型能满足轻量和实时性要求。改进模型也成功部署到安卓移动设备中。

基于机器视觉的齿轮中心定位算法

齿轮加工精度影响因素复杂,精度测量要求高,齿轮中心(基圆圆心)的定位精度在检测过程中至关重要。为降低工业视觉检测中缺陷与噪声对齿轮中心定位精度的影响,文章提出一种齿顶圆弧分割结合改进随机抽样一致性(random sample consensus,RANSAC)算法定位齿轮中心。对采集的齿轮图像采用Canny算子检测边缘,使用Freeman码进行边缘跟踪;以最小二乘法拟合得到圆心粗基准,通过比较轮廓点到粗基准的距离快速分割出齿顶圆弧;采用亚像素边缘与更精确的阈值对圆弧进行精分割,并结合随机抽样一致性算法对圆弧进行拟合,得到齿轮中心。实验结果表明该算法具有较高的定位精度和较强的实用性。

基于机器视觉的电缆局部绝缘材料老化缺陷检测研究

研究基于机器视觉的电缆局部绝缘材料老化缺陷检测方法,以期实现电缆局部绝缘材料老化缺陷准确检测。使用基于机器视觉技术的材料图像采集方法,通过CCD相机与光学镜头相互配合采集材料图像,并使用畸变校正模型,控制图像像素不出现过分畸变状态;由基于逆直方图均衡化的绝缘材料图像增强算法,提高电缆局部绝缘材料图像清晰度后,经基于改进深度卷积神经网络的绝缘材料老化缺陷识别方法,提取增强后绝缘材料图像的目标特征,识别目标特征是否属于老化缺陷类型,完成电缆局部绝缘材料老化缺陷检测。研究结果显示方法对电缆局部绝缘材料老化缺陷检测结果准确,且具备较好的图像处理效果。

基于颜色特征相似性度量的包装图配色检索研究

色彩是包装设计中重要的设计元素,为了提供更多的包装案例配色参考,本课题提出了基于颜色特征的包装配色检索研究。选择HSV颜色空间量化图像,采用颜色特征直方图法提取图像特征和图像相似性度量。建立8种色彩情感图像资源库,采用基于PCA方法实现色彩情感图像库的分类判别。实验中根据输入的关键图,进行分析判断,并从图像库中输出相同色彩情感的图像,实验结果表明本文提出的方法能获得较准确的结果。

基于人脸识别技术引发的个人信息保护问题探讨

近年来,人脸识别技术的发展势头极为迅猛,在公共安全、公共交通、行政事务办理、金融实践、刑事侦查等诸多领域都需运用人脸信息。人脸识别技术在为社会带来诸多便利的同时,也产生各种各样的风险,尤其是由于人脸识别技术引发的个人信息保护问题日益突出。文章介绍人脸识别技术的含义、特点,分析人脸识别技术与个人信息保护之间的关系,结合人脸识别技术引发的诸如人格尊严易受侵犯,个人隐私易受损害,数据安全面临威胁等个人信息保护问题开展论述,并基于此,提出关于人脸识别技术下个人信息保护的相关建议,希望为相关人员提供参考。

基于改进YOLOX的落石检测方法

山坡地区是落石频发的区域,凭人力难以及时发现灾害的发生;为及时检测到落石的发生并做出应对措施,提出一种基于改进YOLOX的落石检测方法,自动检测并报告落石的发生情况;通过自制落石数据集训练YOLOX网络,优化空间金字塔池化结构,获取更多语义信息,并引入ECA-Net(Efficient Channel Attention Module,高效通道注意力模块),提高特征的提取能力和特征间的信息传播,同时改进损失函数并使用数据增强,提高网络训练效果;实验结果表明,改进YOLOX算法的mAP@0.5为92.50%,每秒检测帧数为62.6,相较于YOLOX算法,mAP@0.5提高3.45%,每秒检测帧数上涨0.3;与原算法相比,在不损失性能的情况下,精度有较大的提升,同时满足图片与视频数据的实时检测要求。

基于灰度补偿和特征融合的沙尘图像修复方法

沙尘颗粒对光的散射和吸收作用导致了沙尘天气下获取的可见光图像对比度低、颜色偏移严重,影响无人机、精确制导弹药对目标的识别与跟踪性能。由于场景结构复杂、参数估计困难等因素,现有的沙尘图像修复方法不能有效地提取图像中语义分量,导致修复后的图像颜色不真实、细节模糊。为此,提出基于灰度补偿的图像预处理模块和特征融合网络组成的沙尘图像修复框架。图像预处理模块对输入的沙尘图像进行灰度分布补偿来恢复场景中潜在的信息,并派生出颜色均衡和轮廓清晰的两个图像;融合网络对不同派生输入图像进行高维特征提取和融合,并恢复出高质量的图像。研究结果表明,所提出的方法修复图像取得了较高的指标统计值和良好的视觉效果,能有效提高沙尘图像的目标检测精度和分割准确率。

基于加权最小二乘法的细节增强去雾方法

雾天天气的出现使得采集到的图像出现对比度低、可辨识度差的现象.为了改善视觉系统的功能稳定性,提出一种图像去雾算法.针对当下去雾算法得到的去雾图像易产生光晕伪影的缺点,提出了形态学级联算法来估算场景透射率,在此基础上为保证场景透射率拥有清晰边缘细节的同时保持图像平滑,引入加权最小二乘来细化透射率;采用一种改进的基于四叉树法的分层搜索算法来准确估计天空区域的大气光值;引入大气散射模型,将求取的透射率以及大气光照值代入模型中来获得去雾图像.在实用性对比中,目标检测精度得以提升.与当下主流去雾算法定性和定量比较,所提出的方法在保留深度边缘、颜色质量及细节方面恢复效果良好,在图像评价指标均方差中最高降低7.0%,信噪比、结构相似性、颜色信息熵方面分别最高提升21%,32%,1.1%.

改进的SSD-ResNet算法

单次多边界框检测器(single shot multibox detector,SSD)算法因其性能优良已被应用于许多场景中,但该算法对小目标物体的检测精度偏低,主要原因是高层的语义信息没有被充分利用。为解决该问题,文章将其基础网络替换为残差网络(residual network,ResNet),同时融合深浅层的特征信息来增强浅层特征图的语义信息,此外还引入注意力模块,保留更多的目标特征信息,抑制无关信息,进一步提升对小目标物体的检测效果。在PASCAL VOC2007数据集上进行实验测试,平均精度均值为80.2%,优于其他SSD改进算法。由于增加了特征融合和注意力模块,所提算法检测速度有所下降,但相比于SSD改进算法,检测速度仍有明显的优势。