基于OpenVINO的民航智能穿戴检测方法研究

飞机维修人员的施工现场是整个机场运行环境的重要组成,需要在施工作业过程中监管维修人员是否遵守安全生产规定,其中最为重要的一点就是检查维修人员的着装是否符合生产规范;对进入机舱重点区域的维修人员着装提出更高的要求,传统人工的安全监管需要人工监控施工现场,但由于维修现场数量众多,人工巡检缺少实时性,造成违规现象不能得到及时纠正,难以实现有效监管。该文根据应用场景特点,提出一种基于OpenVINO平台的智能机务人员着装检测方法,可以实时对维修人员的着装要求进行分析和识别,对不符合安全规范的着装情况及时警告;在样本的训练中,使用最新迭代的YOLOv8算法对现有的模型进行机器学习,能够快速准确地发现飞机维修现场出现的不规范穿戴的相关问题。

基于OpenVINO的变电站指针式仪表自动读数研究

为提高变电站巡检机器人进行指针式仪表自动读数的准确性和实时性,提出一种基于OpenVINO的变电站指针式仪表读数方法。通过关键算法的改进及OpenVINO工具的加速,样机系统对同质量图片的检测和识别速度达到78 ms,相对于TensorFlow框架提升了约40倍。通过对比改进前后Mask R-CNN的表盘分割效果、表盘矫正前后的表盘分割效果对仪表读数精确度的影响,可知在仪表自动读数阶段,仪表读数的准确度得到有效提升。

基于OpenVINO模型优化的智能道路裂缝检测系统

道路裂缝检测是道路养护工作的重要环节,目前我国的道路裂缝检测工作以人工检测方式为主,针对传统裂缝检测工作效率低,耗时较长及检测精度低等问题,文中提出基于资源受限的终端设备搭建的智能化道路裂缝检测系统。采用轻量级网络Tiny-Darknet构建的小型化模型Tiny-YOLOv3进行裂缝检测,通过OpenVINO平台进行模型优化及推理加速,在实际道路场景中的检测速度达到17.6FPS,相比于TensorFlow框架性能提升11.2FPS,在保证相同检测精度的情况下,有效提升了裂缝检测速度。

基于OpenVINO的飞机外表面检查技术研究

飞机的绕机检查是航线安全检查中最为重要的一个环节,传统的绕机检查经常遇到维修人员经验不足、光线较暗、检查位置过高、机体表面损伤不易发现等缺点;针对航线绕机检查这样的特点提出了一种基于OpenVINO平台的智能绕机检查的方法,将机器视觉的概念引入到航线绕机检查的工作中,针对飞机蒙皮损伤、感温探头堵塞、飞机机身表面有无油渍有较好的效果;在样本的训练中,对现有的模型进行了迁移学习,使得样本的训练量大大减小,能够快速准确的发现飞机外表面检查过程中出现相关问题。

基于OpenVINO模型优化的变电站压板状态识别

电网公司变电站少人化、无人化值守模式已成为未来发展趋势。为提高变电站自动化巡视水平,针对保护压板,提出一种基于OpenVINO优化模型的状态识别算法。在原有SSD_Inception模型基础上,使用迁移学习,降低了模型训练难度;通过OpenVINO工具套件对模型加以优化,提高了模型的计算性能。经测试,优化后的模型目标检测精度超过98%,召回率超过91%,检测帧率超过32。相较于原有模型,经优化后的模型计算能力在各项指标上均有明显提升,可以满足边缘移动计算设备的实时性要求。

基于Intel OPENVINO智能运算框架 的雨水回收处理系统的经济效益分析

水是人类社会赖以生存和发展的不可替代的自然资源，深刻地影响着人类的社会、经济生活。我国是一个水旱灾害频繁，水资源短缺的国家，水资源的问题至关重要。为分析雨水回收利用的经济效益，本文运用了 Intel?OPENVINO 智能运算框架的方式，从几个方面探讨了结合人工智能的雨水回收系统优点，并结合实际案例对经济效益进行了分析。

基于OpenVnoi与深度摄像头的实时视障辅助系统设计

阐述一种基于计算机视觉的视障辅助系统设计方案,该方案硬件基于intel AlxBoard平台进行AI推理,采用intel Realsense D455深度摄像头进行数据采集,应用YoloV5s预训练模型进行目标物体检测,检测出物体位置并根据深度摄像头提供的深度信息计算物体距离,并为视障群体进行语音播报。为提高系统的推理性能,采用OpenVino框架提升推理性能,将推理速度从14 FPS提升至35 FPS,达到实时推理速度,使视障人群使用起来实时、安全。本系统软件基于Python语言及OpenVino库、OpenCV库、Pyttsx3库,通过计算机视觉目标检测方法,实现实时目标检测与物体位置语音提醒功能。该方案未来可通过头盔、眼镜等产品为视障人群服务。

基于RealSense的室内3D场景重建方法研究

针对基于视觉的3D场景重建领域中设备昂贵、精度低、过程耗时的问题,提出一种采用RealSense摄像头,以OpenVINO构建底层计算平台,实现室内3D场景重建的方法。首先在数据获取部分,通过RealSense深度相机获取数据,实现了RGB数据、深度数据与点云数据的同时获取;其次,在计算加速部分,采用以OpenVINO为开发工具的神经计算棒构建硬件计算平台,提高了数据的处理速度,减少了计算开销;最后在点云数据的配准与融合部分,基于传统ICP算法进行了改进,大幅度减少了所需计算的数据量,提高了算法效率与精确度。

基于Kinect多生物识别技术的智能视频播放器交互系统

为了实现观看者无接触操作情况下的视频播放器智能控制,系统利用Kinect传感器采集彩色图像,使用FaceNet提取人脸特征向量,经支持向量机(SVM)训练后进行人脸识别,该过程在计算机中央处理器(CPU)运行环境下,利用OpenVINO实现人脸检测与识别实时运行,用于视频播放器的登录验证。系统采集音频数据使用Speech Platform Runtime v11进行中文命令识别,使用Kinect Speech Language进行英文命令识别,进而实现语音控制。采集骨骼数据,计算骨骼点之间的距离与角度进行人体姿态和手势识别,将识别结果转换为控制命令,进而实现播放器的快进、切换视频、加减音量等常用的控制功能。实验结果表明,该交互系统实现了使用者无接触全自动人体控制,为视频播放器提供了一种自然便捷的交互方式。

基于Movidius神经计算棒的物体检测研究

物体的实时检测和识别在计算机视觉领域还面临着许多挑战,尤其是在边缘计算设备上部署物体检测模型时,需要大量的内存与算力。Movidius神经计算棒是用于深度学习推理的即插即用开发套件,能为低功耗嵌入式系统视觉设备提供深度神经网络加速功能。针对低功耗设备上的物体检测领域,提出一种基于SSD MobileNetV2神经网络结构的铁钉检测系统。首先,通过数据增强操作获取足够的训练样本,基于TensorFlow迁移学习训练铁钉检测模型;然后,结合OpenVINO对模型进行优化并生成专用网络,通过神经计算棒对部署在低功耗设备上的专用网络进行加速推理,并使用Realsence D435相机获取深度图像的深度值来计算铁钉的距离。实验结果表明,基于Movidius神经计算棒能显著提升在树莓派上的物体检测性能,在UP Squared平台上能够实现实时的铁钉检测与测距。

基于Open VINO加速CNN分类

针对传统农业人工分拣金针菇造成的低效率与成本高的问题,设计一个架设在OpenVINO平台加速推理CNN网络分类的在线分拣系统,弥补农产品(金针菇)分拣在视觉检测上的缺口。通过测试表明,该系统具备农产品分拣的准确性和实时性,具有良好的应用场景。

基于图像深度学习的牛个体的识别与统计

为进一步协助畜牧养殖业,对传统物理方法及先进的生物检测方法进行了多方面的调研,并从图像深度学习角度出发,基于Google TensorFlow框架及OpenVINO^(TM)工具套件对牛个体的识别与统计进行了研究。利用神经网络对数据集进行训练,并使用SSD目标检测算法对目标对象进行识别,希望为相关行业的监管提供图像处理角度的解决方案并对之后的研究提供一定的参考价值。

基于树莓派和神经计算棒的智能家居机器人

利用树莓派、Intel二代神经计算棒、Arduino mega2560设计了一种基于科大讯飞语音识别API和ROS机器人操作系统的智能家居机器人。利用OpenVINO软件平台对神经网络进行优化和视觉推理,使机器人更加智能化。本文主要介绍了智能家居机器人系统的整体设计、硬件组成、软件设计和算法实现等。经过测试,本文设计的智能家居机器人灵活性好、机动性强,能够较好地实现人机交互和家电控制。

基于机器视觉的飞机轮胎检查技术研究

飞机的轮胎检查是航线安全检查中较为重要的一个环节,传统的机轮检查经常遇到维修人员经验不足、光线较差、检查位置过于隐蔽、机轮损伤不易发现等缺点;在定检检查中,对于大量拆卸下来的轮胎进行维修方案的制定更多的是依靠机务工作人员的经验与判断,差错率较高。针对机轮检查这样的特点提出了一种基于OpenVINO平台的智能轮胎快速检查的方法,将机器视觉的概念引入到飞机轮胎检查的工作中,针对飞机轮胎出现的胎面异常擦伤、胎面点状磨皮、胎面扎伤、胎面污染腐蚀均有较好的效果;在样本的训练中,对现有的模型进行了机器学习,使得样本的训练量大大减小,能够快速准确地发现飞机轮胎检查过程中出现相关问题。