应用于扩容小样本量YOLO人脸数据集的imgaug图像增广方法

采用人脸照片作为训练数据集,利用imgaug图像增广库对基本的数据进行随机裁剪、随机90°旋转等变换来增加样本容量,以提高所训练网络模型的泛化能力,解决深度模型训练过程中数据集样本不足的问题。在图库扩容小样本数据集的过程中,以YOLO网络结构为主对人脸身份进行检测和分类,并对比YOLOv3和YOLOv5增广前后的结果。实验结果显示,增广后的YOLOv3模型对测试集进行检测的平均精度为88.85%,比原始的YOLOv3模型提高了38.59%,识别效果优于原始的YOLOv3模型;YOLOv5组合增广扩充样本后训练图像识别模型的人脸识别准确率比原始的YOLOv5模型提升了约0.5%。

基于视频图像的弓网接触位置动态监测方法

针对列车人工检测受电弓状态效率低下的问题,提出基于视频图像的弓网接触位置动态监测方法。首先,将运用帧间差抓取受电弓视频中得到的包含弓网的图像作为原始训练数据集;然后,对复杂的受电弓图像背景进行分割处理,采用超像素分割获得最大特征区域,结合特征图像的HOG(方向梯度直方图)获得最大特征ROI(感兴趣区域),形成训练数据集,并设计标签;最后,运用改进的YOLO v3-tiny-strong网络结构检测分类器,用训练的权重对视频目标进行监测。结果表明:该动态监测方法能够在每1帧图像中精确标记出受电弓与接触网的接触点位置,并且能够持续对受电弓的运动状态进行捕捉,有效获取接触点与受电弓的相对坐标位置,从而达到对受电弓的监测目的,其对弓网视频的检测精度可达98%。

基于机器视觉的可视化航标灯监测系统

基于机器视觉的可视化航标灯监测系统是航标灯灯质监测的一项创新型项目,填补了此前航标灯质检测技术空白,同时也降低了维护航标灯的成本,有较高的应用价值。从航标灯识别、亮灭判断、灯质计算、检测结果等角度来展现该套系统的具体应用,并对未来航标灯灯质检测技术的进一步发展提供一些小小的实验成果。