结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

基于包装材料数字图像的RGB颜色空间色差评价方法研究

目的解决包装材料复杂颜色区域色差评价,目测检验方法存在判定标准复杂、结果一致性差等问题。方法提出一种基于包装材料高清数字图像的RGB颜色空间色差评价方法。通过搭建高清数字图像采集装置,获取包装材料标准样(上限、中限、下限)的全幅数字图像。通过采用RGB颜色空间降维的方法,对标准样测试区域的颜色空间进行离散边界拟合,构建标准样品测试区域的三限样RGB色差模型,与测试样对应测试区域的颜色空间进行对比;根据颜色空间模型的一致性判定测试样色差是否合格。结果对比多种离散边界拟合模型,采用滚球法边缘拟合模型的包含率和多出率分别达到100%、78.9%,模型拟合效果最佳。通过对包装材料色差缺陷样验证测试,采用上述色差评价方法准确率达到100%。结论本文提出的滚球法颜色空间边缘拟合模型和色差评价方法,可实现对包装材料复杂颜色区域的色差合格性判定,有利于提高企业生产的智能化检测水平。

基于分数阶全变分和低秩正则化的彩色图像去模糊方法

针对现有的彩色图像去模糊过程中存在色彩失衡、阶梯效应和伪影等现象,提出了一种基于分数阶全变分和低秩正则的图像去模糊优化方法。首先,将传统的RGB彩色图像转换到YCbCr颜色空间,利用其亮度通道特征解决色彩失衡问题;其次,利用分数阶全变分的特征消除图像恢复任务中出现的阶梯效应,并且引入加权核范数低秩正则进一步抑制伪影及噪声;最后,利用交替方向乘子法设计出高效的求解方法,通过迭代优化得到纯净图像的最优估计。对彩色图像测试的实验结果表明,所提出的方法对图像去模糊任务取得较好的视觉恢复效果,客观评价指标良好。

基于形态特征的破碎玉米籽粒识别及检测装置设计

基于K-Means聚类分割算法、颜色空间转换和形态学特征,通过对辽沈地区广泛种植的玉米的面积、面积与周长比、短轴与长轴比、圆形与矩形及五种形态特征的分析,识别出玉米碎粒。同时,设计开发了一种基于同步带轮的玉米籽粒破碎率在线检测装置,用于玉米籽粒破碎率的在线检测与识别。研究结果:①利用K平均算法分割算法将图像分割为目标区域和背景区域;②利用K平均算法分割算法将图像分割为二值化图像,进一步对二值化图像采用形态闭运算填充目标区域的非连通区域,对目标区域进行统计分析,计算出形态特征;③通过多组试验,玉米籽粒破碎的识别率可达94%。

改进生成对抗网络水下图像增强方法

针对水下图像颜色失真和细节模糊的问题,提出一种基于改进生成对抗网络的水下图像增强方法。该方法将生成对抗网络作为基础架构,生成网络采用编码解码结构,并引入RGB颜色空间块、HSV颜色空间块和注意力机制;RGB块可以更好地去噪和去除偏色,HSV颜色空间可以调整水下图像的亮度、颜色和饱和度,最后生成网络通过分配权重来生成图像。判别网络采用类似马尔科夫判别器的结构。此外,通过构建全局相似和内容感知多项损失函数,使生成的图像在色彩、内容、结构上和参考图像保持一致。实验表明,所提出的方法在主观比较和客观指标上都有很好的表现。其中结构相似度、峰值信噪比、水下彩色质量评估和水下图像质量度量在合成水下图像测试集的平均值分别为0.7746、19.2758、0.4889和3.3124。在真实水下图像测试集的平均值分别为0.9000、24.2636、0.4499和3.1619。在主观评价和客观评价指标上,综合比较,该文算法实验结果均优于对比算法。

基于Raspberry Pi的安全帽识别系统设计与实现

为了便于施工危险区域人员的自动化识别,提出了一种基于Raspberry Pi的安全帽识别算法。该算法将摄像头采集到的原始视频图像进行滤波、形态学等处理,再对图像中的安全帽进行识别。对于彩色安全帽,将原始图像转换到HSV空间,根据不同颜色色调阈值的设定同时识别红、黄、蓝三种颜色的安全帽,并结合形状特征剔除错误目标。对于白色安全帽,将原始图像转化成B通道下的灰度图像,解决了将黄色误检为白色的问题。采用V通道直方图均衡化的方法,提升了昏暗光线条件下的图像亮度。实验结果表明:在无需提前训练的情况下,算法对于单色安全帽识别准确率超过了91%,对于多色安全帽识别率超过了90%,为施工危险区域的安全隐患排查和作业管控提供了解决方案。

FDM全彩3D打印的色彩调控方法研究

传统熔融沉积(FDM)3D打印工艺由于材料的单一性,无法按需成型彩色模型。现有“三进一出”的FDM混色机构,由于色域空间的不同、原材料的色彩偏差及混色机构的差异性采用直接三基色混色方式导致实际打印色彩与理论色彩间存在较大偏差。针对这一问题,基于FDM三基色混色喷头,通过色域空间转换建立色彩与FDM打印工艺间的关系;通过打印实验对转换模型进行线性拟合修正,进而建立面向FDM全彩3D打印的色彩配置库,通过模型颜色与库中颜色的匹配,实现三维模型设计色彩到打印色彩的精确转换。

基于Retinex和HSV颜色空间的低照度图像增强算法

针对低照度图像存在的对比度低、颜色失真、细节信息损失、噪声干扰等问题,提出一种基于Retinex的改进算法。首先,将原始图像转换到HSV颜色空间,采用改进算法和Gamma校正对V分量进行亮度调节;其次,基于对比度拉伸算法调整S分量,增强图像饱和度和对比度;最后,将融合后的图像转换回RGB颜色空间,输出图像。在MATLAB平台上选取不同场景低照度图像进行增强处理,采用图像信息熵(IE)、峰值信噪比(PSNR)和结构相似性指数(SSIM)三个客观指标进行均值对比,实验结果表明,新算法计算结果均优于传统的直方图均衡化算法(HE)和多尺度Retinex算法(MSR),有效保持图像边缘信息,提升图像质量。

基于深度相机的水稻穗层高度检测研究

为实现水稻穗层高度检测,基于深度相机对水稻穗层高度计算方法开展研究,以期为水稻割台高度控制、收割机智能化提供技术支持。为选择一种适用于水稻穗层分割的颜色空间,分别在RGB、HSV、LAB和i1i2i3颜色空间中对成熟水稻图像进行3D可视化,通过观察水稻穗层像素分布分析其可分离性;在此基础上,基于多阈值分割法、小联通区域移除、图像腐蚀等方法对水稻穗层进行提取;提出一种基于深度相机的水稻穗层高度(包括穗层最高高度H_(hs)、最低高度H_(ls))计算方法,并分别在实验室及田间进行验证试验。结果表明:水稻穗层在HSV颜色空间中具有较好的可分离性,所采用的图像分割、处理方法可有效提取水稻穗层;水稻穗层高度计算方法的实验室测试结果显示,H_(hs)与H_(ls)的计算误差均小于1.5%,田间测试结果显示H_(hs)与H_(ls)的计算误差分别为1.6%和18.2%。

面向可见光-红外图像的跨模态行人再识别方法

为降低模型对图像颜色的敏感度,减小可见光和红外模态间的差异,提出一种面向可见光-红外图像的跨模态行人再识别方法。将可见光图像转换到HSV颜色空间,提取只描述图像明暗信息的V分量,降低模型对颜色信息的依赖性;通过轻量级网络对V分量图像进行降维和升维,生成介于可见光和红外图像的中间模态,缩小模态间的差异性;在SYSU-MM01和RegDB数据集上进行性能评估。性能评估结果为Rank-1的数值分别增加了6.67%、1.18%,mAP的数值分别增加了6.47%、1.15%,mINP的数值分别增加了5.59%、0.42%。

基于三色球的单目相机三维空间定位算法研究

为了实现无工装夹具条件下的机器人焊接,提出基于三色球的单目相机三维空间定位方法,利用球在任意角度成像的几何不变性,结合球的半径信息实现球的深度信息的提取,解决了传统单目相机无法实现三维空间定位的难题。定位算法引入颜色滤波简化三色球的识别,改进霍夫圆检测算法,提高了三色球的识别精度。研究了球的深度信息计算模型,并推导了相关公式,实现了单目相机下球的三维坐标计算。构建了基于3个标准球的焊接工件定位模型,通过工件上3个定位点设置的标准球实现焊接工件定位。基于三维微位移平台设计了定位精度检测实验平台,并开展了相关实验。实验表明,三维空间定位算法的定位误差在±0.24mm以内,满足焊接工件定位的精度要求。

基于HSV色彩空间的图像感兴趣区域提取方法研究

嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色相-饱和度(H-S)平面引入DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,精确定位目标的主色彩像素在H-S平面上的分布位置,同时过滤杂乱色彩,然后通过Quickhull(快壳)凸包算法,从散点数据中拟合出主色彩的精确分布范围。根据获取的主色彩范围对像素进行遍历,可以根据色彩信息有效地提取ROI。实验结果表明,经过该方法优化后的Faster R-CNN(Faster Regions with Convolutional Neural Networks)算法,较原模型减少了57.08%的平均推理耗时,同时精确率提升了0.9百分点。这对于嵌入式设备中进行实时目标检测具有重要的现实意义。

养殖水体中校色卡识别与色彩变化分析

水下环境中颜色变化是一种常见现象,研究其变化特征可应用于水下图像处理和水产养殖生物监测等。利用校色卡分析不同水深颜色变化的特点,实验中首先对图像进行大小归一化及颜色空间转换;其次用图像与标准色块对比计算差值图像;然后进行轮廓提取并筛选出可能的色块加入候选列表,通过候选列表中的色块计算出原图色卡的位置;再通过仿射变换将原图色卡提取出来;最后,通过比较不同水深图像中色卡色块的颜色值,分析水下环境中的颜色变化。实验结果表明,该方法能够有效地检测和分析水下环境中的色卡,在0~3 m的浅水域中检测准确率达到100%,在3~10 m的中层水域中检测准确率达到93%,在大于10 m背景较为复杂深水域中提取准确率达到73.7%,在占用极小内存空间的情况下达到了较高的识别准确率;通过水下颜色分析得出:随着水深的增加,红色光的吸收和衰减最明显,蓝色光的吸收和衰减也比较多,而绿色光的影响较小。研究内容为利用水下摄影研究水产养殖生物行为提供了参考方法。

结合灰度世界和Retinex的低照度图像增强算法

针对图像增强处理中亮度偏低、细节模糊、色彩失真等问题,提出了一种基于Gabor滤波的多尺度Retinex与自适应补偿的灰度世界理论结合的图像增强算法.通过双伽马函数预处理图像暗区对比度并抑制亮区过增强;考虑Gabor滤波良好的方向选择性和纹理细节敏感度,将其作为多尺度Retinex算法的中心环绕函数在双曲正切域上进行卷积来突出细节,并添加增益偏移算子动态地调整反射分量的亮度;最后使用自适应补偿的灰度世界算法进行色彩保持和校正,得到最终的输出图像.实验结果表明该算法在结构相似性、标准差和平均梯度上比对比算法的平均值分别高出47%、38%和50.3%,处理后的图像在提高亮度、突出细节的同时保持了较高的色彩度.

基于多颜色空间的烟叶颜色表征方法研究

【目的】实现云南产地烟叶颜色表征,输出真正意义上能够反映云南宣威复烤厂初烤烟叶颜色特征的信息。【方法】课题组利用工业相机采集烟叶图像,对烟叶图像进行预处理、彩色图像分割,将烟叶图像分别转换到RGB、HSV、Lab等多颜色空间,采用投影寻踪法,将多颜色空间下的各颜色分量信息进行融合,使用综合值对烟叶颜色进行表征,并分析了使用多颜色空间的表征方法是否优于单颜色空间。【结果】1)融合多颜色空间计算出的颜色表征值与专家排序结果的相关系数高达0.98;2)单独使用RGB、HSV、Lab颜色空间进行颜色表征的相关系数分别为0.95、0.62、0.76,这表明多颜色空间包含了更多颜色信息,其表征值更能反映烟叶颜色特征。【结论】该方法可快速把烟叶真实的颜色信息提取出来,并且与人工排序的符合度较高,可实现在线应用,并为烟叶外观颜色均质化加工提供控制指标和数据支撑。

基于改进HSV空间的机器视觉花生霉变检测方法

花生霉变产生的黄曲霉毒素具有强致癌性,严重影响食品安全。为精准快速的识别霉变花生,提出一种基于机器视觉的霉变花生检测方法。首先对花生图像进行双边滤波降噪,然后将图像转为色调、饱和度、亮度(HSV)空间,通过在色调、饱和度空间内提取的霉变颜色范围叠加亮度空间的开运算处理结果来实现对霉变花生的识别检测。实验结果表明,该方法对于霉变花生的识别精度达到95.3%,处理单帧花生图像耗时为0.6s,通过与其它算法对比,该方法具有快速、准确率高等优点,可以满足霉变花生的实时检测,对花生霉变的分级处理也更加实用。

复杂光照环境下的标识线图像增强方法

自动驾驶汽车在行驶过程中需要识别道路标识线以确保行驶在车道上,变电站巡检机器人通过识别道路标识线实现准确巡检。但由于复杂光照环境的影响,道路标识线信息难以准确提取。传统的图像增强方法无法对所有复杂光照环境下的道路标识线图像都产生良好的增强效果,对此提出一种复杂光照环境下的道路标识线图像增强方法。利用HSV色域空间的亮度图像的亮度差进行分层处理,对高亮度差的图像使用自适应伽马校正的方法进行图像增强,对低亮度差的图像先使用直方图锥形拉伸扩大图像灰度级,再利用自适应伽马校正提升图像对比度。实验结果表明,该算法能有效解决低光照、曝光等复杂光照环境所导致的道路标识线难以识别的问题,是一种有效的图像增强方法。

基于阈值识别的温室黄瓜整体自动落蔓装置研究

针对长季节黄瓜作物人工落蔓强度大、成本高和效率低等问题,设计一种基于冠层高度阈值识别的温室黄瓜整体自动落蔓装置。为保证黄瓜冠层特征提取的正确率,对8:00、12:00和18:00实时采集的黄瓜冠层图像进行预处理,基于Otsu算法获得平滑黄瓜冠层二值图像。采用霍夫变换算法识别黄瓜冠层顶端绳束,并利用统计学方法归纳出感兴趣区域中HSV色彩空间绿色部分各分量取值范围,研究感兴趣区域中绿色像素点占总像素点的比值变化规律。为防止黄瓜卷须缠绕秧蔓冠层顶端水平绳束,以黄瓜植株高度184~185 cm为落蔓控制目标,确定感兴趣区域绿色像素占比的平均值0.162~0.182为整体落蔓装置的落蔓阈值范围。结果表明,植株高度184~185 cm和高于185 cm落蔓次数占总试验次数比例分别为90%和10%。高于185 cm落蔓组中,最高植株距离顶端绳束(195 cm)的距离为9.2 cm,无黄瓜卷须缠绕黄瓜秧蔓冠层顶端水平绳束现象,采用感兴趣区域绿色像素点占比确定黄瓜落蔓阈值方法,能够满足黄瓜生产实际要求。

基于Retinex的自适应水域图像去雾算法

针对利用Retinex理论对水域雾天图像去雾时出现去雾不彻底、色彩失真等问题,提出一种基于Retinex的自适应水域图像去雾算法,通过分析水域雾天图像特征,提出水域雾气浓度划分标准,实现自适应去雾。将水域雾天图像由RGB颜色空间转到HSI颜色空间,对亮度(Intensity,I)分量进行拉伸变换以调节亮度平衡,再用改进的单尺度Retinex(singal scale Retinex,SSR)算法对I分量进行增强处理,初步提高图像清晰度;将增强处理后的图像转换回RGB颜色空间进行自适应伽马变换增强,进一步提高图像的清晰度及对比度;利用HSI颜色空间进行图像饱和度补偿及其他操作实现对水域雾天图像的色彩恢复。实验结果表明,该算法能有效进行自适应水域雾天图像去雾,色彩恢复真实,可得到细节清晰的高质量去雾图像。

敦煌藻井色彩元素在公共空间设计中的应用

敦煌藻井作为中国古代艺术的瑰宝,其色彩元素独特而丰富,蕴含着深厚的文化内涵和艺术价值。近年来,随着人们对传统文化艺术的重视和再认识,敦煌藻井色彩元素在公共空间设计中的应用逐渐增多,不仅为公共空间增添了独特的艺术魅力,也为传统文化的传承和发展提供了新的途径。本研究分析敦煌藻井色彩元素的特点以及在公共空间设计中的应用原则和应用意义,并对敦煌藻井在公共空间设计中的应用方式展开探讨,以期为公共空间的设计注入新的活力和魅力。