激光雷达距离像的实时边缘检测

针对激光雷达距离像边缘检测精度低、抗噪性能差和需要人为设定阈值的问题,提出一种改进Sobel算子的边缘检测算法,算法通过增加梯度检测方向提高算法的边缘定位精度,采用中值滤波计算局部距离像边缘阈值,在实现自适应阈值的Sobel边缘检测的同时增强算法的抗噪性能,同时采用FPGA硬件加速,实现算法实时性边缘检测.此外,设计激...     

显微视觉检测系统精度分析及校准技术

为提高显微视觉检测系统的检测精度,建立了检测系统的误差模型,分析了影响检测系统精度的因素,给出了运动系统及视觉系统的误差补偿方法;提出了一种开环控制加位置检测的运动控制方式和一种基于多项式拟合的图像边缘检测算法;实验结果表明,提出的运动控制方式和边缘检测算法有效降低了显微视觉检测系统的系统误差,提高了微小型零件的检测精度。     

多信息融合的模糊边缘检测技术

提出了一种有效的模糊边缘检测算法，与传统的单纯基于图像增强技术的模糊边缘检测算法不同，此算法采用像素点的多种信息作为边缘检测的特征信息，利用模糊逻辑对这些信息进行综合，使边缘检测器输出的边缘信息更加完善且有效.实验表明，对于处理实际工作环境中的高噪图像的边缘检测问题，此算法是一种实用而有效的方法. 关键词： 边缘检测 模糊算法 融合     

融合多重自注意力和可变形卷积的多模态脑胶质瘤分割

脑胶质瘤的磁共振图像分割对于脑肿瘤的诊断、手术规划以及放疗等治疗方案的确定具有非常重要的意义．针对现有脑肿瘤分割算法分割精度不高边缘分割不精确,易出现假阳性的问题,本文提出一种基于多重自注意力和可变形卷积的Unet改进模型．模型将原始Unet框架的标准卷积替换为残差模块,以防止模型训练过程中出现梯度消失;通过在瓶颈层加入基于Transformer的多重自注意力模块来提取局部特征和全局上下文信息,以更好地挖掘像素间的相关性;在跨层连接处采用可变形卷积来增强模型对形状感知的敏感性,以提升肿瘤边缘特征的提取能力．实验结果表明,所提算法的分割结果评价指标高于使用同样数据集的其他对比模型,而且对肿瘤边缘的分割更加精确．这表明本文算法是一种有效的脑胶质瘤自动分割算法．     

基于改进的Canny算子实时视频边缘检测系统在FPGA上的设计与实现

为了提高图像边缘检测的性能,缩短处理时间,提出了一种基于FPGA的实时视频边缘检测系统。该系统以EP2C8Q208C8为实验硬件平台,首先采用摄像头OV7670获取模拟视频数据,双端口SDRAM实现对图像数据的缓存,利用FPGA并行处理的特点,采用Verilog HDL硬件描述语言实现改进的Canny边缘检测算法,最终实现在VGA显示屏上显示图像边缘的效果。实验结果表明,较传统的边缘检测算法,该系统边缘检测定位精度高,对噪声的抗干扰能力强,能够准确快速的输出图像边缘信息。     

面向边缘智能光学感知的航空紧固件旋转检测

针对航空紧固件分拣过程中现有方法存在效率低、成本高、精度差等问题,提出一种面向边缘智能光学感知的旋转目标检测方法。构建一种基于强化语义和优化空间的特征融合机制,有效提升目标检测模型的性能;设计一种空洞幻影模块,减少特征融合网络的参数量,有利于模型在工业场景下的边缘部署;采用高斯类环形平滑标签方法,在模型检测层预测分支上实现旋转目标检测,显著提升模型检测性能,并更有助于工业机器人自动抓取。在权威公开旋转数据集上,检测准确率达到77.16%。最后,在嵌入式智能设备上进行边缘部署并测试,整体准确率达到99.76%,推理速度超过20 FPS (frames per second),满足工业应用的要求。     

改进的Zernike矩工业CT图像边缘检测

为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。     

亚像元边缘检测系统的FPGA实现

提出了一种集成于单片FPGA的数字化线阵CCD边缘检测系统。通过对CCD输出图像的边缘灰度梯度分析,利用高斯滤波除噪、边缘检测算法确定其像元级边界,并提出了一种以最小二乘多项式拟合来确定亚像元级边界位置的新算法。整个系统以现场可编程门阵列器件作为核心及数字电路硬件的载体,利用VHDL语言及图形化输入方式在QuartusⅡ7.2软件平台上进行了系统的设计。误差分析及仿真结果表明,该边缘检测系统的分辨率可达到将近六十分之一的像元宽度,可应用于研制高精度CCD光电自准直仪。     

基于物联网的人工智能图像检测系统设计与实现

物联网络的建立促使人工智能领域取得飞跃性进展。传统图像检测方法利用小波能算法进行背景与边缘噪声划分方式进行图像检测,存在低分辨率图像检测精度低、检测速度慢、缺乏图像深度分析等一系列问题。物联网人工智能发展迅速的环境下,提出基于物联网的人工智能图像检测系统设计。采用智能人工像素点特征采集技术(IAPCCT),对图像进行逐点特征提取,运用物联网丰富数据量资源与处理运算能力对采集图像像素点进行特征分析回馈,回馈信号经人工智能信号图像合成模块(AISIS),对信号做图像转换处理并输出分析结果完成图像检测。通过仿真实验测试证明,基于物联网的人工智能图像检测系统设计具有图像检测率高、识别准确度高、运行稳定、处理高效等优点。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

基于深度学习的铸件X射线图像分割研究

针对当前图像分割算法在实现工业铸件内部缺陷分割上精度低且算法不够轻量化的问题,提出一种基于改进DeepLabv3+的工业铸件内部缺陷检测算法Effi-DeepLab。该方法采用EfficientNet中的MBConv来代替原有的Xception模块进行特征提取,使特征提取网络更加高效与轻量化;针对工业铸件内部缺陷尺寸小的问题,重新设计空洞空间金字塔池化（ASPP）层中空洞卷积的扩张率,使得卷积块对小目标具有更高的鲁棒性;在解码端充分利用特征提取阶段的低阶语义信息进行多尺度特征融合,以提高小目标缺陷分割的精度。实验结果表明,在本文使用的汽车轮毂内部缺陷图像数据集中,Effi-DeepLab模型对缺陷的分割准确率和平均交并比（mIoU）分别为93.58%和89.39%,相比DeepLabv3+分别提升了2.65%和2.24%,具有更好的分割效果;此外,还通过实验验证了本文提出算法具有良好的泛化性。     

基于高维拉曼光谱数据的变压器油纸绝缘老化评估方法研究

采用激光拉曼光谱技术对变压器油纸绝缘老化状态检测是一种有效的方法。随着样本量的扩充,亟待处理的数据集维度逐渐增大,研究适用于高维拉曼光谱数据的变压器油纸绝缘老化评估方法具有重要的意义。设计与现场变压器内部绝缘结构相似的油纸绝缘环境,进行加速热老化实验并定期采样,获取到10类老化程度依次递增的油样本,采用激光拉曼光谱技术对样本进行检测。选用复合稀疏导数建模法对样本原始拉曼光谱数据预处理,可以一步完成去噪与基线校正;引入差异特征选取方法筛选不同老化程度下光谱中变化显著的特征,计算同一拉曼频移下不同老化程度的特征点数据集方差,选择差异较大的数据序列所对应的拉曼特征变量,设定方差阈值为0.5进行特征选择,每个样本都从1 023个光谱特征点抽取出304个特征点进行后续分析;针对变压器油纸绝缘老化拉曼光谱高维样本数据集,引入多种不同类型的算法对其处理。分别运用K-means聚类算法、Fisher算法与随机森林算法对获取到的样本预处理后的数据建立模型,引入评估准确度、提升度以及Kappa系数对各算法建立的模型判别效果进行评估。结果表明：有监督学习的Fisher算法与随机森林算法效果较好,相对于无监督学习的K-means聚类算法,模型判别能力分别提升了1.166 6和1.95,论证了有监督学习模型在变压器油纸绝缘老化的评估中具有判别优势;从模型判别准确度和Kappa系数来看,强分类器随机森林算法建立的判别模型均高于Fisher判别模型,其准确度提升了10%,且Kappa系数上升了0.111 5,论证了随机森林算法作为由多个单一分类器组成的强分类器,相对单一分类器来说,在变压器油纸绝缘老化的评估中模型的泛化能力较好,且模型较为稳定可靠。通过对三种不同类型的算法对比,确定了在变压器油纸绝缘老化评估中,有监督学习强分类器随机森林算法的判别优势,为变压器油纸绝缘老化的有效评估打下了基础。     

改进YOLO轻量化网络的行人检测算法

针对当前行人检测方法计算量大、检测精度低的问题,基于YOLOv4-tiny提出一种改进的行人检测算法.引入通道注意力和空间注意力模块(CBAM)至CSPDarknet53-tiny网络中,通过学习图像的位置信息和通道信息得到更加丰富的特征;在骨干网络CSPDarknet53-tiny之后引入空间金字塔池化模块,能够极大...     

改进YOLOv4的铁路沿线遥感影像地物检测方法

近年来,高分遥感影像技术的快速发展为铁路沿线地物检测提供了一种重要技术手段。基于回归的一阶段目标检测方法YOLOv4具有检测精度高、速度快等优点,但用于遥感影像检测时仍然存在部分细节特征信息丢失导致的小目标漏检,以及进行大面积地物检测时效率低的问题。为此,提出改进YOLOv4网络模型对遥感影像铁路沿线地物进行检测。首先,设计由卷积、批量归一化和Mish激活函数组成的CBM(convolution batch normalization mish)模块,并采用DCBM(double CBM)模块作为密集连接网络(DenseNet)的传输层用于YOLOv4网络特征提取以实现地物特征传递和信息重用,增强小目标地物的检测能力,降低漏检率;然后针对YOLOv4在大面积检测时效率不高和模型参数空间较大的缺陷,将压缩激励SE(squeeze excitation)通道注意机制用于骨干网中跨阶段局部单元(cross stage partial, CSP)的每个残差单元之后,减少SE注意模块的重复调用次数,使其能够在提高网络性能的同时降低模型参数量从而提高检测效率;最后,针对长条形状的铁路目标提取困难问题,在网络结果输出之前引入改进的通道空间注意力机制ICBAM(improved convolutional block attention module) 保留原始特征信息,解决铁路目标特征提取能力差的问题,提高铁路中大尺度目标的检测效率。为验证所提方法的有效性,选取2 048张分辨率为1 920×1 080的某段铁路沿线遥感影像地物样本数据,将其中的铁路、房屋、楼宇建筑、农田和水池作为检测目标进行实验,并与当前流行的目标检测方法进行对比。结果表明,改进方法不仅增强了对小目标地物的检测能力,提高了地物检测精度和速度,而且提高了大尺度目标的检测效率。与YOLOv4算法相比,mAP提高了2.11%,准确率提高了2.93%,召回率提高了3.79%,模型大小减少了8.53%。所提方法为当前应用高速铁路沿线遥感影像地物快速精准检测提供了有效方法。     

星上电缆自动导通绝缘测试仪的设计与开发

星上电缆在航天器系统工程中起到了传递能量和信息的关键作用,并且其上天后具有不可修复性,这就决定了它在电性能检测方面必须做到高质量与高可靠。本文针对传统人工方式进行导通绝缘测试时工作强度大、检测效率低下和可信度低等缺点,设计并开发了一种星上电缆自动导通绝缘测试仪。该仪器基于模块化设计的思想采用中央控制器对各个模块单元进行控制来分别实现测试通道自动切换、测试电压的供给、星上电缆导通绝缘电阻的数据采集、通讯、存储和显示。实践结果表明,星上电缆自动导通绝缘测试仪一方面可以提高电缆导通绝缘测试的可靠性,增强质量控制;另一方面,可以提高效率,节省生产周期,降低劳动强度。     

基于可见/近红外光谱和深度学习的早期鸭胚雌雄信息无损检测

胚蛋雌雄识别一直是家禽业发展的瓶颈问题,在禽肉生产过程中倾向于养殖雄性个体,而禽蛋生产产业倾向于养殖雌性家禽。若能在孵化过程中较早鉴别出种蛋的雌雄,不仅能够降低家禽孵化产业的成本,还能够提高禽蛋和禽肉生产行业的经济效益。该文以种鸭蛋为研究对象,为了在种鸭蛋孵化早期实现对种蛋的雌雄识别,构建了可见/近红外透射光谱信息采集系统,在200～1 100 nm的波长范围内采集了345枚孵化了0~8 d的种鸭蛋光谱数据。搭建了适用于种鸭蛋光谱信息的6层卷积神经网络（convolutional neural network, CNN）,其中包括输入层、3个卷积层、全连接层与输出分类层。卷积层可以提取光谱中的有效信息,全连接层通过对卷积层提取的局部特征进行整合供输出层分类决策。另外在卷积神经网络中引入局部响应归一化和dropout操作能够加快网络的收敛速度。利用该卷积神经网络构建鸭胚雌雄信息识别网络,通过对比与分析不同孵化天数的识别效果,发现孵化7d的识别效果最佳。随后将孵化7 d的种鸭蛋原始光谱数据进行噪声去除,选取500~900 nm波段用于后续的特征波长选取和建模。分别运用了竞争性自适应重加权算法(CARS)、连续投影算法( SPA)与遗传算法(GA)选择能够区分鸭胚性别的波长点,将选取的特征波长转换为二维的光谱信息矩阵,二维光谱信息矩阵保留了一维光谱的有效信息,同时极大地方便了与卷积神经网络的结合。利用二维光谱信息矩阵和卷积神经网络相结合,实现孵化早期阶段鸭胚的雌雄识别。经检验,基于 SPA算法和CNN网络建立的模型效果较佳,其中训练集、开发集及测试集的准确率分别为93.36%,93.12%和93.83%;基于GA算法和CNN网络建立的模型效果次之,训练集、开发集及测试集的准确率分别为90.87%,93.12%和86.42%;基于CARS算法和CNN网络建立的模型的训练集、开发集及测试集的准确率分别为84.65%,83.75%和77.78%。研究结果表明基于可见/近红外光谱技术和卷积神经网络可以实现孵化早期鸭胚胎雌雄的无损鉴别,为后续相关自动化检测装置的研发提供了技术支撑。     

多尺度传感网络失效节点检测系统设计

对多尺度传感网络中的失效节点进行准确检测与定位,实现故障节点的高效检测,保障传感网络的可靠运行。提出一种基于多传感器量化融合跟踪滤波检测的失效节点检测算法,并进行检测系统优化设计。构建多尺度传感网络的节点分布实体对象模型,进行失效节点检测系统总体设计和技术指标分析。设计基于多传感器量化融合跟踪滤波检测的失效节点检测算法。进行系统的硬件设计,包括A/D模块设计、时钟电路设计、程序加载电路设计、传感器通信模块设计和系统电源模块设计。在ARM Cortex?-M0平台上进行检测系统软件开发。系统仿真结果表明,该系统进行多尺度传感网络失效节点检测的准确度较高,提高了传感器网络的寿命周期。     

基于GADF变换和多尺度CNN的哈密瓜表面农药残留可见-近红外光谱判别方法

针对哈密瓜表面农药残留化学检测方法成本高且具有破坏性等问题,探索了可见-近红外（Vis-NIR）光谱技术对农药残留定性判别的可行性。以哈密瓜为载体,百菌清和吡虫啉农药为研究对象,采集哈密瓜表面无残留、百菌清和吡虫啉残留的可见-近红外漫反射光谱,利用格拉姆角场（GAF）将一维光谱数据转换为二维彩色图像,构建GAF图像数据集。设计一种包含Inception结构的多尺度卷积神经网络模型用于哈密瓜表面农药残留种类判别,包括1层输入层、3层卷积层、1层融合层、1层平坦层、2层全连接层和1层输出层。模型测试混淆矩阵结果表明,格拉姆角差场（GADF）变换对哈密瓜表面农药残留的可见-近红外光谱表达能力较强。此外,构建AlexNet、VGG-16卷积神经网络（CNN）模型和支持向量机（SVM）、极限学习机（ELM）机器学习模型与提出的多尺度CNN模型进行性能对比。结果表明,3种CNN模型对哈密瓜表面有无农药残留的判别效果较好,综合判别准确率均高于SVM和ELM模型。对比3种CNN模型性能,多尺度CNN模型的性能最佳,训练耗时为14 s,综合判别准确率为98.33%。多尺度CNN模型结构利用多种小尺寸滤波器组合（1×1,3×3和5×5）和并行卷积模块,能够捕获不同层次和尺度的特征,通过级联融合模式进行深度特征融合,提高了模型的特征提取能力。与传统深度CNN模型相比,在保证计算复杂度不变的情况下,多尺度CNN模型的精度得到了有效提高。实验结果表明,GADF变换结合多尺度CNN模型可以有效进行光谱数据解析,利用可见-近红外光谱技术可以实现哈密瓜表面农药残留的定性判别。研究结果为大型瓜果表面农药残留的快速无损检测技术的研发提供了理论参考。     

一种基于Mumford-Shah模型的红外图像边缘检测方法

 Chan-Vese模型是一种优秀的简化Mumford-Shah模型。然而Chan-Vese模型是以两个同质区域为基础建立的,这并不符合红外图像的特点,导致直接应用该模型处理红外图像时可能失败。针对这一问题,提出了一种适用于红外图像边缘检测的改进Mumford-Shah模型,并对该模型中目标边缘的保持、停止准则的建立及算法速度的提高作了详细讨论。实验表明,改进Mumford-Shah模型能够克服Chan-Vese模型在对红外图像边缘检测时不能跨越过渡区域的缺点,有效地检测出目标边缘。