基于U-net和可见光谱图像的黄瓜褐斑病分割

褐斑病是黄瓜主要真菌性病害之一,适宜条件下,特别是在昼夜温差大及饱和湿度条件下发病迅速,病情加重,导致黄瓜减产,造成经济损失.对黄瓜褐斑病进行病斑分割与提取,可以为后续的病害识别与诊断提供有效依据,具有重要意义.结合黄瓜褐斑病可见光谱图像,利用U-net深度学习网络构建黄瓜褐斑病语义分割模型,实现了病斑分割.首先在采集...     

类别非均衡遥感图像语义分割的全卷积网络方法

基于U-Net模型,提出了一个全卷积网络(FCN)模型,用于高分辨率遥感图像语义分割,其中数据预处理采用了数据标准化和数据增强,模型训练过程采用Adam优化器,模型性能评估采用平均Jaccard指数。为提高小类预测的准确率,模型中采用了加权交叉熵损失函数和自适应阈值方法。在DSTL数据集上进行了实验,结果表明所提方法将预测结果的平均Jaccard指数从0.611提升到0.636,可实现对高分辨率遥感图像端到端的精确分类。     

基于深度学习的无人车夜视图像语义分割

为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。     

基于改进迭代阈值的白细胞图像分割方法

人体外周血五类白细胞数量和所占比例反映了人体的健康状态,人工检查白细胞消耗医务人员的大量精力,如何用智能方法快速、准确进行白细胞智能分类是一个亟待解决的问题,其中白细胞分割的准确性是正确分类的关键。提出了一种改进的迭代阈值图像分割算法,对恢复有丝分裂连线的最小距离方法进行了基于数学和数模分析的预处理改良,提升了白细胞图像分割的精度和效率,解决了血小板粘连、白细胞边界不分明等问题。将白细胞从复杂的血液环境中分离出来,对有丝分裂细胞的多叶核进行最小距离判定并连线,然后定位到每个白细胞,制作数据集,最后用CNN分类。经测试,分割正确率达到了96%以上。实验结果验证了所提分割方法的准确性、高效性和实用性。     

基于改进DeepLabv3+的无人车夜间红外图像语义分割

为了增强无人车对夜间场景的理解能力,针对无人车在夜间获取的红外图像,提出了一种基于改进DeepLabv3+网络的无人车夜间红外图像语义分割算法。由于自动驾驶场景中的对象往往显示出非常大的尺度变化,该算法在DeepLabv3+网络的基础上,通过引入密集连接的空洞卷积空间金字塔模块,使网络生成的多尺度特征能覆盖更大的尺度范围。此外,该算法将编码器模块的多层结果拼接在译码器模块中,以恢复更多在降采样过程中丢失的空间信息和低级特征。通过端到端的学习和训练,可直接用于对夜间红外图像的语义分割。实验结果表明,该算法在红外数据集上的分割精度优于原DeepLabv3+算法,平均交并比达到80.42,具有良好的实时性和准确性。     

基于遮挡图像多尺度重建的表面缺陷检测

遮挡图像重建是无监督异常检测的主要方法之一,通过生成式模型对遮挡后的图像重建,根据重建差异来估计图像区域的异常分数,高异常分数区域即为缺陷区域。然而,现有方法仅采用若干个尺度相互独立的遮挡策略,使得模型缺乏对非规则遮挡图像的重建能力;在重建过程中图像缺失部分与完整部分的全局依赖性未被充分考虑。针对上述问题,提出多尺度网格的遮挡策略,并采用自注意力机制增强自编码器重建过程中对全局依赖性的刻画。实验结果验证了所提方法的有效性,与其他方法相比获得了更优的表面缺陷检测性能。     

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。     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类,从而判断焊接质量的等级,对传统卷积神经网络进行改进,提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率,并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响,采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理,并在该数据集上验证模型的有效性。与传统卷积神经网络相比,该模型具有良好的性能,在测试集上准确率达到96.77%,同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

基于改进的GAC模型图像分割算法

针对图像分割中经典GAC模型无法准确分割拓扑结构变化的凹陷目标、容易穿越深度凹陷的弱边缘轮廓和无法准确分割含噪声目标的问题,通过利用图像灰色关联度、类间方差和经典GAC模型构造新能量函数,提出了一种改进的GAC模型,该模型可增强经典GAC模型的边界检测能力,减少分割时间。仿真实验验证了改进的GAC模型的正确性和有效性。     

刹车片表面缺陷的图像检测方法

针对汽车刹车片表面纹理情况不一、种类繁多的问题,提出一种基于机器视觉的刹车片表面缺陷图像检测方法,该方法结合了灰度共生矩阵与密度聚类。首先提取刹车片的摩擦面,然后确定灰度共生矩阵的构造因子的选取,利用线性相关性选择特征参数。将每个摩擦面切分成若干小窗口,计算各个小窗口的特征值构造特征数据集,通过自适应密度聚类算法进行聚类分析,从而进一步判断是否存在缺陷区域。通过对58块不同型号的刹车片样本进行检测结果统计分析,实验表明,该方法误检率为8%,漏检率为6%,具有较高的检测精度,因此,该方法能够较好地检测刹车片样本是否存在缺陷,具有广泛的适用性。     

基于多模态信号的金属材料缺陷无损检测方法

金属材料缺陷检测对于经济发展具有重要意义.针对现有无损检测技术信号模态单一、检测范围有限等不足,提出了一种基于多模态信号的金属材料缺陷无损检测方法.该方法以光声无损检测方法为主体,首先利用有限元方法分析了缺陷对激光能量吸收量和光声表面波传播的影响,提出了基于激光吸收量和光声表面波的缺陷检测方法;然后搭建了多模态信号检测平台,采集了缺陷的光学、光声和超声三种模态的信号,检测出了裂纹的宽度和分布信息,以及深度和在内部的延伸状况.研究结果表明,本文提出的基于金属材料多模态信号的无损检测方法能够准确、全面地检测出金属材料的杂质和裂纹的尺寸信息,弥补了现有无损检测方法在检测范围上的不足,为缺陷定量检测和全面诊断提供了一个新的思路.     

一种边缘提取的图像分割方法

图像分析技术从广义上来讲 ,是指从图像中提取有用的数据或其它信息。图像分割是图像分析技术的重要手段 ,在前人的理论基础上经过实验提出了一种边缘提取的图像分割方法———行扫描空间带通滤波法。该方法在电视图像的自动跟踪识别中取得了很好的效果 ,是一种较为可取的图像分割方法     

一种基于2D-CNN的激光超声表面缺陷检测方法

激光超声表面缺陷检测的过程中,缺陷的定量表征通常依赖于操作者的判断,易受到人为因素干扰,致使检测结果不稳定.针对这一问题,提出一种基于图像识别的二维卷积神经网络(2D-CNN)的缺陷自动分类检测方法.利用有限元方法模拟激光超声检测过程,并采集超声信号数据用于训练分类模型;使用连续小变换(CWT)处理超声信号得到小波时频...     

桥梁拉索表面缺陷的分布式机器视觉检测

介绍了一种桥梁拉索表面损伤缺陷的分布式视觉检测系统。系统以DSP(Digital Signal Processor)芯片TMS320DM642(简称DM642)为核心处理器,协同控制辅助机械装置,实现拉索表面缺陷检测。提出并采用改进的中值滤波对CCD采集到的拉索表面图像进行图像预处理,采用改进的Sobel边缘检测算法对缺陷进行边缘检测;对分割后的缺陷目标进行决策判别,实现桥梁拉索表面缺陷的智能检测。实验结果表明,系统可检测出桥梁拉索表面损伤面积大于1cm2的缺陷,处理速度达到了5cm/s,满足了快速有效的检测要求。     

基于改进模板匹配及图像差分法的PCB板缺陷多级检测方法

针对目前应用于PCB缺陷检测系统的模板匹配方法及缺陷检测方法存在准确性不足的问题,提出一种基于改进模板匹配及图像差分法的PCB缺陷多级检测方法。提出基于多方向Sobel算子的改进模板匹配方法实现待测图像与模板图像的匹配,针对PCB板漏件缺陷,提出基于图像差分法的多级二值化检测法实现PCB图像的缺陷检测。结合实验平台测试发现,该方法能够准确地提取出缺陷区域。与现有方法相比,该方法的误检率仅5%,具有更好的稳定性以及更高的准确性。     

基于子曲面分割和迭代的自由曲面光线追迹方法

根据光学自由曲面数学描述复杂,但面形较为平滑的特点,提出一种新的基于子曲面分割和迭代的自由曲面光线追迹方法。通过离散点分割形成子曲面阵列,根据三角形内角和定理确定目标子曲面,对目标子曲面进行切平面迭代完成光线追迹。通过数值仿真,采用所提方法分别对偶次非球面、双圆锥曲面、扩展多项式面和单透镜无像散系统进行光线追迹,并与ZEMAX追迹结果进行比对。结果表明:该方法在离散点采样密度很低的情况下（降低了计算机的内存消耗和运算时间）仍然可以保证光线追迹的精确性,与ZEMAX中光线和自由曲面交点的偏差达到10-3（nm）量级,出射光线角度的偏差达到10-3（）量级。     

基于U-net模型的航拍图像去绳带方法

光启云端号平台是用电缆绳索牵引气囊的, 由于空中航拍摄像系统悬挂在气囊下方, 摄取的图像不可避免地含有绳带信息, 这些绳带信息影响图像质量, 所以在场景分析和目标检测中需要剔除。提出一种基于U-net模型的绳带检测算法, 引入深度可分离卷积提高计算速度, 采用一种带权重的交叉熵作为损失函数, 解决类别不均衡带来的收敛不稳定问题, 最终的模型能够用较少的样本在较短的时间内, 快速准确地检测绳带, 利用快速行进修复算法(FMM)对绳带图像进行了修复。实验结果表明:该算法的mIOU达到62.8%, 得到了较好的去绳结果。