传送带偏移检测技术研究及FPGA实现

为了解决送料传送带在运行过程中发生的横向偏移和纵向偏移所导致的材料加工精度降低等问题,设计了一种基于改进的Hough直线检测算法的传送带偏移检测系统。本系统采用FPGA作为处理单元,对CMOS图像传感器拍摄的实际传送带图像进行滤波、边缘检测、二值化等图像的预处理,利用以太网传输方式把预处理后的图像信息传送给上位机,在上位机中进行Hough直线检测算法处理,获得传送带的偏移状态。通过实验,系统能够实时地检测出倾斜角精度最高0.245°的倾斜偏移和横向8个像素的偏移。     

基于多头图注意力网络与图模型的多标签图像分类

多标签图像分类是多标签数据分类问题中的研究热点.针对目前多标签图像分类方法只学习图像的视觉表示特征,忽略了图像标签之间的相关信息以及标签语义与图像特征的对应关系等问题,提出了一种基于多头图注意力网络与图模型的多标签图像分类模型(ML-M-GAT).该模型利用标签共现关系与标签属性信息构建图模型,使用多头注意力机制学习标签的注意力权重,并利用标签权重将标签语义特征与图像特征进行融合,从而将标签相关性与标签语义信息融入到多标签图像分类模型中.为验证本文所提模型的有效性,在公开数据集VOC-2007和COCO-2014上进行实验,实验结果表明, ML-M-GAT模型在两个数据集上的平均均值精度(mAP)分别为94%和82.2%,均优于CNN-RNN、ResNet101、MLIR、MIC-FLC模型,比ResNet101模型分别提高了4.2%和3.9%.因此,本文所提的ML-M-GAT模型能够利用图像标签信息提高多标签图像分类性能.     

基于结构光和极线约束的三维重建

结构光可以简单、快速并且精确地对被测物体进行三维信息提取,从而得到三维数据点云.而在结构光三维信息获取系统中,条纹的准确检测是影响系统精度的关键因素之一.为了改善这一问题,先利用格雷码对图像条纹进行粗定位,再结合相位码准确地对图像务纹进行细定位并利用极线约束把图像匹配过程中的二维搜索降为一维搜索.结构光条纹和极线的交点就是图像的匹配点,对匹配点空间前方交会即可得到物体的三维点云.反复试验表明,该方法能取得较好的效果.     

基于双目结构光视觉的煤流量测量研究

在常规的双目视觉系统中,常用的加速稳健特征和尺度不变特征转换匹配算法对图像质量要求高,针对煤炭这种颜色纹理比较单一的场景应用时容易失效,且需要消耗大量的计算资源,难以保证实时性;激光雷达在进行煤流量测量时,有效视场范围较小,对应的测量点数较少,扫描频率也较低,在带式输送机运行速度较快时,精度会大幅降低。针对上述问题,提出一种基于双目结构光视觉的煤流量测量方法,将线结构光引入双目视觉系统,利用线结构光的约束,将图像特征点匹配简化成左右2幅图像行之间的匹配。在保证双目系统相机光轴平行度的基础上,采用对应行匹配计算三维坐标点,提高采样频率和分辨率,进而提高煤流量测量精度,降低测量系统对光照和环境的依赖。点云获取：利用线结构光凸显煤料截面曲线,提取煤料截面中心线的图像坐标,利用双目相机获取左右煤料截面线结构光图像,建立双目结构光三维重建模型,左右图像中心线坐标构成匹配点对参与计算煤料截面三维坐标,实现点云的实时获取。煤流量计算：利用空载胶带截面点云和负载胶带截面点云,结合获取煤料点云,利用微元法对煤料三维点云进行采样,分别利用均匀网格化法和三角网格化法求取单位时间内的煤料体积,实现带式输送机煤...     

基于双目视觉的三维测量方法

研究工业设备检测问题,为提高工业检测的效率,研究了激光线扫描与双目视觉相结合的零件测量方法.测量系统中两台摄像机成一定角度布置,线结构光投射到工件表面产生变形的激光条纹,作为形状表面测量标志线.为提高设备检测精度,系统标定中采用普通的电脑液晶显示屏作为标定模板,液晶屏中显示按规律变换位置的平行直线束图像,摄像机进行同步...     

基于生成模型约束的graph cuts标签融合算法

人脑磁共振图像（magnetic resonance imaging,MRI）分割算法易受图谱错误标签的影响,为减少错误标签对标签融合准确度的影响,提高人脑磁共振图像的分割精度,在图谱预选阶段采用梯度信息和互信息筛选出相似性较大的图谱图像,标签融合阶段提出利用生成模型（generative model,GM）约束的graph cuts标签融合方法,快速准确地分割出人脑海马体结构。与其他的标签融合方法对比,提出的算法具有更高的分割精度。     

线阵CCD精度靶图像触发算法设计

针对线阵CCD精度靶测量弹丸坐标时需要额外触发光幕发送触发信号来决定其何时开始采集的问题。在图像采集过程中,设计一种图像触发算法在接收线阵CCD相机的图像数据信号的同时自动检测弹丸并实时发送触发信号。通过研究弹丸图像的特性以及算法在FPGA上的硬件实现方法,利用当前采集到的图像对算法进行了实验验证。实验验证表明,该算法可有效识别弹丸信号,并能排除其它非弹丸信号的干扰。该算法对提高线阵CCD精度靶触发精度,精简线阵CCD精度靶结构具有十分重要的意义。     

一种快速稳健的乐谱图像谱线检测与删除方法

提出一种快速稳健的乐谱图像谱线检测与删除方法。在谱线检测阶段,首先利用计算若干条形区域水平投影队列间交叉相关性的方法,自动矫正图像的倾斜和变形缺陷,然后根据水平投影峰值检测谱线。其优点是算法执行效率高,对有倾角和变形的图像具有良好的鲁棒性,图像经过矫正,谱线定位的精度得到显著提高。在谱线删除阶段,提出基于游程邻接图段分析的删除方法,避免了传统方法的“误删”现象发生,较好地保持了音符的完整性。实验结果表明了上述方法的正确性和有效性。     

基于航空图像的目标检测算法Trans＿YOLOv5

与自然图像的检测算法相比较,航空图像的检测存在目标角度随机、目标尺度变化剧烈、小目标密集、图像背景复杂等问题。针对这一系列难题,提出适用于航空图像检测的Trans-YOLOv5算法。修改YOLOv5算法中数据预处理模块以及后处理方法,增加一个目标角度标签的处理,使其适用于目标角度随机的航空图像。针对后续出现的边界问题,引入CSL(Circular Smooth Label,圆形平滑标签)将标签角度回归问题转换为分类问题,提高角度标签检测的精度。针对航空图像小目标检测问题,将Swin Transformer集成于YOLOv5框架中,提升模型对小目标的检测效果,并配合注意力机制模块,提高全局表征能力,使网络模型更加关注于待检测的目标对象。在DOTAv2.0航空图像数据集上的实验结果验证了所提方法的有效性,检测结果达到60.98%mAP,与原YOLOv5算法检测结果相比提高10.85百分点,与官网公布的竞赛最佳结果相比提高2.01百分点。     

基于边缘特征的车道偏移检测与预警

车道偏移的检测是智能车辆辅助驾驶系统中的重要技术问题之一.通过基于灰度阈值分割的梯度边缘检测技术,在对路面图像进行边缘检测的同时,配合以路面的灰度信息,准确地分离出车道标志线的边缘,再依此定义车道的跟踪区域--感兴趣区域(ROI),利用车道边缘信息定义边缘分布函数EDF(Edge Distribution Function),通过对跟踪区域中车道线梯度方向的分析,获取两条车道标志线在道路图像中的方向,以此作为车道偏移判断与预警的主要根据.该方法能够有效地抑制图像中非线性物体的干扰,是一种有效、可靠的车道偏移检测与预警方法.     

基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光测量系统的相机标定的精度对三维测量的精度有很大影响;首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。     

基于节点引力与鱼记忆的社区检测算法

标签传播算法是高效且具代表性的社团检测算法,其中不包含必需调节适应的相关参数,是大型网络社团检测的首选算法。标签传播算法具有较低的时间复杂度,但其随机性较强,且在标签传播过程中存在不确定性因素,影响了社区检测的准确性和稳定性。针对上述问题,提出一种基于节点引力和鱼记忆标签存储策略的社区检测算法CDA-GM。通过融入节点信息熵的k-shell排序策略增强社区检测的准确性,利用节点间的引力更新标签,减小标签传播的随机性。在此基础上,引入鱼记忆节点标签存储策略,避免出现标签震荡,增强标签传播的稳定性。选择人工网络和真实世界网络数据集进行实验,结果表明,该算法能够显著提高社区检测质量,获得准确的社区结构,与COPRA、SLPA、DLPA和COPRAPC算法相比,其标准化互信息值平均提高0.01、0.18、0.12、0.02,社区模块度平均提高0.04、0.02、0.07、0.01。     

改进型LOG算子在偏振片绝对角度中的应用

光学成像系统自身通常都具有一定的偏振效应,严重影响仪器偏振测量精度,而提高仪器中偏振片绝对角度精度能提高偏振定标精度,对校正光学系统自身的偏振特性具有重要的意义。对偏振片直线透光轴Raw图像高精度边缘定位和直线检测是偏振片绝对角度计算的关键步骤。针对传统LOG算子各向同性及虚假边缘与边缘定位精度相矛盾的缺陷,提出改进型一阶导阈值旋转式椭圆对称LOG算子。该算子不仅保留了经典LOG算子的优点,还具有对不同角度的边缘更加有效地进行检测,在保持边缘定位精度下,减少虚假边缘的特点。在处理得到的边缘二值图像上,进行直线检测求出偏振片绝对角度,通过对比分析最小二乘法线性拟合和霍夫变换的直线检测效果,得出霍夫变换能精确计算出偏振片绝对角度。实验证明改进型LOG算子与霍夫变换相结合提高了偏振片绝对角度测量精度,对偏振定标精度具有很大的提高。     

基于协作式标注图像数据的垃圾标签检测方法

由于用户标签的不准确和语义模糊使得协作式标注图像检索正确率低,而现有垃圾标签过滤方法往往关注标签本身,忽略了协作式标签与图像的关联性。本文在分析协作式标注图像视觉内容与标签的关联性的基础上,提出一种基于协作式标注图像视觉内容的垃圾标签检测方法。该方法分析同一标签下图像视觉内容,设计不同的核函数用于颜色和SIFT(Scale invariant feature transform)特征子集,同时将2种低维特征映射到高维多模特征空间形成混合核函数,对同一标签下的图像进行基于混合核的最大最小距离聚类,少数群体的标签说明与图像内容关联性小则为用户标注错误的标签,从而检测垃圾标签。实验结果表明,该方法能够提高协作式图像垃圾标签检测的正确性。     

A robust weld seam recognition method under heavy noise based on structured-light vision

Structured-light vision systems are widely used in robotic welding. The key to improving the robotic visual servo performance and weld quality is the weld seam recognition accuracy. Common detection algorithms are likely to be disturbed by the noise of spatter and arc during the welding process. In this paper, a weld seam recognition algorithm is proposed based on structured light vision to overcome this challenge. The core of this method is fully utilizing information of previous frames to process the current frame, which can make weld seam extraction both more robust and effective. The algorithm can be divided into three steps: initial laser center line recognition, online laser center line detection, and weld feature extraction. A Laplacian of Gaussian filter is used for recognizing the laser center line in the first frame. Afterwards, an algorithm based on the NURBS-snake model detects the laser center line online in a dynamic region of interest (abbreviated ROI). The center line obtained from first step is set as the initial contour of the NURBS-snake model. Using the line obtained from the previous step, feature points are determined by segmentation and straight-line fitting, while the position of the weld seam can be calculated according to the feature points. The accuracy, efficiency and robustness of the recognition algorithm are verified by experiments.     

融合K-shell和标签熵的重叠社区发现算法

针对标签传播算法稳定性不足、准确性较差的问题,提出了融合K-shell和标签熵的标签传播重叠社区发现算法OCKELP。首先,采用K-shell算法减少了标签初始化时间,并利用标签熵的更新序列提高了算法的稳定性;其次,引入综合影响力进行标签选择,并将社区层次信息和节点局部信息融合提高了算法的准确性。在真实网络数据集上,OCKELP相较于重叠社区发现算法（COPRA）、基于多核心标签传播的重叠社区识别方法（OMKLP）、SLPA的模块度最大提升分别约68.64%、53.99%、42.29%,在人工网络数据集的归一化互信息（NMI）值上,OCKELP相较于其他三种算法也有着明显优势,且随着重叠节点隶属社区数量的增加可以挖掘出社区的真实结构。     

基于图结构源代码切片的智能化漏洞检测系统

针对智能化漏洞检测,从源代码程序依赖图中根据漏洞特征提取图结构源代码切片,将图结构切片信息表征后利用图神经网络模型进行漏洞检测工作。实现了切片级的漏洞检测,并在代码行级预测漏洞行位置。为了验证系统的有效性,分别与静态漏洞检测系统、基于序列化文本信息和基于图结构化信息的漏洞检测系统做比较,实验结果表明,所提系统在漏洞检测能力上有较高准确性,并且在漏洞代码行预测工作上有较好表现。     

基于机器学习的车道线检测系统仿真与优化

真实的道路行驶环境是复杂多变的,会对车辆识别算法造成较大干扰。为准确识别车道线,提高车道线检测算法的实时性和鲁棒性,进行了多方面的改进。首先对采集到的图像进行预处理,包括图像灰度化、45°sobel算子边缘检测和二值化处理等,获得高质量图片。其次采用改进的Hough变换进行车道线识别和优化,提高检测结果的准确性,促进检测有序进行。最后通过最小二乘法对结果进一步优化,以期得出更加精确的车道线。实验结果表明:改进后的算法可以较为准确的识别车道线,具有较强的实时性、鲁棒性和准确率。     

基于不同背景噪声的联合检测技术

提出一种简单、实用的联合检测技术,将经典的基于能量和过零率的双门限法与基于小波变换的子带能量法巧妙地结合起来进行语音信号的端点检测,充分利用双门限法算法简单、实时性好、准确率高,小波子带能量对高斯白噪声区分性能强的特性。仿真结果表明新算法能提高检测系统在噪声环境下端点检测的准确率。     

复杂场景下基于改进YOLOv3的车牌定位检测算法

针对在光照、多车辆和低分辨率等复杂场景下车牌定位困难、检测速度慢和精度低等问题,提出了一种改进YOLOv3的方法。采用K-means++方法对实例的标签信息进行聚类分析获取新的anchor尺寸,通过改进后的精简特征提取网络（DarkNet41）来提高模型的检测效率并降低计算消耗。此外,改进了多尺度特征融合,由3尺度预测增加至4尺度预测并在检测网络中加入了改进后的Inception-SE结构来提高检测的精度,选取了CIoU作为损失函数。预处理方面用MSR（Multi-Scale Retinex）算法对数据进行增强。实验分析表明,采用该算法mAP（均值平均精度）达到了98.84%,检测速度达到36.4帧/s,与YOLOv3模型以及其他算法相比具有更好的准确性和实时性。