基于目标检测的苹果探测与定位研究

准确探测与定位苹果位置可以有效加强机器人果实作业的精准率,提高机器人工作效率。随着深度学习技术的迅速发展,深度学习技术被广泛应用到图像目标检测中。文章通过将Transformer应用到苹果检测与定位中,开发出一个能够对苹果进行探测及定位的软件程序。先详细介绍了目标检测的基本概念,然后介绍了Transformer模型,并将基于此开发出的Deformable DETR应用到该苹果检测与定位中,实验结果表明,该软件能够有效对苹果进行检测与定位。     

改进Retinanet模型的遥感图像目标检测方法

针对遥感数据集尺度差异大、样本不均衡、信噪比低以及小目标特征弱而导致的检测效果差,提出了一种改进Retinanet算法。该算法基于卷积块的注意机制（Convolutional Block Attention Module,CBAM）突出有用特征和抑制多余信息,使用改进的特征融合方式提高模型的尺度不变性,使用GIoUloss增加边框预测的精确性,使用soft-nms减少密集对象的漏检。改进算法比原始的Retinanet算法对遥感图像的检测精度更高,在DIOR数据集上的平均精度均值（mean Average Precision,mAP）比Retinanet高了3.6,且能保持原有的检测速度。     

基于卷积神经网络的焊缝表面缺陷检测方法

针对工业激光焊接中,采用传统方法进行焊缝质量检测效率低下的问题,提出了一种基于卷积神经网络的工业钢板表面焊缝缺陷检测方法;首先基于卷积神经网络,搭建了一个多分类模型框架,并分析了各层中所用到的函数及相关参数;然后基于工业数控机床和工业相机进行了焊缝数据采集,并对这些数据进行了分类、增强、扩增等前期预处理;最后基于数控机器轴,采用滑动窗口检测的形式采集实际待测图像,并通过实验对比了传统的机器学习算法在该类图像数据中的性能评估;经实验证实,通过卷积神经网络训练得到的多分类模型,焊缝缺陷检测精度能达到97%以上,且每张待测图像的测试时间均在300 ms左右,远超机器学习算法,在准确性和实时性上均能达到实际工业要求。     

基于嵌入式uClinux的焊缝检测与跟踪系统

为解决焊接加工自动化过程中焊枪与工件之间的跟踪检测系统安全性差的问题，提高检测精度及可靠性，自行研究开发了以弱磁传感器(GMR)作为信息提取的器件，同时在系统软件设计中用uClinux嵌入式操作系统来增强系统的稳定性。     

基于视觉检测技术的轮毂位置精确测定

针对工业技术智能化的发展趋势,及电动车轻质合金轮毂机械加工工艺,对装卡位置精度要求高,文章研究一种有效的轮毂装卡位置精准测定方法,以解决当前检测方法,易受人为因素影响、效率低、稳定性差等问题;提出一种基于机器视觉技术的非接触式轮毂装卡位置精确测定方法,应用CCD工业相机搭建视觉检测系统,运用双特征位置精确测定方法,提取相机摄入图像中轮毂气门孔和中心孔的两处主要特征,通过对双特征数据的分析与计算确定轮毂位置精度误差,并根据计算数据输出装卡位置误差,应用分段位移、逐渐次定位的方式进行反馈补偿;通过实验测量表明,在系统的测量参量值中,角度标准差为0.022 6°,测量不确定度为0.003 6°,测量精度理想,平均检测时间为0.29 s,检测时效性良好,能够满足轮毂自动化加工位置检测的性能要求。     

改进YOLOX火灾场景检测方法的研究

针对现有目标检测模型难以应用在复杂火灾场景的问题,论文提出了基于注意力机制改进的YOLOX火灾场景检测模型,实现对火焰、烟雾以及受灾人员的检测。首先,在CSPLayer层上添加轻量级注意力模块,提升模型整体的检测性能;其次,引入通道混合技术,提高各通道间的交流能力;最后,将主干网络最后一层换为轻量级Transformer模块,强化主干网络对全局信息的抓取能力。通过在自制火灾数据集上的实验表明,T-YOLOX的mAP比基准模型（YOLOX）提高了2.24%,与CenterNet、YOLOv3相比检测精度有较大提升,证明了该算法的有效性和优越性。     

基于C8051F021的焊缝检测通道设计

为了解决在焊缝检测过程中,传感器拾取信号的处理问题。本文提出以SOC(systemonchip,片上系统)的C8051F021为基础,采用时间触发器分时处理焊缝和GMR(Giant Magneto Resistive,巨磁阻)焊枪悬浮高度传感器等信息,设计出焊缝的自动焊接检测通道。经试验表明,这些电路抗干扰能力强、实时性好,其采样精度完全满足控制系统的要求。具有很好的实用价值。     

基于现场总线式焊缝检测复合传感器设计

介绍了一种传感器前置的焊缝检测与跟踪控制方法.由GMR电桥和涡流传感器构成焊缝检测复合传感器,GMR电桥进行高度检测,涡流传感器的差动测量绕组进行焊缝中心偏差检测.通过补偿绕组对测量绕组输出信号进行补偿,消除错边对相位和幅值的影响;通过软件校正方法,消除高度变化对信号幅度的影响.建立FIFO数据队列保存焊炬与前置传感器...     

浅谈钢结构焊缝无损检测方法的应用

分析了无损检测方法在钢结构焊缝中的应用现状,并探析了几种常见无损检测方法在钢结构焊缝中的应用,以供参考。     

基于深度学习和Transformer的目标检测算法

目标检测是实现目标跟踪、实例分割等高级视觉任务的基础,在智慧交通、缺陷检测、智能安防等现实场景有着重要应用。现有高精度检测算法都是在深度学习的指导下实现,同时伴有锚框技术,但是锚框自身的不足对检测器性能有着较大影响,无锚点碰撞检测成为了近几年目标检测领域新的研究方向。与此同时,Transformer表现出的巨大潜力为视觉领域开辟了图像与Transformer结合这个新方向,基于Transformer的目标检测也成为一个新的研究热点。系统地总结了深度学习时代的目标检测算法,调查并研究了近五年目标检测的相关论文,重点从Anchorfree和Transformer两个角度对这些算法进行深入分析,介绍了这些算法在现实场景具体应用情况以及目标检测领域常用数据集,基于目前的研究现状对目标检测的未来可研究方向进行了展望。     

基于灰度形态学的图像处理在焊缝识别中的应用

焊缝轨迹的提取是自动化焊接的关键技术,它不仅要求焊缝提取的准确性,而且要求实时性。论文采用爬行机器人CCD获取的焊缝原始图像,充分利用其灰度分布信息,提出了一种基于灰度形态学的图像处理算法。该算法能针对不同的焊缝,通过灰度形态学滤波等处理,提取焊缝的特征。实验结果表明该算法能满足实时、准确性要求。     

基于背景重构X射线钢管焊缝缺陷检测方法

焊缝缺陷检测是保证焊接质量的重要环节,随着工业的高速发展和迫切需求,X射线焊缝缺陷自动检测技术得到了广泛的研究,但是由于成像方式,以及铸件材质等客观因素的影响,X 射线图像存在噪声多、对比度低、背景亮度不均匀、焊缝边缘模糊等问题,使得利用计算机进行焊缝缺陷自动检测的准确率不太理想. 针对这一问题,本文提出了一种能够自动检测钢管焊缝缺陷的检测方法. 首先,采用了快速ICA算法重构了含有缺陷的X射线焊缝图像的背景区域;随后,将原图像与重构图像进行做差,并且对差后图像使用阈值法将缺陷提取出来;最后,在提取出的缺陷结果上做了进一步处理,有效的降低了漏检率和误检率. 与其他传统检测算法相比,它对缺陷类型不敏感,具有较好的适应性和通用性.     

基于磁致伸缩电磁超声导波的钢板焊缝缺陷检测

针对工业现场使用压电超声波检测焊缝缺陷时需使用耦合剂的问题,研究了通过无须耦合剂的基于磁致伸缩电磁超声对薄钢板焊缝中缺陷进行检测的方法,并且针对电磁超声换能效率低、信号微弱的问题,通过仿真优化了回折线圈结构参数,选择了三分裂回折线圈,并探究了导波频率对缺陷检测灵敏度的影响。仿真结果表明:相比于无分裂线圈,选择三分裂回折线圈后激励信号面内位移幅值提高了94.2%,随着导波频率增加,缺陷反射回波幅值表现出先增大再减小的变化规律。实验结果表明:S0模态Lamb波垂直入射焊缝时,焊缝本身产生的回波与缺陷信号相比相对较小,缺陷检测阈值达到1 mm,缺陷定位误差小于2 mm,证明了电磁超声导波具备检测焊缝中毫米级缺陷的能力。     

直方图反向投影多目标检测优化算法

针对目标检测中图像背景信息复杂以及反向投影方法目标颜色类型单一的问题,提出了一种改进的直方图反向投影目标检测优化算法．在建立多个目标模型弥补一般反向投影方法不能同时检测含有不同颜色信息目标这一不足的同时,通过对目标概率图像进行一系列优化处理以减小复杂背景对目标检测的干扰．实验结果表明,该算法在满足对视频图像实时处理要求的同时可准确检测目标位置,且检测效果及计算效率优于传统反向投影算法及其他方法．     

基于视频图像的绊线检测方法研究

在绊线检测中,高斯模型用于背景建模,背景差分用于前景目标提取,扫描虚拟线上所有点,当检测到目标穿越绊线后,若为双向绊线,系统直接报警;若为单向绊线,利用目标颜色直方图欧拉距离来确定目标运动方向,如果目标运动方向与禁止穿越方向一致,系统报警。实验表明,给出的方法能够准确实现绊线检测。     

一种基于文本检测的书脊定位方法

书脊定位是实现图书管理自动化的重要技术,通过对定位分割出的书脊图像进行图像匹配或文本识别获得图书信息,可大大减小图书检索、整理的人力劳动。论文提出了一种基于文本检测的书脊区域粗选方法,首先通过序贯分割算法检测图像中的字符整体区域,然后根据字符宽度和距离将同属于一本书的字符加入相似字符集合,根据集合内的字符中心和字符宽度计算候选书脊区域,最后通过支持向量机分类器精选书脊区域。相比于已有的书脊定位方法,论文算法在光照敏感、相邻书脊颜色对比度敏感、书脊多角度倾斜检测等方面进行了改善,在实验中取得了较好的定位成功率。     

基于卷积神经网络的实时行人检测方法

近年来,卷积神经网络在行人检测领域取得了同其他方法相似甚至更好的检测成绩,然而缓慢的检测速度远不能满足现实需求.针对这一问题,本文提出一种实时的行人检测方法,将分散的检测过程整合成单一的深度网络模型,被检测图片通过模型的计算可以直接输出检测结果.使用扩充的ETH数据集进行训练测试,实验结果表明,在保证准确率的情况下,该方法检测速度极快,可以满足实时检测的目的.     

基于改进的YOLOv4高速公路车辆目标检测研究

针对高速公路场景下的车辆目标检测问题,提出了一种改进的YOLOv4网络对交通场景下车辆目标进行检测的方法;制作了一个多天候、多时段、多场景的车辆目标数据集,并依据数据集得到检测模型;提出多标签检测方法,并在多标签之间建立约束关系,得到更完善的车辆信息;提出了一个图像拼接检测方法,将多幅图像通过拼接层连接后进行车辆检测,...