支持抗光照目标检测的改进YOLO算法

针对现有的深度学习目标检测算法中存在的复杂光照场景下检测精度不高、实时性差等问题，提出了一种基于YOLO算法的抗光照目标检测网络模型YOLO-RLG。首先，将输入模型的RGB数据转换为HSV数据，从HSV数据分离出抗光照能力强的S通道，并与RGB数据合并生成RGBS数据，使输入数据具备抗光照能力；其次，将YOLOV4的主干网络替换成Ghostnet网络，并对其在普通卷积与廉价卷积的模型分配比例上进行调整，在保证检测精度的同时提高检测速度；最后，用EIoU替换CIoU改进模型的损失函数，提高了目标检测精度和算法鲁棒性。基于KITTI与VOC数据集的实验结果表明，与原网络模型比较，FPS提高了22.54与17.84 f/s，模型降低了210.3 M，精确度（AP）提升了0.83%与1.31%，且算法的抗光照能力得到显著增强。     

基于机器视觉对交通场景中车辆速度识别研究

通过对YOLOv5机器视觉框架进行二次开发，同时融合DeepSORT追踪算法，实现对桥梁交通车辆时空信息的提取和车辆轨迹的追踪。改进了传统的虚拟线圈法，实现了对车辆速度的测量，避免对传统方法中因检测线圈的像素变化进行阈值的设定，提高了算法的普适性。最后，将算法应用到实际的场景中与测速仪结果进行对比，其中平均误差在1%以内，误差最大值控制在为15%以内。     

船舶垫块蓝油拂配质量检测

垫块蓝油拂配质量与船舶主机等设备的工作稳定性相关,在船舶设备装配期间应对蓝油拂配质量进行检测,以确保装配环节满足工艺要求。采用机器视觉方法对船舶垫块蓝油拂配质量进行检测,获得蓝油拂配图像并进行裁剪,基于OpenCV框架对图像进行处理和计算,并标注每个部分的蓝油拂配比例,以实现船舶垫块蓝油拂配质量的快速检测。     

基于符号权重的一阶逻辑前提选择方法

为增强自动定理证明器从一阶逻辑问题的大规模前提中选择相关前提的能力，首先，提出符号权重计算公式，基于符号在问题中出现的频率获取不同符号对应的权重；其次，提出相关度计算公式，利用分配的符号权重计算问题中前提和结论间的相关度；同时，研究自适应相关度边界，用于判断前提与给定的结论是否相关；最后，在自动定理证明器中交互地结合前提选择和自动推理两个过程，可在充分选择相关前提的情况下及时停止前提选择过程.实验结果表明：在最优情况下，新提出的前提选择方法能够把参与证明的平均前提数量从1 876个降低到174个；与广泛使用的前提选择方法 E-SInE和Vampire-SInE相比，使用新方法能够帮助自动定理证明器E在MPTP2078基准测试集上分别提高19.49%和10.49%的证明率.     

浅谈机器视觉技术在汽车制造业中的应用

在数字化转型快速发展的时代背景下，机器视觉被广泛应用于各行各业。介绍了视觉采集方法与处理方法，在此基础上通过具体车间说明机器视觉与传统人工视觉相比的优点。在视觉引导上件、视觉引导装配、视觉检测和视觉在线测量等方面论证该方法从根本上解决了人工成本问题，使汽车制造更高质量、低成本、柔性化。     

高速公路隧道入口“黑洞效应”监测与评估方法

针对隧道入口“黑洞效应”现象，提出将接近段靶标视距作为监测与评估的客观依据。在入口洞内等间距布设若干圆形靶标，洞外视觉最不利位置处设置高清摄像机采集靶标区域图像，基于BP神经网络算法建立以图像特征、洞外亮度和观察距离为输入量的靶标可见度计算模型。根据靶标可见度求解实时的靶标视距，并结合行业标准对停车视距的相关要求，实现“黑洞效应”在线监测及其严重程度的分级评估。最后以某高速公路运营隧道为例介绍了监测与评估技术的实际应用。     

基于机器视觉的圆斑状钢轨擦伤检测算法

针对现有基于灰度阈值的钢轨擦伤检测算法受光照等外部环境的影响较大的问题，本文提出了一种基于机器视觉的圆斑状钢轨擦伤检测算法。首先通过分析采集图像在垂直方向的灰度均值曲线，提取出钢轨顶面区域；然后运用边缘检测的方法得到擦伤区域边缘的候选像素点；最后运用形态学处理删除不属于擦伤区域的虚假边缘，确定钢轨擦伤区域的位置。用测试数据集对本文算法进行检测性能评测，并与基于灰度阈值的算法进行对比。结果表明：本文算法对圆斑状钢轨擦伤样本的检测准确率为96.4%，而基于灰度阈值的算法的检测准确率为86.8%，本文算法的检测准确率大幅提升，能够对钢轨擦伤进行有效检测。     

基于摄像头与投影仪的智能空调面板开关

本文开发一款投影式空调面板开关,利用投影仪将界面的内容投射到物体表面,结合摄像头的卷积神经网络视觉检测,可直接完成界面操作,实现功能交互。本投影开关具有很强的适配性,可在多种物体表面成像,具有使得内饰简约和科技感强等特点。     

基于AIS与机器视觉检测的船桥智能避碰系统

为提高目标识别率，基于自动识别系统（Automatic Identification System,AIS）与机器视觉检测的船桥智能避碰系统，提出针对大背景中微小船舶目标的检测方法，主要包括图像预处理、图像处理和目标识别。试验结果表明：单纯视觉检测目标识别率可达到98.52%,AIS与机器视觉检测设备共同工作情况下识别率可达到100%。研究成果可为船桥智能避碰系统的设计提供一定参考。