基于深度可分离卷积, 提出了一种适用于嵌入式平台的小型目标检测网络MTYOLO(MobileNet Tiny-Yolo), 它将待检测的图片平均分割成多个单元格, 并采用深度可分离卷积代替传统卷积, 减少了参数量和计算量。采用点卷积和特征图融合的方法来提高检测精度。实验结果表明, 所提MTYOLO网络模型大小为41 MB, 约为Tiny-Yolo模型的67%, 其在PASCAL VOC 2007数据集上的检测准确率可达到57.25%, 检测效果优于Tiny-Yolo模型, 更适合应用于嵌入式系统。

基于机器视觉的图像采集与处理系统设计基于机器视觉的图像采集与处理系统设计基于机器视觉的图像采集与处理系统设计

《机器人学、机器视觉与控制——MATLAB算法基础》英文版 Robotics, vision and control fundamental algorithms in MATLAB

随着视频技术的飞速发展,越来越多的视频应用逐步进入人们的生活中,因此对视频质量的研究很有意义。基于卷积神经网络和循环神经网络强大的特征提取能力并结合注意力机制,提出一种无参考视频质量评价算法。该算法首先利用VGG(Visual Geometry Group)网络提取失真视频的空域特征,然后利用循环神经网络提取失真视频的时域特征,引入注意力机制对视频的空时特征进行重要度计算,根据重要度得到视频的整体特征,最后通过全连接层回归得到视频质量的评价分数。在3个公开视频数据库上的实验结果表明,预测结果与人类主观质量评分具有较好的一致性,与最新的视频质量评价算法相比具有更好的性能。

圆环标识在目标识别及定位中应用广泛，其定位精度很大程度上决定了三维测量系统的精度。为了消除由透视投影变换产生的离心偏差，提高圆环标识的定位精度，对圆环的离心偏差校正展开研究，根据已有的空间投影推导给出校正方法。首先同心圆环经过透视投影变换，得到中心分离的双椭圆，由双椭圆的中心和同心圆环半径信息，得到圆心的实际位置。然后进行同心圆环投影仿真实验，根据圆心定位结果分析偏心误差与圆环半径以及旋转角度的关系。最后利用显示器作为物平面显示不同参数的同心圆环，与相机构成实验系统对圆心测量精度进行评价。结果表明：此方法可以准确地获取圆环标识的真实投影点，且校正后，经标定的相机平均反投影误差减小为原来的50%。利用显示器验证圆环定位精度，与以前的标定板验证方法相比，圆环标定在操作上具有更好的灵活性与实用性。

对于基于块进行立体匹配的深度学习方法而言，网络结构的设计对匹配代价的计算至关重要，同时，卷积神经网络（CNN）在图像处理时的耗时问题也亟待解决。提出一种基于“缩小型”网络的CNN立体匹配方法。利用CNN训练左右图像块的相似性，计算出立体匹配的匹配代价。其中，CNN特征提取阶段，通过对每个层增加相应的批归一化层，可以使训练使用更大的学习率，加快网络训练收敛速度。另外，网络设计中全连接层采用“逐层缩小”的形式，结合上述网络优化和损失函数改善，在保证精度的同时提高了运行速度。使用KITTI数据集对算法进行验证，实验结果证明，相比目前国内外先进方法，本文算法在精度方面有一定优势，相比部分方法，速度有较大提升。

针对机器视觉检测圆孔零件几何尺寸时相机视场不足的问题，设计了一种圆孔边缘自动跟踪方法，以获得完整的零件边缘数据。通过搭建运动控制平台，实现相机在三维空间中的运动，通过数字图像处理技术，检测出零件边缘，并在此基础上，采用邻域计数法，求出跟踪方向。结合实验验证，用视场约为1.2×0.9 mm的相机自动跟踪拍摄直径约为4.5 mm的圆孔零件边缘，获得了完整的边缘数据。实验表明，本文提出的邻域计数法能达到与人工操作方法相同的准确率，且具有效率高、自动化程度高的优点，因此具有一定的实用意义。

根据红外成像特性及金属表面缺陷区域灰度分布变化缓慢的特点，提出了一种基于小波纹理特性统计分析的铜带表面缺陷视觉检测方法。利用CCD视觉传感器获取受检金属表面的红外影像资料，引入一阶Haar小波分解红外图像，抽取4个小波特性，然后分别使用Hotelling T2和X2多变量统计法融合4个小波特性。最后根据统计值判别图像是否存在缺陷，并使用支持向量机对缺陷进行分类。比较分析了两种小波域多变量统计方法检测缺陷的性能。实验结果表明，Hotelling T2统计法在缺陷检测和识别方面的性能较好，对微小缺陷可达到92.8%的检测率和95.42%的识别率。

基于机器视觉的混凝土裂纹图像识别系统

网上购得的halcon11破解包，Halcon-11.0_32bit_crack