教学课程资源库 更多>>

关键词： 金相图   晶粒度评估   图像分割   深度学习   图像处理  

摘要： 通过综合应用深度学习与图像处理技术,对金相图像中晶界进行分割与修复,为晶粒度的准确评级提供基础。首先,通过采集并人工标注多样化的金相图像样本,利用U-net模型结合数据增强和合理的切割策略,提升模型的泛化能力和鲁棒性。其次,采用封闭晶界的数据集,增强模型的预测能力。第三,提出晶界匹配像素准确率这一新的评估指标,有效衡量了模型对晶界预测的准确性。此外,采用图像处理技术对提取到的晶界进行修复,进一步提高晶界线的完整性和连续性。这些方法的综合应用不仅提高了金相图像晶界分割的准确度,而且为材料微观结构的表征与性能评估提供了一种高效的技术手段。

关键词： 数字图像处理”课程   前沿技术   案例化教学   教学研究  

摘要： 随着科技的不断进步,数字图像处理领域不断创新,涌现新技术,导致“数字图像处理”课程出现了教学内容滞后的问题。在新工科背景下,防灾科技学院教学小组建立了一个数字图像前沿应用技术教学案例库,通过数字图像科研论文阅读与分享,迭代性地整理并更新实践教学案例,同时采用案例化驱动教学模式,为学生提供具有评估标准的实践任务。这种案例化教学模式有助于激发学生的学习兴趣,使学生开拓眼界,并确保学生对专业前沿技术有深入地理解和掌握。

关键词： 摄影测量技术   数字图像处理   地质灾害监测  

摘要： 地质灾害监测作为工程地质领域的关键研究内容,对于预防和应对自然灾害至关重要。本研究聚焦于摄影测量技术在地质灾害监测中的应用,通过数字图像处理技术对传统摄影测量法进行改良,显著提升了其应用效果。首先,本文阐述了摄影测量技术的基本原理及其在地质灾害监测中的应用方法。随后,构建了一个基于数字图像处理的摄影测量模型,并设计了相应的算法。通过实地采集地质灾害图像数据,我们利用该模型进行了模拟测量。实验结果表明,与传统方法相比,新模型在地质灾害监测与预测方面具有更高的准确性和效率。这一研究为地质灾害预防和控制提供了新的技术手段,具有重要的实际应用价值。

关键词： 道路工程   钢渣沥青路面   三维扫描设备   数字图像处理   三维纹理参数  

摘要： 沥青路面的抗滑性能快速下降一直是各国学者高度关注的问题。随着表面纹理逐渐磨损,沥青路面的抗滑性能也持续减弱。为了能更科学地评估和预测路面抗滑性能的衰减,有必要定量地建立起路面纹理和抗滑性能之间的关系。本研究采用了小型加速加载设备、高精度三维扫描设备以及数字图像处理来模拟路面纹理的磨损过程。本研究基于三维纹理特征系统评价了沥青路面的抗滑性能衰减。研究结果显示,英国摆值(BPN)与本研究采用的评价指标三维纹理参数(Sq、Ssk、Vmp、Vmc和Vvc)之间存在着紧密的联系。随着加载次数的增加,BPN和三维纹理参数都呈现出相同的衰减趋势。这些三维纹理参数不仅可以作为评估沥青路面抗滑性能的指标,还能精确地描绘钢渣沥青路面的微观磨损机制。本研究建立的关系将有助于预测路面的抗滑衰减情况,为钢渣沥青路面的路用性能研究提供了有力的技术支持。

关键词： 公路隧道   深度学习   数字图像处理   KNN算法   围岩分级  

摘要： 针对勘察设计阶段判别的隧道围岩等级与施工过程中实际揭露的围岩情况不符的问题,提出一种以隧道施工期实际揭露的围岩为研究对象的智能动态分级方法。首先,依托甘肃省渭武高速公路木寨岭隧道工程,利用单反相机采集掌子面图像,基于深度学习Res Net18网络设计T-Res Net模型,进行掌子面围岩图像特征定性识别分类;然后,利用数字图像处理技术定量识别、提取节理裂隙特征参数,进而确定掌子面完整性指标;最后,结合岩石坚硬程度、岩体完整程度、主结构面产状、地下水发育状况、初始地应力、节理延展性6个指标建立围岩分级指标体系,并采用特征加权KNN(K-nearest neighbor)算法模型实现隧道围岩智能动态分级。研究结果表明:1)T-Res Net模型在节理裂隙测试集的准确率达到83.23%,在地下水测试集的准确率达到92.86%,可以实现围岩特征的有效识别与精确分类;2)使用机器视觉方法处理现场围岩图像,可快速提取岩体完整性系数和地下水发育情况,实现现场智能化高效分析;3)KNN智能动态分级方法在依托工程具有良好的适用性和较高的准确性,可有效实现隧道施工过程中的围岩动态分级。

关键词： 工科类课程   耕读文化   数字图像处理   案例设计   组织实施  

摘要： 加强和改进涉农高校耕读教育是南京农业大学工科类专业课程和耕读文化结合与实践融合建设的新理念,也是新时代党和国家对涉农高校课程建设的新要求。为促进耕读教育落地落实,南京农业大学有效开展耕读教育,注重教育引领,加强教师队伍建设,营造耕读文化氛围,完善相关条件保障,着力培养有思想、爱劳动、能创新的高素质劳动者。该文以数字图像处理课程为例,介绍农业院校工科类专业课程与耕读教育的结合与实践,使耕读文化贯穿于教学的各个环节,实现专业课知识体系和耕读文化的有机统一。

关键词： 数字图像处理   车身检查   人机协同   自动视觉检查  

摘要： 自动喷漆过程后车身表面的小缺陷是目前汽车行业质量控制面临的最大问题之一。利用图像处理技术可以实现一种新的检测方法,并确保整个区域得到检查。处理方法是基于局部定向模糊方法的图像背景提取方法和修改后的图像对比度增强,从而能够检测整个照明区域的缺陷。此外,还可以使用多级结构进行多次处理,该系统已四川成都的大众工厂的生产线上试运行。这里将展示对性能的完整分析,以及证明稳健性和可靠性的几个测试。

关键词： 交通工程   数字图像处理   遥感图像   车辆检测   旋转边界框   双注意力机制   双向特征融合网络  

摘要： 为了解决遥感图像中目标密集、目标小车辆检测难的问题,提出基于YOLOv5的改进模型RDB-YOLOv5,并将其首次应用于遥感图像车辆检测领域。首先,针对遥感图像车辆方向任意的问题,对现有基于旋转边界框(rotated bounding box)的目标检测方法环形平滑标签(circular smooth label,CSL)进行改进;其次,针对遥感图像中背景信息复杂,车辆尺寸小导致检测精度降低的问题,提出基于注意力的多尺度目标检测方法,在骨干网络中添加双注意力机制(dual attention mechanism)将局部特征与全局特征相结合,并用空洞卷积进行改进;再借鉴双向特征融合网络(BiFPN)的思想,加入新的浅层特征和深层特征信息传递路径,更好融合浅层中车辆的位置信息,并设计新的检测头,提高网络对小目标车辆的检测能力。研究结果表明,改进的RDB-YOLOv5相比YOLOv5的均值平均精度(mAP)增长2.7%,特别是小型车辆检测提高了3.5%,相较于传统模型RCNN等mAP整体平均提高了10%。RDB-YOLOv5能够在通用数据库上取得较高的检测精度,同时在遥感图像的复杂场景中能有效解决水平框检测带来的重叠以及漏检问题,并提高了小型车辆目标的检测准确率。

关键词： 变形测试   数字图像处理   数字图像相关   Canny检测   Zernike矩  

摘要： 数字图像处理(DIP)技术在机械制造和自动化工程等领域用于工厂化精确尺寸测量,其特点包括非接触、高速、高精度、低成本。而数字图像相关(DIC)技术可实现工程结构的亚像素级非接触实时形变测试。研究验证了DIP算法在工程结构位移测量的可行性。引入Canny和Zernike矩两种边缘识别算法,通过对粘贴于测试点的特定图案靶标进行边缘检测,对检测结果进行几何学拟合实现亚像素定位,对比不同时刻的靶标位置,从而获得结构位移时间变化。通过模拟试验、实验室试验和实桥试验,比较了基于DIP形变测试算法和DIC形变测试算法的精度、速度和误差。研究表明,基于DIP的结构形变测试在模拟试验中精度可达0.1 pixel,实验室条件下可达0.1 mm。Canny和Zernike矩算法的精度相近,低于DIC算法;DIC算法子集扩大时计算速度显著降低。Canny和DIC算法速度明显快于Zernike矩算法,通过CUDA并行加速,Zernike矩算法速度与小子集的DIC算法和Canny算法相当。在实桥试验中,DIC算法测试误差小于0.05 mm,精度最高;Canny和Zernike矩算法精度可达亚毫米级,适用于某些工程结构位移测试场景。

关键词： 厚度检测   图像处理   醋酸纤维   灰度特征   Otsu算法  

摘要： 针对醋酸纤维丝束厚度检测缺乏成熟的非接触式检测方案的现状,基于丝束厚度与本身均匀性以及所受拉力有关,不同厚度的丝束区域透光性不同,呈现在图像中的灰度不同的原理,提出基于数字图像处理的丝束在线厚度检测方法。首先采用图像滤波去除噪声;接着通过Otsu阈值分割实现目标和背景的精确分离;随后进行连通区域划分,不同区域分别提取灰度信息,并结合光学领域知识,构建在线厚度检测模型,实现了对丝束厚度的准确检测。实验结果表明:该方法实现了对丝束区域的划分和对丝束厚度的计算,其厚度计算值与实际测量值的偏差不超过8.00%,满足实际检测需求。