关键词： 林火识别   烟雾识别   目标检测   卷积神经网络  

摘要： 【目的】由于火焰和烟雾都是动态目标，使得航拍视角下的森林火焰小目标和烟雾检测变得富有挑战性。基于卷积神经网络的林火小目标和烟雾检测模型构建对于平衡森林火灾小目标和烟雾目标的参数量和检测精度具有重要意义。【方法】根据林火检测实时性要求，对基于高实时性的FasterNet进行改进，并构建了FRSCnet的主干网络层。利用分组洗牌卷积(group shuffle convolution, GSConv)构建了FRSCnet的颈部网络层。在头部网络中，引入了卷积块注意力模块(CBAM)注意力机制。最后，在颈部网络的第1层添加了感受野阻滞(receptive field block, RFB)特征提取模块。【结果】FasterNet采用独特的部分卷积(partial convolution, PConv)技术，有效减少了冗余计算和内存访问，从而保证了模型在处理航拍图像时的高速检测性能。GSConv能够平衡模型的参数量和特征融合性能，从而在保证检测精度的同时减少了模型的复杂度。通过CBAM注意力机制，在尽可能少地增加参数量的情况下，模型能够更好地关注森林火灾小目标和烟雾目标，提高检测性能。RFB特征提取模块，可增大模型的感受野，更好地提取航拍视角下的森林火灾小目标和烟雾目标。实验结果表明，提出的FRSCnet模型的平均精度(mAP@0.5)达到了89.2%,比YOLOv7-tiny和YOLOv5-s模型分别提高了2.9%和5.3%,但是参数量比YOLOv7-tiny和YOLOv5-s模型低。【结论】提出的FRSCnet林火小目标和烟雾目标检测模型，在参数量和检测精度之间取得了较好的平衡。

摘要： 在全球能源转型的大背景下,风能作为一种清洁且可再生的能源资源,得到了广泛的关注和应用。风电叶片作为风电机组将风能转化为机械能的核心部件,其设计和制造技术的进步显著提高了风电系统的整体效率1。人们为了寻求单台风电机组对于风能更高能量的转换效率和发电量更为显著的提升,不断增加风电机组的叶片尺寸,然而机组叶片尺寸的增长与安装台数的增多给风电机组叶片的监测和检验带来了极大的不便。叶片在长时间的运行过程中,常常面临环境因素的影响,如强风、冰雪、雷击等,导致叶片表面出现不同程度的开裂、鼓包和雷击等损伤。这些损伤如果不及时得到检测和修复,可能会导致严重的安全隐患和经济损失2。

关键词： YOLOv8   目标检测   可变形卷积   BiFPN   轻量化  

摘要： 工业场景下的布匹缝头检测在纺织应用领域越来越重要。然而，缝头检测面临着小目标尺寸、可利用特征少、复杂多变的环境因素等挑战，难以保证稳定且实时的检测的效果。针对这一系列问题提出一种基于改进YOLOv8的布匹缝头检测算法YOLOv8-DVB。根据Deformable Convolutional Networks v4的特点优化C2f模块，提出一种多尺寸特征采样的C2f-DCNv4模块，强化网络对不同尺寸特征信息的提取。在颈部网络，采用BiFPN结构作为特征融合的方式，通过引入自上而下和自下而上的双向通路，使得不同尺度的特征可以在多层次上进行更充分的融合。其次，引入更高效的VoV-GSCSP模块轻量化特征融合网络，帮助颈部网络降低计算量和参数量，减少计算负担。最后，设计一个专门的小目标检测层，优化小目标的特征提取。通过实验对YOLOV8-DVB模型与原模型以及YOLOv5、YOLOv7、和Faster R-CNN等进行比较，验证模型的检测准确率和检测精度。实验结果表明，该方法在自建数据集上获得84.7%的检测准确率，相比于原模型和其他网络模型都有着更高的准确率，能够快速有效的在复杂的工业生产环境中准确的检测到目标类别和位置。

关键词： 深度学习   图像识别   卷积神经网络   目标检测   语义分割  

摘要： 图像识别技术在多个领域中占据重要地位，其发展是从传统方法向深度学习方法转变的基本表征。文章主要探讨基于深度学习的图像识别技术，阐述其原理、关键技术、应用领域。深度学习，从理论上分析，其通过构建多层次结构的神经网络模型，如卷积神经网络（CNN）、循环神经网络（RNN）等，可自动学习图像中的特征表示，极大提升图像识别的准确率和效率。在图像分类、目标检测、语义分割等关键技术应用过程中，深度学习模型可表现出较强的使用性能。该技术已广泛应用于安防监控、医疗影像诊断、自动驾驶、工业检测等多领域中，可持续推动各个行业的智能化发展。

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段，机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备，为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息，进行重点区域目标检测、识别、跟踪，值得深入探索。此外，视频SAR与可见光、红外宽谱段集成，还可以视频级高刷新率实现低空对地多模态、高精度感知，多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。

关键词： 深海影区   有源声呐探测   海底反弹模式   多径结构   信号检测  

摘要： 使用海底反弹模式探测深海影区时,信号受海底反射损失影响导致信噪比下降,为目标检测带来极大困难。因此结合深海影区声传播规律建立信号模型,分析了信号在影区信道下的多径结构特征,并利用其单波束多径结构特点和空域波束分裂特性,依据广义似然比检验原理设计了适用于影区目标检测的检测器。仿真结果和实测数据处理结果均表明,所提检测器相较于传统的匹配滤波检测器,通过对影区信号回波多径结构特征的提取与利用,检测性能提升明显。

关键词： ADB算法   代码生成   卡尔曼滤波   匈牙利算法  

摘要： 本文对自适应远光灯(Adaptive Driving Beam, ADB)控制系统进行研究，设计了系统架构和软件算法，针对输入端摄像头感知数据质量下降，通过匈牙利算法对多目标数据进行数据关联，再通过卡尔曼算法对数据进行预测和滤波，针对输出端LED控制效果不佳的问题，通过矩阵式LED远光灯分区控制算法解决了ADB系统不稳定，LED闪烁的问题。并将算法模型进行实车测试与标定，自适应远光灯实时计算目标数据，控制目标物对应LED开启或关闭，避免会车和跟车对其他车辆产生眩目影响，在保证较佳视野的同时，提升驾驶的安全性。

关键词： 双目相机   目标检测   目标跟踪   特征点  

摘要： 面对复杂环境对人物目标信息进行实时检测和跟踪的需求，设计并实现了一套基于双目相机的目标检测与跟踪系统。并且以较低的成本有效地解决了现有主流检测跟踪系统在获取人物深度信息方面的局限性。通过使用英特尔D435i双目相机，系统能够实时获取外部环境的RGB信息及深度信息。接着，系统基于高效的目标检测算法YOLOv8和目标跟踪框架ByteTrack，对获取的RGB图像帧进行处理，实现对图像帧中出现的目标人物进行检测和跟踪。在检测过程中记录目标的特征点信息，并结合双目相机同步获取的深度图像帧数据，计算特征点的深度信息，从而完成对目标深度信息的测算。最终，将设计开发的系统集成部署到Nvidia Jeston Orin边缘计算平台进行实验验证，实验结果表明，系统的识别跟踪准确率和性能均达到了预期目标。

关键词： 毫米波雷达   多目标检测   单元平均恒虚警   目标遮蔽   检测门限  

摘要： 针对单元平均恒虚警(CA-CFAR)算法在多目标环境下容易造成目标遮蔽等问题，本文提出了一种基于比值的改进CA-CFAR(RCA-CFAR)算法，在此基础上，对RCA-CFAR算法最多可容忍的干扰目标数进行理论推导，得出其最多可容忍的干扰目标数与参考单元之间的关系，并对最多可容忍的干扰目标数进行证明。此外，结合CA-CFAR算法将RCA-CFAR扩展为2D RCA-CFAR算法，通过分阶段处理，在距离维使用RCA-CFAR算法进行预检测，在多普勒维使用CA-CFAR算法进行目标检测，该算法既降低了邻近多目标区域的检测门限，又提高了检测效率。仿真和实验结果证明了所提算法的有效性、实用性和优越性。

关键词： 图象处理软件  

ISBN: (纸本)9787302679325

摘要： 本书共20章，主要内容包括计算机视觉概述、0penCV的Python开发环境搭建、OpenCV基本操作、数组矩阵、图像处理模块、灰度变换和直方图修正、图像平滑、几何变换、图像边缘检测、图像分割、图像金字塔、图像形态学、视频处理，以及停车场车牌识别、目标检测、数字水印、图像加密和解密、物体计数、图像轮廓和手势识别等案例。