关键词： 图像处理技术   农业植保   无人机   导航   系统设计  

摘要： 以图像处理技术为载体的农业植保无人机导航系统可以依靠图像处理能力和图像识别能力,保障农业植保无人机实现任务的效率和精度,精准且高效地达成农药喷洒目标。本文以图像处理技术和视觉导航关键技术为切入点,探讨了农业植保无人机导航系统的设计以及图像处理技术的应用,阐述了无人机导航系统的设计和使用方法。

关键词： 矿区   地质灾害   目标检测   YOLOv5s   轻量化  

摘要： 针对目前地质灾害检测领域存在检测算法复杂、计算量大与数据集匮乏等问题,文中提出了基于YOLOv5s改进的轻量化网络,并将所提网络在自制地质灾害数据集GDD1上进行训练测试。文中的最优改进方案是YOLOv5s-GhostNet-EIoU,采用Ghost Module替换YOLOv5s网络中的部分卷积模块、C3Ghost替换YOLOv5s网络中的C3模块,大幅降低网络参数,并改进损失函数来弥补轻量化带来的精度损失。实验结果表明,YOLOv5s-GhostNet-EIoU网络mAP值达78.9%,相较于YOLOv5s基网络,模型体积压缩47.1%,计算量减小48.8%,参数量降低47.8%。该算法在保持YOLOv5s高检测精度的前提下,能够满足在无人机平台上的部署与实时检测的要求,实现了模型的轻量化。

关键词： 目标检测   分形特征   YOLOv7   自适应融合  

摘要： 针对复杂环境背景和噪声情况下,桥梁病害图像中特征提取不充分的问题,提出将分形几何特征与YOLOv7网络融合的方法来提高病害检测的精度。首先,设计分形特征模块(fractal feature module,FFM),得到桥梁病害图像的分形特征图;其次,设计了自适应特征融合层,将提取的分形特征融入YOLOv7网络,让网络获得表达能力更强的特征图;最后,引入坐标注意力机制(coordinate attention,CA),增强了网络对小病害的检测精度。实验对包含风化、裂缝、钢筋外露、腐蚀和剥落5种桥梁病害的复杂图像进行了检测,结果表明:在相同的数据集和迭代次数下,融入分形几何特征的YOLOv7网络相比于原始网络对上述5种病害检测的平均精度均值从82.94%提高到86.24%,其中,裂缝病害的检测平均精度提高最为显著,从75.92%提高到81.29%。

关键词： 计算机视觉   深度学习   艺术史   雕塑   切入点   理论框架   绘画  

摘要： 图像的维度——第二十届海平线·绘画雕塑联展12024年12月25日至2025年2月26日,中华艺术宫举办第二十届海平线·绘画雕塑联展。展览以艺术史经典母题“图像”为切入点,借鉴深度学习与计算机视觉领域关于“图像维度”结构的理论框架。

关键词： 目标检测   电路板检测   YOLOv9   BRA模块   RE4DConv  

摘要： 针对印刷电路板生产时出现缺孔、开路、短路、毛刺和假铜等缺陷,由于缺陷尺寸微小和背景的相似性等问题造成的检测精度低,提出一种改进YOLOv9的电路板表面缺陷检测算法DySnake-YOLO。在特征提取部分,添加了一种动态的、查询感知的稀疏注意力机制BRA,来对印刷电路板的特征进行细粒度的提取。在特征融合部分设计了一种根据管状目标以适应电路板特性,以及关注区域连通性特征适合管状场景的RE4DConv卷积模块,提升了模型融合印刷电路板中的管状尺度特征的能力。通过在北京大学公开的PCB缺陷数据集上进行实验表明,改进后的算法相较于原型,mAP50提高了0.023,与YOLOv8n等主流目标检测算法相比,改进方法在mAP50、mAP50-95方面分别提升了0.071、0.085,在印刷电路板缺陷检测任务上的有着较高的应用价值。

关键词： 监测系统   Jetson Orin NX   实时   小麦储存  

摘要： 小麦杂质监测在粮食储存过程中至关重要,较高的杂质含量会加速小麦的霉变和变质,进而导致储存损失和资源浪费。然而,目前的杂质检测仍以人工检测为主,效率低且存在较大的局限性。针对这一问题,设计了一种基于嵌入式计算平台的小麦杂质监测系统,该系统以Jetson Orin NX为核心计算平台,通过小麦采样与检测装置对收获小麦的杂质含量进行实时监测,并对数据进行处理和显示。试验结果表明,小麦杂质监测系统的变速箱在不同挡位转速下,系统均能够实时监测收获小麦的杂质情况,显示采集样本中的杂质数量,并具备警告提醒功能。该系统的应用对大规模小麦储存的精细化管理具有重要意义。

关键词： 烟火检测   YOLOv5   通道注意力   特征增强  

摘要： 针对工业现场烟火检测中烟火特征不明显、易与背景混淆,导致检测率低、误检率高的问题,文章提出了一种基于特征增强的烟火目标检测算法。该算法以YOLOv5s为基础,首先引入通道注意力模块,通过获得高维语义特征来解决烟火目标与背景混淆的问题;其次采用内容自适应的轻量级上采样特征增强模块,进一步提升烟火目标的特征表达能力。在自制的烟火检测数据集上进行实验,结果表明,改进后的算法相比原YOLOv5s,平均精度提高了8.5%,实现了更加精确有效的烟火目标检测。

关键词： 遥感图像   小目标检测层   Shape-IoU   注意力机制  

摘要： 针对遥感图像目标检测任务中存在特征信息不足和分布密集的问题,提出一种基于特征交互注意力的遥感图像目标检测算法。首先,对于遥感图像中目标分布密集的问题,在网络的Backbone部分采用C2f-DAT模块和AIFI模块来处理图像的多尺度特征,使网络更好地检测目标;其次,为了解决遥感图像中小目标特征信息不足的问题,在Neck部分使用SlimDy结构来优化网络的卷积和上采样模块,来突出小目标的特征信息,同时在网络结构中添加小目标检测层以增强网络对小目标的感知能力;最后,使用Shape-IoU损失函数来替换原损失函数,进一步提高网络检测预测框的准确性。通过在Dotav1和SIMD数据集上实验验证,改进方法的mAP@0.5达到了76.3%和82.3%,模型整体效果优于目前对比主流算法。

关键词： 三维目标检测   野外   扬尘   多模态融合   点云  

摘要： 对于配备多种传感器的自动驾驶车辆,在野外扬尘环境中进行高精度三维目标检测是一项重大挑战,野外地形的多变性导致采集目标的区域特征差异性加剧,同时扬尘颗粒物还会模糊目标特征.为了克服这些困难,本文提出了多模态特征动态融合的三维目标检测方法,构建了多级特征自适应融合模块和特征对齐增强模块,其中,多级特征自适应融合模块动态调整模型对全局级特征和区域级特征的关注程度,充分利用多级感受野,减少区域差异对识别效果的影响;而特征对齐增强模块则在多模态特征对齐之前增强感兴趣区域的特征表达,有效抑制扬尘等干扰因素.实验结果表明,提出方法在自建野外数据集中比基线的平均精度提高了2.79%,在KITTI数据集的困难级别检测中提高了1.7%,表现出较好的鲁棒性和准确性.

关键词： YOLOv10   人工智能生成内容(AIGC)   扩散模型   目标检测   图像生成   反馈修正  

摘要： 近年来随着人工智能生成内容(AIGC)的发展,图文生成技术取得了显著的进步。然而由于现有大模型本身的技术问题,会存在复杂prompt描述下生成的图片与文本内容不一致且目标完整性不足的问题。为此,文章提出一种基于YOLOv10目标检测和反馈修正机制的AIGC图文生成优化方法。首先,对大模型输入文本指令提示词,让其根据文本指令生成初步图像;接着,应用YOLOv10对生成的初步图像进行目标检测,检测的对象即为文本内容中突出的几个对象;然后将检测到的问题图像和标注信息反馈给扩散模型,扩散模型根据这些反馈对图像进行局部修复,修正缺失的目标或调整目标的位置。实验结果表明,该方法能够显著提高生成图像的目标完整性和与文本描述的对象一致性,与传统方法相比,该机制能够有效地处理生成图像中的问题。其方法为AIGC领域中图像生成与优化提供了一种新的思路和方法。