关键词： 红外小目标   FACET滤波   局部对比度   加权函数  

摘要： 针对低空复杂背景下红外图像中目标与背景对比度低、边缘高亮的问题,提出一种基于FACET滤波加权局部对比度的红外小目标检测算法。首先,通过FACET滤波运算获取目标候选像素;然后,利用目标区域和背景区域灰度差异的比率计算局部对比度,同时基于目标和背景的异质性设计了一种加权函数,用来增强目标显著性和抑制背景;最后,通过自适应阈值分割提取真实的目标。在5组真实红外小目标图像数据集上与不同的算法进行性能比较分析,实验结果表明,提出的算法在不同低空复杂场景中具有较好的检测性能。

关键词： 目标检测   学生行为   RFAC3   辅助边框   平均精度  

摘要： 针对学生行为检测算法准确率不高、易出现漏检误检问题,文章提出了一种改进的RI-YOLO学生行为检测算法。该算法通过引入感受野注意力卷积(Receptive-Field Attention Convolution,RFAConv)对C3模块进行优化,提出新型的RFAC3模块,可以更精确地捕捉细微的局部特征,提升网络特征提取能力。此外,采用基于辅助边框的交并比(Intersection over Union,IoU)损失函数Inner-IoU替代传统损失函数,加速模型的收敛速度。在学生课堂行为数据集SCB-Dataset3上验证表明,RI-YOLO平均精度mAP50较YOLOv5提升了1.5%,mAP50:95提升了1.2%,与其他主流检测模型对比,展示出了优异检测效果。

关键词： 察打一体   无人机   情报收集   通信中继   空中力量   目标跟踪   军事行动   新型作战力量  

摘要： 随着战争形态不断演进,无人机成为战场上不可或缺的新型作战力量。从近年来的几场局部战争看,无人机在执行情报收集、战场态势感知、目标跟踪和打击等军事行动中扮演着重要角色。当前,无人机正向着察打一体、隐身突防、通信中继等功能拓展,带动现代战争呈现新景观。作为新兴空中力量,随着更多新技术应用,无人机将迎来新一轮发展期,在战场上的地位更加突出,能力也更加全面。

关键词： 铝熔体   氧化铝   润湿性   座滴法   悬滴法   图像处理  

摘要： 高温下熔体的润湿性对焊接工艺的改进具有重要研究意义,良好的润湿性能够提高焊缝质量,减少焊接缺陷,从而降低制造成本,提高生产效率。本研究搭建了一个低成本的由管式炉、相机、光源、真空泵和计算机构成的实验平台,利用座滴法和悬滴法开展了真空环境中不同温度条件下熔体Al在Al_(2)O_(3)基板上的润湿性实验,获得了边缘轮廓清晰、对比度明显的高质量图像,并采用开发的润湿性参数测量程序,计算了接触角、表面张力、热膨胀系数、铺展速度等参数。结果表明,润湿性参数的测量具有较高精度,温度升高能够促进熔体Al在Al_(2)O_(3)基板上的润湿,表现为接触角明显减小,铺展半径明显增大。

关键词： 弱小目标检测   水下声呐图像   全局信息聚合   共焦通道调控池化  

摘要： 声呐图像视觉检测是复杂水域资源勘探和水下异物目标探测领域的重要技术之一。针对声呐图像中小目标存在的特征微弱和背景信息干扰问题,本文提出弱特征共焦通道调控水下声呐目标检测算法。为了提高模型对弱小目标的信息捕获和表征能力,设计弱小目标特征激活策略,并引入先验框尺度校准机制匹配底层语义特征检测分支,以提高小目标检测精度。应用全局信息聚合模块深入挖掘弱小目标的全局特征,避免冗余信息覆盖小目标微弱关键特征。为解决传统空间金字塔池化易忽视通道信息的问题,提出共焦通道调控池化模块,保留有效通道域小目标信息并克服复杂背景信息干扰。实验结果表明,本文所提模型在水下声呐数据集的9类弱小目标识别的平均检测精度达83.3%,相较基准提高了5.5%,其中铁桶、人体模型和立方体检测精度得到显著提高,分别提高24%、8.6%和7.3%,有效改善水下复杂环境中弱小目标漏检和误检问题。

关键词： 图像处理   图像增强   目标检测   深度学习   YOLOv5   车内被困人员定位  

摘要： 在交通事故等紧急情形下,及时定位车内被困人员对救援工作至关重要。针对救援中车内人员检测的难题,提出一种基于YOLOv5s的检测模型,以实现对车与车内人员的两阶段检测。在第一阶段,检测出车辆位置,并通过动态缩放聚焦感兴趣区域(ROI);然后采用直方图均衡化增强过暗图像的对比度,并使用非局部均值滤波去除噪声,从而提升图像的质量;在第二阶段,准确判定车内是否有被困人员,并定位人员的确切位置。在BIT-Vehicle数据集和UA-DETRAC数据集上的实验结果表明,相较于Faster-RCNN、YOLOv7-tiny等模型,所提模型的精度、召回率等多个指标都表现最佳,展示出更强的鲁棒性和更高的准确率。此外,所提模型的实时性能可以满足智能救援场景的需求。

关键词： 特征提取   小目标检测   海杂波   多特征联合  

摘要： 传统单一特征检测方法的检测性能较差,通过多特征联合检测方法可以有效提高检测性能。采用多特征联合检测方法在提高性能之外,也会造成计算量增加以及信息冗余。对此提出了一种基于线性判别分析的海上目标检测方法,将单一特征映射到二维特征空间中,形成两组特征组合,RDPH-RVE特征组合和RPHTEM特征组合,并在二维特征组合基础上进行降维处理。通过将单一特征映射到二维空间中,降低海杂波与目标重叠区域,再通过线性判别分析方法,将雷达回波数据在区分性更好的方向进行投影,在保留信息的同时减少了计算量。

关键词： 小目标检测   无人机   红外图像   YOLOv8   注意力机制  

摘要： 针对无人机视角下对地红外目标检测任务中小目标的误检、漏检问题,提出一种改进的YOLOv8检测算法.首先,考虑到无人机视角下目标普遍较小,在YOLOv8n初始模型基础上,增加小目标检测层作为第4输出层,对小尺度目标进行检测.其次,为增强网络对不同维度特征的提取能力引入CA注意力机制,CA将通道注意力分解为横向和纵向2个空间方向,并沿着2个方向的位置信息聚合特征,最后通过一维编码融入到网络的特征表示中.在HIT-UAV数据集上的实验表明:相比于原算法,本算法的准确率P、召回率R、平均精度(mAP@0.5)以及平均精度均值(mAP@0.50~0.95)分别提高了0.9%,1.3%,5.1%,4.5%.改进的网络能有效提高红外小目标的检测精度,具有良好的泛化性.

关键词： YOLOv5   目标检测   输电杆塔   质量检测  

摘要： 本项目拟采用YOLOv5目标识别算法,对输电塔线施工质量进行测试,重点解决果壳线、导线等常见质量问题。本项目拟以YOLOv5s模式为基础,将CSPNet与PANet相结合,利用图像水平翻转、旋转、剪切、Mixup、Mosaic等方法对样本进行扩展,以弥补分类数据量不足的问题。试验结果表明,该方法具有较好的识别精度与快速性,mAP达87.6%,检测速率高达每秒90帧,应用于输电线路塔体质量测试中,具有较高的实用价值.

关键词： 图像处理   深度学习   配电电网跳闸故障  

摘要： 阐述配电网跳闸故障与深度学习技术的融合特点,通过探寻数据来源、处理样本数据、归一处理样本数据,以及运用深度学习技术对故障类型进行高效识别算法的介绍,探讨应用深度学习技术高效识别配电网跳闸故障类型的方法。