关键词： 雷达目标检测   孤立森林算法   主成分分析算法   多特征联合   海杂波  

摘要： 针对海杂波背景下的雷达弱目标检测问题以及孤立森林(isolation Forest, iForest)算法在处理高维数据时未充分利用雷达回波信号特征信息的问题,提出了一种基于改进多特征联合的孤立森林弱目标检测方法。该方法通过分析实测海杂波数据在时域、频域和时频域的特性构建了丰富的高维特征矩阵,在iForest算法中融合主成分分析算法进行数据降维,引入平均相关度构成双参数降维准则,以平衡主成分与原始特征之间的相关性。仿真结果表明,所提改进方法在不同海况以及极化方式下均能够有效提升海杂波背景下雷达弱目标检测的性能,且在虚警概率较低的情况下仍有较高的检测概率。

关键词： 采集装置   深度学习   YOLOv8算法   目标检测  

摘要： 针对织物疵点的错检、漏检问题,文章采用了一种基于YOLOv8算法的织物疵点检测方法,以提高传统织物疵点检测的效率以及准确性。鉴于织物疵点种类的多样性和织物纹理的复杂性,传统织物疵点检测手段在处理具有复杂纹理背景的织物图像时,提取图像特征困难,检测效果已逐渐下降。文章设计一种用于检测织物疵点的新算法,采用自主设计的黑箱采集装置进行数据集的采集,并在织物图像数据集上进行验证测试。

关键词： 图像处理技术   人类智能   人工智能   摄影工作者   AI技术   生产力属性   摄影创作   发展路径  

摘要： 人工智能(以下简称AI)图像处理技术的出现拓展了传统摄影创作的空间,极大地提高了摄影工作者的工作效率,具有新质生产力的本质特征。在此背景下,如何理解人类智能与AI之间的学理逻辑关系,在充分利用其优势的同时防范其潜在风险,让AI技术更好地辅助人类活动,是摄影工作者必须思考的现实课题。一、AI图像处理技术的新质生产力属性及机遇新质生产力是指在创新中起主导作用,突破传统经济增长方式和生产力发展路径,以高科技、高效能、高质量为主要特征,符合新发展理念的一种先进生产力质态。

关键词： 计算机视觉   目标检测   施工管理   退火算法   无人机技术  

摘要： 为满足现代施工场地对数字化发展的需要,基于已有的建筑施工现场研究,提出基于计算机视觉的施工现场多目标检测方法。通过SODA(Simple Ocean Data Assimilation)数据集在检测程序中训练,利用学习率改进算法优化训练模型,在多次训练的模型中筛选比对得到最优训练模型;基于无人机自动飞航拍摄的实际施工场地,利用最优的训练模型在不同的施工阶段检测影响施工进度与施工安全的目标,获取检测数据;最后通过创建轻量化的进度安全管理平台,将检测数据创建并导入数据库,在Web平台上实现数据可视化。结果表明:在无人机飞航视角下的目标检测,能够有效统计施工目标与安全情况;与人工方式相比,基于计算机视觉的检测更具理性且效率更高,对于施工现场智能化进度监测与安全管控具备一定的参考价值。

关键词： 目标检测   YOLOv8s   注意力机制   机械臂抓取  

摘要： 以提升机器人对未知物体的抓取能力为研究对象,研究基于改进YOLOv8s的目标检测与抓取。首先,搭建了智能抓取系统硬件平台,并完成了机器人手眼标定;其次,为了提升YOLOv8s的检测精度,对其主干网络引入CA(coordinate attention)注意力机制;再次,分析对比了主流轻量化目标检测算法,结果表明改进后的YOLOv8s具有更优的检测性能,且较原先模型mAP(mean average precision)提升了2.3%,模型大小仅增加了0.1 MB。结合目标检测的结果、相机获取的深度值以及GR-CNN(generative residual convolutional neural network)物体抓取位姿,成功完成了对零件的抓取分类。最后,为了实现实时监控和数据分析,开发了基于PyQt5的上位机。

关键词： 钢材   深度学习   表面缺陷   目标检测   机器视觉  

摘要： 钢材生产运输过程中的关键问题之一是表面缺陷,这不仅导致原材料浪费,还制约了企业的发展。同时,表面缺陷具有种类复杂、噪声干扰严重、尺寸小等基本特点,传统方法难以满足工业快速发展的需求。近年来,深度学习方法在目标检测领域取得了显著成果,并逐渐应用于钢材表面缺陷检测。文章从代表性缺陷检测算法入手,重点分析近三年内算法的改进方向,以提升钢材的适用性能和使用寿命。

关键词： 无人机   路径规划   协同覆盖   图像处理  

摘要： 为解决多无人机区域协同覆盖的问题,提出一种基于奖励函数的实时协同覆盖算法。首先建立环境地图模型,根据先验信息划分为:待覆盖区域、已覆盖区域、边界区域以及禁飞区域;并采用矩阵运算实现地图的快速更新。根据无人机的动力学特性,建立无人机的运动模型。根据动态窗口预测无人机的路径,结合地图信息使之实现障碍物回避,并在陷入困境时,利用图像处理技术和改进A*算法引导无人机飞行。最后进行了仿真,结果表明提出的协同覆盖算法有很高的鲁棒性和覆盖效率。当运行到1200步长时,所提算法的覆盖率为:96.66%,相较于贪婪算法、预测算法和无引导算法分别提高了:33.7%、30.5%和16.05%。

关键词： 目标跟踪   核相关滤波器   卡尔曼滤波器   遮挡  

摘要： 针对遮挡情况目标跟踪经常产生漂移的问题,提出一种基于核相关滤波和卡尔曼滤波的目标跟踪算法。算法使用核相关滤波响应的峰值旁瓣比,判断遮挡。无遮挡时,以核相关滤波器为主跟踪器,获取目标位置,并修正卡尔曼滤波器;有遮挡时,将卡尔曼滤波器设置为主跟踪器,估计目标位置,保持核相关滤波模型。实验从跟踪速度、精度、成功率等角度与其它算法比较,结果表明该算法在遮挡情况下,有效改善跟踪效果,具有很强的鲁棒性。

关键词： 无人机(UAV)   三维重建   目标检测   单次多框检测器(SSD)  

摘要： 利用传统的运动恢复结构(SFM,struct from motion)算法实现无人机视角下的三维重建时,为减少特征点的错误匹配和运动目标对整体稀疏点云的影响,主要依靠随机采样一致性(Ransac,random sample consensus)算法,但会导致Ransac在求解相机位姿时的正确率降低,迭代次数增加。本文基于深度学习的单次多框检测器(SSD,single shot multibox detector)网络进行目标检测。首先,在尺度不变特征转换(SIFT,scale-invariant feature transform)提取特征点后,对动态目标类别范围内的特征点进行剔除;然后,在K近邻(KNN,K-nearest neighbor)暴力匹配后,对错误匹配进行剔除,减少无效运动目标范围内的特征点和不同类别间的错误匹配,使得相同置信度时,Ransac求解相机位姿的迭代次数降低,同时减少特征点暴力匹配和SFM算法计算三维点的时间。最后,通过2个场景12张图片验证了引入深度学习优化后三维重建算法的可行性。

关键词： RGBT目标跟踪   Transformer   交叉注意力  

摘要： 论文针对传统基于卷积神经网络目标跟踪无法有效利用上下文信息融合多模态注意力的问题,提出基于双分支交叉自注意力机制的RGBT(RGB-Thermal,红外可见光联合)目标跟踪方法。所提模型引入基于双分支Transformer模块分别编码红外及可见光目标,在双分支并行编码基础上利用交叉注意力机制将两个分支的注意力进行对齐,从而提高了目标跟踪的准确性和稳定性。通过三个数据集的大量实验可验证所提方法的优越性。