关键词： 目标检测   无人机航摄图像   增强特征提取   动态上采样   多尺度模块  

摘要： 针对当前主流的轻量级目标检测模型在无人机航摄场景下检测精度低的问题,提出一种基于YOLOv8s的高精度轻量级航摄图像目标检测模型LEFE-YOLOv8。首先设计内嵌注意力机制的增强特征提取卷积(EFEConv),其与部分通道卷积(PConv)及1×1卷积共同组成轻量级增强特征提取模块,在提高模型特征提取能力的同时降低了参数量与计算量。然后在特征融合网络中引入轻量级动态上采样算子模块,有效地解决了高层特征网络在上采样过程中的信息丢失问题。最后构建带有多尺度模块的检测头,提高了网络模型的多尺度检测能力。最终的实验结果表明,相较于基准模型,所提改进模型在VisDrone2019和HIT-UAV数据集上的平均精度分别达42.3%与83.9%,且参数量在10×10~6以下,更加适合航摄图像目标检测任务。

关键词： 目标检测   道路缺陷   智能无人车   YOLOv8模型   道路养护  

摘要： 随着交通网络的不断扩展,公路里程持续增长,道路养护压力也与日俱增。针对该问题,提出适用于智能无人车的道路缺陷自动检测模型,该模型基于目标检测,采用YOLOv8为基础模型,使用道路缺陷数据对模型进行训练。优先对模型训练参数进行调整,得到在相同训练周期下效果最好的训练参数,对全部数据进行训练,最后模型的mAP值为45.8%,将模型应用在智能无人车,可以准确、快速地识别多种道路缺陷。

关键词： 目标跟踪   泊松多伯努利混合滤波   高斯过程   变分贝叶斯优化  

摘要： 针对现有算法对多扩展目标跟踪精度低的问题,本文提出了一种高斯过程泊松多伯努利混合(GP-PMBM)滤波算法及其变分优化.首先,基于高斯过程原理建立了增广状态空间模型,接着,将其与泊松多伯努利混合滤波器相结合,提出GP-PMBM算法.然后,针对因使用非线性滤波技术而导致GP-PMBM滤波精度下降的问题,使用变分贝叶斯优化更新结果,实现了对目标状态的优化更新,提升了滤波器的估计精度.仿真结果表明,与已有的滤波算法相比,所提算法具有更高的跟踪精度,并且,在只有部分量测的场景中跟踪性能更稳定.

关键词： YOLOv3   人体检测   LR-Darknet41网络   特征融合   RFB-s  

摘要： 针对YOLOv3在人体检测上对小目标对象检测精度低、漏检率高,以及其检测速度无法满足现阶段实时检测需求的问题,论文提出基于改进YOLOv3的人体目标检测算法。首先,对VOC数据集中person类别使用K-means++聚类算法重新聚类,生成新的先验框,优化先验参数;其次,对YOLOv3骨干网络Darknet53进行通道剪枝,得到轻量化的骨干网络LR-Darknet41,减少模型参数,提高检测速度;最后,在特征融合部分,将部分深浅层特征通过RFB-s模块进行融合,扩大感受野,增强对小目标对象的检测。实验结果表明,所提出的改进算法相较原算法,漏检率降低3.7%,检测精度提高4.1%,检测速度达到53.6帧/秒。

关键词： 施工质量检测   钢筋尺寸测量   图像拼接   计算机视觉   轻量化语义分割模型  

摘要： 为了解决加工检测过程中钢筋尺寸过大、单相机视场难以覆盖的问题,以计算机视觉技术为基础,提出一种靶标辅助图像拼接的测量方法,实现钢筋几何形状(长度及转角)的快速测量,构建一种分区相机测量系统,利用分区相机同时采集图像并基于二进制编码ArUco靶标拼接全景图。针对计算的实时性需求,采用轻量化语义分割网络ghost-Unet,可兼顾钢筋轮廓识别的效率和精度。针对计算的准确性问题,运用鲁棒的直线检验算法,对钢筋轮廓进行分段拟合。实验室与工程量测结果表明:在实验室测量立式钢筋时,相机光轴垂直于待测平面,长度测量误差均值为2.92 mm,测量卧式钢筋时,相机光轴与待测平面夹角远小于90°,正视图校正环节存在钢筋变粗问题,长度测量误差均值为4.27 mm;工程实测长度误差均值为3.08 mm,角度误差在0.7°以内。

关键词： 红外目标跟踪   YOLOv7   轻量化   SE注意力机制   MobileNetV3   双向特征金字塔网络  

摘要： 针对红外图像纹理弱及多目标遮挡导致跟踪精度低的问题,构建了基于改进YOLOv7模型和多目标跟踪算法DeepSort的融合红外目标跟踪模型MSB-YOLOv7-DeepSort。采用SE(squeeze and excitation)通道注意力机制和双向特征金字塔网络提高红外目标的特征提取质量;利用轻量化网络MobileNetV3替换YOLOv7骨干网络,提升融合模型的推理速度。实验结果表明,MSB-YOLOv7-DeepSort模型在跟踪准确度、跟踪精确度、正确目标跟踪比例和帧率等方面均具有较好的性能。

关键词： 枸杞病虫害   目标检测   YOLOv5   深度学习   病虫害识别  

摘要： 枸杞作为我国重要的经济作物,其病虫害问题严重影响作物的产量和品质。为提高枸杞病虫害识别效率,降低人工成本,研究基于深度学习的病虫害识别方法,构建了涵盖主要病虫害的图像数据集,采用数据增强技术提升样本多样性,基于YOLOv5目标检测模型进行检测,并与SSD等模型进行了性能对比分析;实验通过混淆矩阵和损失函数评估模型的鲁棒性与检测精度。实验结果表明,YOLOv5在平均精度(mAP)和召回率等指标上均显著优于对比模型,其中mAP达到88.49%。此外,混淆矩阵分析结果表明,YOLOv5对负泥虫和木虱的检测精度最高,对瘿螨类的检测存在一定混淆。基于YOLOv5的检测方法能够高效、准确地识别枸杞病虫害,为智能化农业病虫害监测提供了重要支持,并具备广阔的应用前景。

关键词： 机器视觉   视觉点云   图像处理   工业机器人   视觉定位  

摘要： 工业机器人以示教方式抓取搬运不同位姿的工件时无法精准定位,需复杂定位工装辅助定位。针对这一问题,提出一种基于机器视觉的液化气空罐工件搬运系统方案。基于Open-CV与pclpy视觉库编写视觉定位程序引导工业机器人实现液化气空罐工件的钩取搬运。经实验测试,提出的基于机器视觉的液化气空罐工件搬运系统方案可行,视觉定位程序的定位最大误差为0.63 mm。较以往的人工作业效率提升较大,具有实时定位工件、无需复杂定位工装的优势。

关键词： 人工智能   图形图像处理技术   图像识别   算法  

摘要： 如今,人工智能(AI)技术在各个领域的应用日益广泛,特别是在图形图像处理领域,其发挥着越来越重要的作用。基于人工智能的图形图像处理技术极大地提高了图像处理的效率,进一步丰富了图像处理的功能,满足了人们对于高质量、高效率图像处理的需求。基于此,该文首先对人工智能进行了概述,然后对基于人工智能的图形图像处理技术做了分析,最后对人工智能算法在图形图像处理中的具体应用进行探讨。

关键词： 点扩散函数   PSF   图像复原   运动视频   模糊车牌   图像处理  

摘要： 车辆是刑事案件中常使用的工具,车牌识别是涉案车辆认定的重要依据之一,因此对运动模糊造成的车牌图像退化的复原是刑事技术工作的重要研究方向。文中提出一种基于频率域点扩散函数参数估计的车牌图像复原算法,运用二维离散傅里叶变换、Radon变换以及Wiener滤波算法解决监控视频视角下运动模糊车牌的复原问题。通过预处理对运动模糊图像进行灰度化和降噪,并对图像添加Hanning窗,进行二维离散傅里叶变换和对数运算,计算图像的功率频谱图,运用Radon变换对频谱图进行检测,估算模糊方向;对频谱图进行最小值计算,求模糊长度,完成对点扩散函数两个参数的估算。通过Wiener滤波算法进行图像反卷积,实现图像复原。针对传统频谱图估算模糊参数易受中央亮线干扰的问题,在离散傅里叶变换之前添加窗函数进行优化。使用道路监控拍摄的模糊图像,进行点扩散函数参数估计实验,同时与目前未加窗的方法进行对比,验证所提算法的复原效果。实验结果证明,所提算法在复原车牌图像语义信息方面具有优势,能为刑事图像技术领域模糊车牌复原提供方法补充。