关键词： 目标检测   声呐图像   注意力   渐进式感知   损失函数  

摘要： 针对侧扫声呐图像分辨率低、轮廓模糊且存在目标形状畸变严重导致检测精度低的问题，提出一种渐进式动态锚点距离调控侧扫声呐图像检测网络。首先，设计渐进式感知主干网络利用卷积核感受野渐进扩张策略促进声呐图像稀疏目标由局部特征感知过渡到整体感知。其次，针对侧扫声呐图像中实例尺度动态范围较大且轮廓模糊易导致预测边界框定位不准确问题，提出动态锚点距离定位损失函数以动态最小化预测边界框与真实值边界框点距。最后，构建空间定位分组聚合注意力模块，将分组聚合自注意力建立长距离依赖与通道位置注意力建立上下文相关性结合，进一步挖掘水下稀疏目标特征信息。实验结果表明，本文提出的声呐图像检测算法较基准网络在平均检测精度方面提升6.3%，达到88.2%，检测速度达到149帧/秒，从而验证了本文算法对侧扫声呐图像检测的有效性。

关键词： 安全管理   目标检测   深度学习   多尺度  

摘要： 在工业生产中，安全事故往往是由不规范的操作引起的。目前，在工业生产活动中存在着不同尺度之间数据的不平衡，导致了通用目标检测网络性能的检测准确率不足。为此，本文设计出一种适用于工业安全场景的目标检测算法——YOLO-SP，该算法通过引入滑动注意力检测（Swin-Transformer Detection， STD）模块及混合偏分损失函数（Partitioning Discrepancy， PD Loss），能够提升图像局部多尺度特征的提取能力，加强了传统YOLO模型在微小尺度目标检测上的性能。YOLO-SP通过巧妙的运用STD模块，在不显著增加计算负担的前提下，引入局部注意力机制，深入提取不同安全隐患之间的聚合性特征，使用显著的目标与细小目标的相关性，提高了细小目标的检测性能。同时设计了一种新颖的PD Loss，代入了工业先验知识，缓解了工业生产安全中不同尺度带来的数据不平衡问题。为验证本研究提出方法的有效性与实用性，本研究收集并创建了一个来自真实工业生产场景的工业安全（Industrial safety，IS）数据集，复现了实际工业安全检测中遇到的困难，并在 IS数据集及公开的 VisDrone数据集上进行了实验。实验结果显示，在这两个数据集上的平均精度（mAP）分别达到了91.4%和65.5%，均实现了当前最佳性能水平。

关键词： 多波段图像   融合识别   动态聚合   深度学习  

摘要： 多波段图像目标检测识别是重要的多模态基础任务之一，旨在通过不同传感器的成像特性补充完善目标特征来提高目标感知效果，对提升交通、医疗、军事等领域智能化程度具有重要的现实意义。针对目标检测识别中广泛存在的因光照、遮挡、复杂背景导致的检测识别效果不佳的问题，提出一种动态自适应聚合的可见光红外图像目标检测识别方法，通过设计通道注意力混合和二次动态权重连接的动态聚合结构以及语义空间信息交互的多路径扩展Neck结构，充分挖掘多波段图像的互补性，来提升困难场景下多波段图像目标融合检测的平均准确率。经公开数据集测试，相较于不采用动态聚合结构和多路径扩展Neck结构的对比模型，本方法的平均准确率(mean average precision， mAP)提高4个百分点以上。

关键词： YOLO   小目标检测   空间深度转换卷积   空间金字塔池化   NAM注意力机制  

摘要： 在无人机航拍图像检测任务中，图像中的目标往往呈现出尺度密集、易受遮挡，并且以小目标居多的特点，导致检测过程中易出现错检或漏检的情况。本文基于YOLOv5s提出了针对小目标检测的SNA-YOLOv5s算法。首先，利用空间深度转换(SPD)卷积模块替换原模型的跨步卷积层，消除跨步卷积操作导致的细节信息丢失问题，提高模型从小目标中提取特征的能力；其次，设计新的平均金字塔池化模块，引入平均池化操作缓解池化层在提取特征信息的同时会导致部分信息丢失的问题，提升模型的特征提取能力；再次，新增针对小目标的大尺度检测分支，捕捉浅层特征中丰富的细节信息，提升对小目标的检测能力；最后，将归一化(NAM)注意力机制嵌入主干网络，对特征信息进行加权处理，抑制无效的特征信息。在VisDrone2019数据集和NWPU VHR-10数据集上的训练测试结果表明，该算法的平均检测精度（mAP）分别达到了42.3%和96.5%，和基线模型YOLOv5s相比分别提高了8.4%和2.6%。通过与其他基于深度学习的主流模型对比实验，进一步验证了该模型的鲁棒性和精确性。

关键词： YOLOv9   交通路口检测   CoT-CAFRNet   自适应融合   BiHS-FPN   IF-MPDIoU损失函数  

摘要： 针对交通路口图像复杂，小目标难测且目标之间易遮挡，天气和光照变化又引发颜色失真、噪声多和模糊等问题，提出一种基于YOLOv9(You Only Look Once v9)的交通路口图像的多目标检测算法ITD-YOLOv9。首先，设计CoT-CAFRNet(Chain-of-Thought Prompted Content-Aware Feature Reassembly Network)图像增强网络，提升图像质量，优化输入特征。其次，加入通道自适应特征融合(iCAFF)模块，增强小目标及重叠遮挡目标的提取能力。然后，提出特征融合金字塔结构BiHSFPN(Bi-directional High-level Screening Feature Pyramid Network)，增强多尺度特征融合能力。最后，设计IF-MPDIoU(Inner-Focaler-Minimum Point Distance based Intersection over Union)损失函数，通过调整变量因子，聚焦关键样本，增强泛化能力。实验结果表明：在自制数据集和SODA10M数据集上，ITD-YOLOv9的检测精度分别为83.8%和56.3%，检测速度分别为64.8frame/s和57.4frame/s。与YOLOv9算法相比，检测精度分别提升3.9和2.7个百分点，有效实现交通路口下的多目标检测。

关键词： 航拍图像   小目标检测   多层级特征融合   L-MobileViT   YOLOv8  

摘要： 针对航拍图像大视野、小尺寸、分布密集从而导致小目标检测精度低的问题，提出一种基于YOLOv8改进的融合多尺度特征的航拍检测算法，首先，构建了轻量化的L-MobileViT模块捕获特征间的有效关系，减缓信息丢失，提高模型的检测性能。其次，提出了多层级的多尺度融合模块HF (Hierarchical Fusion )，融合深层级的语义信息与底层级空间纹理信息，提高密集场景下小目标的检测能力。最后，在YOLOv8基础上增加小目标检测头删减大目标检测头，提升小目标检测能力，减少小目标的漏检。试验结果表明，改进后的模型在VisDrone2019与UAV航拍交通小目标数据集（UAV-TrafficTinyDataset）中取得了较优的效果，与基线模型相比，mAP@50分别提高17.6%、15.7%，对小目标的检测效果有明显的提升，综合性能优于主流的航拍检测算法，表明改进算法具有更优泛化性与鲁棒性，适用于航拍场景下的检测任务。

关键词： 机动目标   状态估计   交互式多模型   并行滤波  

摘要： 为解决高炮跟踪机动目标时的状态估计问题，使高炮火控系统能够对进行间歇机动的目标进行运动模式辨识和状态估计，提出了一种模型非等维交互的交互式多模型无迹卡尔曼滤波(IMM-UKF)算法。该算法对应匀加速运动及匀速转弯运动，将匀加速、匀速、协同转弯模型组合成两个运动模型组合滤波器。以三维并行的方式滤波，对各模型的共有状态分量进行有限交互以降低计算量，并采用残差滤波和系统误差矩阵模糊自适应的方法提高模型辨识稳定性和滤波精度。仿真结果表明，该算法比传统IMM算法精度更高且执行时间更短，模型辨识的稳定性也更好。

关键词： 4D毫米波雷达   鸟瞰图   自动驾驶   交叉注意力机制   三维目标检测  

摘要： 针对自动驾驶场景中的行人和车辆目标识别与定位问题，提出了一种4D毫米波雷达与视觉融合的算法——CDCAM-BEV，以提高目标检测精度。其基本思想是：首先，设计雷达柱体网络，将4D雷达点云编码为伪图像，并通过正交特征变换将单目图像转换为鸟瞰图（BEV）特征；其次，基于交叉注意力机制，设计共同信息提取模块（CICAM）和差异信息提取模块（DICAM），充分挖掘雷达和图像的公共信息和差异信息；最后，基于CICAM和DICAM模块设计鸟瞰图特征融合模块，实现图像信息和雷达信息在BEV空间的特征级融合。在具有挑战性的VOD数据集上验证了所提算法，并与其他五种三维目标检测算法进行对比。实验结果显示，CDCAM-BEV在多个模式下的检测性能均优于其他算法。在三维模式下，CDCAM-BEV的平均检测精度比排名第二的Part-A2高出3.65%；在BEV模式下，比排名第二的Pointpillars高出5.04%；在AOS模式下，比排名第二的Part-A高出2.62%。这些结果表明，CDCAM-BEV在各模式下均表现出卓越性能，能够有效融合图像和4D雷达点云特征，显著提高目标检测精度和可靠性。

关键词： 食药用菌   表型组学   分析平台   大模型  

摘要： 食药用菌表型组学在真菌的分类鉴定、种质资源的评估、育种等研究中起着重要作用，但目前缺乏采集专用的表型采集设备和数据分析软件。本研究针对上述挑战，设计并开发了一种基于计算机视觉的食药用菌菌丝表型采集与智能分析平台——FPheno2000。该平台具备高质量和规范化采集菌丝体图像的硬件设备，并结合条形码扫描系统实现数据的管理与追溯。菌丝表型数据智能化分析软件可搭配硬件使用，控制表型采集过程，并实现7种菌丝表型的智能化提取与数据管理。在表型分析模块，构建了基于Yolov8和SAM的菌丝形态学表型与生长过程性状提取算法。通过使用赤芝菌丝图像进行测试，该模型分割的平均交并比（mIOU）达到96.3%。菌丝面积、周长、垂边长、长边长等形态学表型的提取值与手动测量高度相关，R2均在0.99以上。构建了基于菌丝面积、周长、垂边长、长边长的菌丝生长模型曲线，拟合结果的R2均高于0.996，多维度提取了菌丝最大生长速率、平均生长速率、生长持续期。综上所述，FPheno2000平台的开发为食药用菌的精准育种提供了强有力的支持和标准化工具。提高了菌丝体表型数据的采集和分析效率，增强了数据的可靠性和定量程度。这一平台的应用将推动食药用菌表型智能分析领域的发展，促进食药用菌产业的进步和提升。

关键词： 红外图像   目标检测   多头交叉注意力   多尺度重塑   双特征交互细化  

摘要： 为了应对红外图像目标检测中目标像素低、背景复杂以及硬件资源有限等问题，提出了一种融合位置编码的多头交叉注意力机制和双特征交互细化结构的目标检测模型。在骨干网络中，引入基于位置编码的交叉注意力模块（Criss-Cross Attention， CCA）和空间金字塔池跨阶段局部模块（Spatial Pyramid Pooling Cross Stage Partial， SPCP）。CCA模块通过行和列的相关矩阵变换，在水平和垂直方向上聚合上下文信息，并通过共享递归交错模块的参数，减少自注意机制所需的参数数量，增强特征提取能力。SPCP模块通过统一不同大小和尺度的特征映射，采用跨阶段局部结构（Cross Stage Partial， CSP）降低参数和计算量，并引入挤压激励注意力机制选择对目标检测更有利的通道。在颈部网络中，引入频域信息和双特征交互细化模块（Dual Feature Interaction Refinement， DIR），进一步提取小型目标船舶的细化特征，增强模型的特征融合能力。改进后的模型在红外船舶检测数据集ISDD上精确度达到89.5%，召回率达到97%，F1分数为93.1%。与基准模型相比，显著提高了检测性能。此外，与其他检测模型相比，所提出的模型减少了计算参数数量。实验结果表明，融合位置编码的多头交叉注意力机制和双特征交互细化结构有效提升红外船舶目标检测的准确性。