关键词： 隧道工程   烟雾检测   火灾试验   目标检测   YOLOv5s  

摘要： 隧道火灾快速感知可为隧道运营安全提供重要保障,并为隧道应急处置提供关键性决策信息。然而,现有的视频图像火灾烟雾检测方法在公路隧道复杂环境下存在准确性和时效性问题,并且缺乏基础视频图像数据。为此,通过开展实体公路隧道火灾试验,创建高清视频图像数据集,以真实隧道场景下模拟的火灾烟雾视频图像为研究对象,提出一种基于改进YOLOv5s的智能检测算法。在模型中,使用增强后的Mosaic方法对训练数据进行增强处理;引入Transformer Encoder模块增强网络全局特征提取的能力,改善较小烟雾目标特征提取较为困难的状况,以提升网络性能;利用最新的轻量级卷积方法GSConv替换掉部分卷积模块Conv,减少网络参数的同时保持网络性能,达到压缩网络目的;添加轻量级高效通道注意力模块ECA,通过局部跨通道交互策略缓解监控摄像机距目标较远与火灾初期烟雾漏检问题,在少参数量增加的情况下进一步提升网络性能;采用CIoU损失函数与SiLU激活函数的组合使网络更快得到收敛。为验证所提算法的有效性,选用YOLOv3、YOLOv3-efficientnet、YOLOv5s、YOLOX、YOLOv7、YOLOv7-tiny、SSD七种目标检测算法进行对比分析。结果表明:在自建的公路隧道火灾烟雾数据集上,所提算法的检测精确度达到97.27%,mAP@0.5为97.85%。尽管在原网络基础上提升的幅度仅为1.83%和1.13%,但相较于其他7种对比算法,所提算法对远距离和火灾初期的小尺寸烟雾目标有更好的检测效果,明显改善了漏检情况。此外,算法的检测速度为86.2帧·s~(-1),能够满足隧道火灾检测的时效性要求,同时利用重庆真武山隧道火灾视频验证了算法的可靠性,研究结果可为实现隧道复杂环境下的火灾快速感知提供技术支持。

关键词： 单目标跟踪   可见光-红外目标跟踪   多光谱目标跟踪   多光谱成像  

摘要： 基于可见光图像的单目标跟踪方法经过多年发展,取得了卓越的成效。然而,在低照度、杂乱背景、相似目标干扰等场景时,这类方法的目标表征具有明显的限制。与此相比,热红外图像和多光谱图像提供了热辐射和光谱特性,为目标跟踪技术提供了光谱信息的扩展。基于可见光-红外RGB-T(RGB-Thermal)和多光谱图像的单目标跟踪技术已经取得了一定的进展,然而目前仍缺乏一个全面的综述文献。因此,本文对光谱信息扩展的单目标跟踪技术进行了全面的回顾与分析。首先,本文梳理并总结了光谱信息扩展的目标跟踪框架。在此基础上,详细讨论了基于RGB-T图像的目标跟踪改进方法,包括特征融合策略的设计、先验挑战属性的利用和高质量特征的生成。同时,从多光谱跟踪方法的传统模式、谱段选择策略的构建、多光谱特征的高效表达和适用于多种成像设备的模型设计四个方面,全面阐述了基于多光谱图像的目标跟踪方法的改进策略和方法优势。此外,本文汇总了目前RGB-T和多光谱图像的单目标跟踪数据集和评价指标,对比了不同跟踪算法在这些数据集上的性能表现。最后,探讨了光谱信息扩展的单目标跟踪技术的未来发展趋势,强调了构建大规模数据集、发展多光谱数据的预训练模型、充分表达光谱维度信息、理解红外及高光谱图像数据分布和大模型与目标跟踪技术结合作为未来研究的热点和难点,旨在为该领域的研究人员提供参考和启示。

关键词： 图像处理   深度学习   YOLOv9模型   澳洲坚果  

摘要： 针对自然环境下果实重叠、相互遮挡和目标小的澳洲坚果果实检测准确率低的问题,提出一种改进YOLOv9模型的识别方法(YOLO-L)。首先,引入BiFormer注意力机制,该机制通过双层路由注意力机制实现了动态、查询感知的稀疏注意力分配,能够很好地捕获特征表征,增强网络对全局特征的关注度;其次,采用VoVGSCSP模块代替YOLOv9中的CBFuse模块,提高了复杂场景下小目标的检测效果;最后,将YOLOv9模型默认的损失函数替换成排斥损失函数,解决了果实排列密集和漏检的问题,进一步提升了澳洲坚果果实检测的平均精度。通过消融试验和对比试验来验证模型的有效性,发现YOLO-L模型的平均精度均值、精确率、召回率和F_1值分别达到96.2%、92.3%、88.2%和90.2%。与YOLOv9模型相比,YOLO-L模型的平均精度均值提升了4.9个百分点。总体而言,YOLO-L模型能够在自然环境下准确识别被遮挡、重叠的澳洲坚果果实,且检测精度高。研究结果可为澳洲坚果产业的智能采摘提供有效的技术支持。

关键词： 光伏电池片   丝印工艺   目标检测   图像处理   注意力机制   特征融合  

摘要： 目的在光伏电池片制作流程中,由于正负极电路的丝印缺陷具有目标小、分布不均匀等特征,目前检测仍然耗时耗力,因此提出基于优化YOLOv8算法的丝印缺陷检测方法,以解决光伏丝印电极缺陷难检测的问题。方法基于机器视觉理论搭建电池片图像采集平台,采集图像并对图像数据集进行标注划分,在批量变换处理增强数据集模型基础上进行YOLOv系列算法比对实验,表明YOLOv8算法更适合局部小目标缺陷的检测。接着将深度学习技术的洗牌注意力机制(Shuffle Attention,SA)引入YOLOv8算法中的注意力模块,有效提取特征信息,替换原特征融合模块,最后与原算法模型进行消融实验。结果缺陷识别精度提升了4.6百分点。结论优化后的算法能够提高缺陷识别精度,有效降低丝印产生的不良电池片进入后续工业流程的概率。

关键词： 耕地保护   铁塔摄像头   目标检测   SSD算法   特征融合  

摘要： 针对国土耕地违规占用行为中小目标占比偏高,检测准确率低、实时稳定性差等问题,提出从铁塔摄像头获取视频并结合改进的单次多框检测器(single shot multibox detector,SSD)算法,实现国土耕地违规占用行为的实时智能检测。将SSD主干网络替换为ResNet-50,增强算法对违规占用目标的特征提取能力;构建特征融合模块融合高低层以增强小目标的细节特征,构造Short-cut模块生成预测特征金字塔;创建联合权值调整模块,增强违规占用目标的有用目标信息;采用K-means聚类算法优化候选框的宽高比,使其更适用于自制数据集。提取常见违规占用行为目标为实验对象,结果表明,改进后的SSD算法检测违规占用行为的平均准确率为91.24%,并有效增强小目标的检测效果,可为国土资源监测作参考应用。

关键词： 图像处理   目标识别   数据传输   路径规划   虫害检测  

摘要： 针对传统的人工农田巡视方式效率低下、工作环境差、及时发现虫害难度大等问题。本设计模拟田间环境,基于机器视觉、人工智能等技术,搭建了一体化的虫害通信检测系统。使用全向麦轮圆形小车作为系统的搭载底盘,以适应各种户外场景,全方向应用,能够灵活采集各种图像数据,同时通过无线网卡进行WiFi数据传输,将其转发给搭建的上位机,实现云端巡视。本设计主要通过路径规划智能车行驶路径,在垄间巡视虫害、搭载摄像头实现巡拍垄间场景,实现环境与作物影像数据的自动化采集,同时开发农业数字化智能决策平台,接收智能车传来的视频并再现垄间场景进行分析、识别是否有虫害。该设计利用数字技术和数据分析方法来监测和管理田间虫害情况,可以通过收集和分析大量的数据,提供实时的虫害监测结果,帮助农民和农业专家迅速发现和应对农作物虫害的问题,具有良好的社会效益和应用可行性。

关键词： RGB-D SLAM   动态场景   目标检测   几何约束  

摘要： RGB-D SLAM是一种利用深度相机实现同时定位和地图构建的技术。传统的视觉SLAM系统基于对静态环境的假设,然而实际环境中往往存在动态物体,这可能导致SLAM系统的位姿估计出现显著的偏差。针对这一问题,提出了基于轻量化的YOLOv8s目标检测的RGB-D视觉SLAM系统,采用Socket通信方式,将目标检测结果传给SLAM,然后利用Depth Value-RANSAC几何算法剔除检测框内的动态特征点,提高了SLAM系统在动态环境中的定位精度。实验使用TUM数据集进行验证,结果表明,本文系统精度相比ORB-SLAM2有明显提高。与其他SLAM系统相比,本文系统在精度和实时性上有不同程度的改进。

关键词： 目标检测   二阶Radon-Fourier变换   相参积累   参数估计   遗传算法  

摘要： 针对匀加速运动的高速目标,可以用二阶Radon-Fourier变换(Second-order Radon-Fourier Transform,SRFT)完成对回波信号的相参积累。SRFT算法的原理是通过“速度-加速度”联合搜索来实现目标的运动参数估计,其计算量较大,不满足实时检测的需求。针对这个问题,提出一种基于遗传算法(Genetic Algorithm,GA)的快速实现方法。首先对运动参数集进行编码,设置初始群体;然后通过遗传算法对群体更新迭代,使其能够自发快速地逼近全局最优解,减少不必要的搜索路径;最终快速实现待检测目标的相参积累。仿真结果表明,在保证检测性能的前提下,算法计算量得到有效改善,运算次数减少大约一个量级。

关键词： 水准仪   视觉检测   图像处理   运动控制  

摘要： 目前水准泡制造行业采用人工方法对水准泡进行出厂检测,其准确率低,速度慢。提出一种基于视觉检测及高精度运动控制系统的自动检测方法。采用二值化、模板匹配及拟合圆等图像处理算法,同时结合PID控制理论,得到水泡位移同角度台偏转角之间的数据关系,最终得到管状水准泡内壁实际打磨效果。同时根据检测需求,分析了本测量设备的测量能力(CGK),以验证本设备的可靠性。对1000个水准泡进行测量实验,实验结果表明所提检测方法能有效提高水准泡角值检测准确度。