关键词： 无人机   异源传感器   目标检测系统   图像融合   检测算法  

摘要： 随着无人机技术的快速发展,目标检测已成为无人机应用中的一项关键技术。传统的目标检测方法往往依赖单一类型传感器获取的信息,然而异源传感器的数据互补性可以显著提升目标检测的准确性和鲁棒性。本文设计了异源传感器图像融合的目标检测系统,该系统主要由电源系统、数据采集系统、通信系统、数据处理系统以及目标检测系统等组成。针对该系统设计了软件架构以及目标检测算法流程,在此基础上,设计了相应的实验并对参数进行了合理设置,实验结果表明,本研究提出的方法能有效提升目标检测的准确率和鲁棒性。

关键词： 配电线路异物检测   小样本目标检测   迁移学习   注意力机制   异物检测  

摘要： 为了解决小样本目标检测算法中网络倾斜现象,小样本数据误检、漏检等问题,提出一种基于小样本目标检测的配电线路异物识别方法。首先,通过在迁移训练中引入注意力机制,解决网络倾斜现象。其次,提出在线难度样本选择的方法,解决小样本分类以及小尺寸异物误检和漏检问题。再次,采用内卷积解决传统卷积问题,提高异物检测精度。再次,提出新的锚框方案,解决小尺寸异物目标定位不准问题。最后,构建一个配电线路异物数据集。该方法相较于之前先进算法在配电线路异物检测数据集上检测精度提高了4.4%,达到98.6%,具有优异性能。

关键词： 表情识别   动作识别   智慧教室   深度学习   计算机视觉  

摘要： 针对当前“一对多”的教学模式下,教师一人难以实时顾及全体学生状态的问题,提出一种多维度的课堂行为识别方法,实现对学生表情及动作的实时检测。该方法在运用卷积神经网络提取特征的基础上进行特征融合,提升了较小人脸表情识别的准确率;运用多帧识别、相似度比对、权重设置,提升了腿部遮挡动作识别的准确率。该方法已成功应用于学生表情及动作的实时检测,能有效完成对学生课堂行为的识别与分析,实验验证了该方法对学生行为识别的有效性。该方法可运用于智慧教室模型中,为教师掌握学生状态提供参考。

关键词： 电力设备   图像处理   故障检测   高低频特征  

摘要： 电力设备在运行过程中,受电流和电压的影响易出现热故障,使成像特征为高低频混合状态,现有方法仅检测高频特征或低频特征,导致检测结果置信度低、检测效果差。提出了基于高低频特征融合的电力设备热故障模糊检测方法。采用红外成像传感器采集电力设备图像,利用区域能量自适应加权法,处理图像低频和高频特征。通过小波逆变换融合高低频特征计算小波系数。利用灰度值提取特征参数,得到热故障检测结果。实验结果表明:所提方法可精准检测热故障区域,置信度最高值为0.96,检测准确率高达90%,平均交并比为89%,具有较好的热故障检测效果。

关键词： 倒伏小麦   软件开发   目标分割   边缘提取   直线检测  

摘要： 【目的】小麦大面积倒伏严重影响了小麦成熟和收获,需采取综合措施,降低倒伏小麦的机收损失。【方法】借助Visual C++软件开发平台,开发了一款倒伏小麦检测系统。完成了该系统图像信息模块、图像预处理模块、目标分割模块、边缘检测模块和图像特征检测模块等模块的设计及功能实现,并对倒伏小麦图像进行了检验测试。【结果】将原始倒伏小麦图像和边缘检测直线的结果作对比,发现倒伏小麦倒伏边界和边缘检测结果是吻合的,说明检测系统具有一定的科学性。【结论】本研究设计的系统具有图像读入、图像预处理、目标分割、边缘提取及直线检测等功能,通过识别处理并计算出倒伏小麦和成熟小麦之间的高度差,控制收割机割台自动升降,可以降低倒伏小麦的机收损失,具有一定的应用前景和市场空间。

关键词： 高斯-拉普拉斯滤波   红外小目标   双向加权局部对比度   目标检测  

摘要： 针对目前局部对比度方法在复杂背景下对目标检测虚警率高的问题,提出了一种基于高斯-拉普拉斯(LOG)滤波的双向加权局部对比度的红外小目标检测算法。首先,通过改变高斯滤波的标准差s值对不同背景下的红外图像进行平滑微调后,再将其拉普拉斯算子进行卷积运算以对复杂背景下的有效目标像素进行快速提取;其次,考虑到目标像素在正交和对角方向存在不同特征信息,利用正交方向和对角方向的局部对比度之积构建双向局部对比度并对其进行加权运算,进一步提高目标的显著性;最后,通过自适应阈值分割来获取需要检测的真实目标。实验结果表明,所提算法能够实现对不同尺寸目标检测,不仅可以避免由于多尺度算法导致的块效应,而且还能提高复杂背景下目标的检测率。

关键词： 深度学习   目标检测   YOLO   注意力机制   结构重参数化  

摘要： 水下目标检测广泛应用于水下勘探、水下生物监测等领域.水下生物的自身习性导致目标之间存在相互遮挡的问题,水体对光线的吸收与散射导致水下图像存在颜色偏移与模糊.针对上述问题,本文提出LKCA-YOLOv5水下目标检测算法.首先,设计空间融合(S2F)模块,增强对空间维度信息的关注,提高对遮挡目标的检测能力.其次,设计大核卷积注意力特征提取模块,增强对模糊及颜色偏移水下图像的特征提取能力.最后,重参数化LKCA-YOLOv5的跨尺度特征融合单元(CFFU),优化模型检测速度.实验结果表明,LKCA-YOLOv5算法在RUOD数据集和URPC数据集上的检测精度分别达到72.1%和87.3%,检测速度分别达到48FPS和33FPS,相比前沿水下目标检测算法,LKCA-YOLOv5在具有较高检测精度的同时具有更快的检测速度,更加适用于水下目标检测任务.

关键词： 激光自动对焦   光场计算   光斑图像处理   离焦量检测   边缘提取  

摘要： 针对飞秒激光三维加工中如何定量寻找焦点位置问题,提出了一种新型的计算光场分布与图像处理算法相结合的自动对焦方法。首先,根据Richards-Wolf矢量衍射理论推导经过物镜后激光在多层介质内的激光光场分布函数,并利用数值模拟求解高斯光束在各个介质不同位置处的光场分布计算结果,进而在理论上得到激光光束直径在多层介质中不同位置的变化关系。其次,实验中由上到下在多层介质中每隔相同离焦距离采集一系列光斑图像,通过感兴趣区域(ROI)、最大类间差法(Otsu)、Canny边缘提取等图像处理算法处理后,获取实际多层介质中不同位置处激光光斑直径以及激光直径随位置的变化曲线。最后,将理论与实验作对比并进行曲线校正,获得了实际激光光斑在多层介质中的变化曲线,以此建立基于计算光场分布和图像处理算法为基础的激光加工自动对焦方法。

关键词： 红外弱小目标检测   背景抑制   残差网络   阈值分割   深度学习  

摘要： 在超远距离红外目标探测中,由于杂散光、探测器热传导及闪元盲元等复杂干扰,红外图像的背景常表现为非均匀性。同时,目标成像尺寸小,缺乏明显的形状和纹理特征,增加了检测与识别的难度。传统的特征提取方法易出现大量虚警,深度学习方法在特征提取方面具有优势,但在复杂背景干扰下训练难度较大。文中将计算机视觉领域中的背景重建问题与红外图像弱小目标检测任务相结合,提出了一种基于复杂背景智能抑制的红外弱小目标检测方法。该方法采用编码器-解码器架构设计了红外场景优化编解码背景抑制网络模型,引入多级融合机制和残差融合模块以实现多尺度特征提取和多层次特征融合,并提出感知一致性损失函数提高背景重建的鲁棒性。通过背景残差抵消策略有效实现背景抑制,最终结合全局阈值分割完成弱小目标检测任务。实验结果表明,与对比方法相比,文中方法在抑制背景方面背景标准差最高降幅达43.41%,目标信噪比最高提升至110.0257。在目标检测方面,四组数据中检测率均超过95%,展现出优异的检测效果,具有较强的工程实用性,为复杂背景下的红外弱小目标检测任务提供了新的解决方案。

关键词： 卷积神经网络(CNN)   目标检测   计算机视觉   特征表示  

摘要： 随着深度学习的进步,卷积神经网络(convolutional neural network,CNN)在目标检测领域的应用取得了显著的提升。相比传统人工特征构造的方法,CNN算法具备自动特征提取和强大的泛化能力,在复杂场景下,目标检测任务得到更好的解决。此外,该算法具有更好的鲁棒性,使其在实际应用中具备更高的可靠性和效率。首先回顾卷积神经网络的发展历程,重点介绍其在计算机视觉领域的应用,并突出与传统算法相比在图像处理方面的明显优势。接着,对分类与分割算法、目标检测算法和基于区域与回归检测的3种主流算法进行介绍,特别强调各类算法在解决目标定位、分类和语义分割等关键问题上的创新和突破。然后,对现有的公开数据集进行归纳。最后,展望目标检测算法未来的发展趋势。