关键词： 道路病害检测   目标检测   YOLOv8   多尺度融合   注意力机制  

摘要： 在资源有限的户外,针对道路病害检测精准度和实时性不高的问题,提出一种多尺度融合的YOLOv8的道路病害检测算法。在主干网络中使用C2iAFF多尺度特征融合模块,缓解背景特征与目标特征之间分辨难的问题,提高对细长裂痕目标的检测能力;构造特征融合模块RFB_(3×3),对多尺度目标特征信息进行聚合提取,提高特征的表达能力;加入通道注意力机制SE,让模型学习重要的特征,提高模型的精准度;最后采用更优的归一化Wasserstein距离度量损失函数,使用NWD帮助小尺寸检测物体定位。实验结果表明,改进后的道路病害检测模型在仅增加0.3M参数量和0.4GFLOPs计算量的情况下,mAP50提高了2.4百分点,F1-Score提高了2.4百分点,达到了道路养护工作要求的检测精度和速度。

关键词： 多输入多输出雷达技术   目标检测与跟踪   波束形成  

摘要： 文中提出了一种基于多输入多输出(MIMO)雷达技术的目标检测与跟踪算法。首先,介绍了MIMO雷达技术的原理及其在目标检测与跟踪领域的应用优势。其次,详细阐述了算法的设计思想和实现方法。该算法利用MIMO雷达系统同时发送和接收多个波束,实现了对目标的高分辨率成像和准确跟踪。最后,通过仿真实验验证了该算法的有效性和性能优势,证明了其在实际应用中的潜力。

关键词： 成像遥感   信息处理系统   智能运维   异常指标   服务调用链   云平台  

摘要： 针对现有遥感图像处理系统运维存在的难度大、时效性低等不足,研究系统智能运维策略,主要包括三部分,一是设计系统状态监测体系,研究遥感图像处理系统状态监测方法,实现系统指标数据的自动采集、汇聚和管理,为系统状态智能分析和智能运维的实施提供监测信息输入源;二是基于历史监测指标,使用机器学习算法构建趋势模型,自动识 别检测指标的异常值。另一方面,构建基于服务调用链的根因定位分析模型,采用智能决策 算法逐层排查快速定位异常原因;三是采用异常人工处置故障树实现系统异常处置。

关键词： 深度学习   目标检测   图像融合   分布式光伏电站   周界入侵  

摘要： 针对分布式光伏电站周界入侵检测数据不足、精度低、检测异物不完全等问题,在双模态特征融合基础上提出一种改进式的周界入侵目标检测算法(VT-DETR)。首先,将单通道网络拓展为双通道网络,以同时提取可见光与红外图像的多维特征;其次,引入软权重分配策略,以弥补可见光与红外图像融合时热辐射信息的缺失;最后,改善损失函数的计算方式,提升注意力机制训练效率。另外,构建面向分布式光伏电站的周界入侵图像数据集。实验结果表明,改进后算法的平均检测精度达到92.08%,验证了该方法在分布式光伏电站周界入侵检测上的有效性。

关键词： 5G网络技术   计算机视觉技术   智慧港口   巡检机器人   设计   开发  

摘要： 港口巡检工作是维护港口安全,保障港口贸易通畅的重要方式,传统的港口巡检工作主要采用人工巡检的方式来完成,这种巡检方式存在劳动强度大、工作效率低等缺点,已经无法满足当前巡检的需求。本文基于5G网络和计算机视觉技术设计了一种智慧港口巡检机器人。该智慧港口巡检机器人充分利用5G网络技术来实现了数据信息的高速、低延迟传输,通过计算机视觉技术实现了目标检测、缺陷识别和路线规划等功能。充分利用该智慧港口巡检机器人来进行港口巡检工作,可以有效提升港口巡检效率,降低人工巡检的劳动强度和安全风险。

关键词： 实验室   不安全行为   目标检测   属性识别   深度学习  

摘要： 人的不安全行为是高校实验室事故发生的主要原因,其中个人防护措施不当是最突出的表现。目前,大多数不安全行为检测方法主要用于建筑、工业场景,仅关注人员是否佩戴防护装备,而无法有效区分个人防护装备佩戴状态的完整性与有效性。本研究将防护装备佩戴状态进行更精细区分,提出一种基于目标检测与属性识别算法的两阶段人员不安全行为识别方法。第一阶段利用改进的YOLOv5-DETR-LPE实现实验室复杂背景和低质量图像条件下人员的精准检测,第二阶段利用基于EfficientNet-B3的属性识别算法实现对检测到的人员的不安全行为的识别。在自建数据集上,YOLOv5-DETR-LPE相较于YOLOv5n算法精确率和mAP50:95提高1.15%和5.11%,而模型参数量和计算量仅有小幅度增加。基于EfficientNet-B3的属性识别算法在3种属性的11类标签的识别中均保持较高精确率。最后设计并实现了识别与预警系统在实际环境中的部署,验证了该系统在实际场景中的有效性和可行性。

关键词： 计算机视觉   场景文本识别   注意力机制   特征信息关联  

摘要： 场景文本识别(Scene Text Recognition, STR)使计算机能够获取自然场景图像中的文本信息。在STR的研究中识别准确性始终是关注重点。对于计算资源受限的边缘设备,模型的参数量和计算效率也同样重要。针对该问题,提出了基于多头注意力融合的自然场景文本识别(Scene Text Recognition Based on Multi-Head Attention Fusion, MAF)算法。通过利用多头注意力(Multi-Head Attention, MHA)机制设计了视觉编码器,实现对规则和不规则场景文本图像的视觉特征深度提取。为了增强模型对字符间间距变化和语义相似性的感知能力,提出了增强位置编码以及结合输入上下文和置换模型的语义编码器。通过MHA将视觉和语义特征信息融合,提高在复杂环境背景下的文本字符识别准确率。实验结果表明,MAF的参数量仅为7.6×10^(6),FLOPS为1.0×10^(9),在真实STR数据集上的平均识别准确率达到95.6%,有效平衡了识别任务的准确性和计算效率,具有一定的应用潜力。

关键词： 目标检测   坐标注意力   非极大值抑制   YOLOV5  

摘要： 针对海洋牧场对海参、海胆及扇贝等目标生物,检测实时性和准确性的更高要求,提出了一种基于多聚合和多尺度的YOLOV5水下目标检测算法。该算法引入CIoU Loss损失函数以及DIoU-NMS非极大值抑制方法,以改善数据密集场景下目标漏检的问题;在网络中增加小目标检测层,提升小目标的检测精度;引入了坐标注意力机制CoordAtt,提取不同层次特征图的坐标信息;改进了特征融合网络结构,以提升目标检测坐标定位准确性以及获取更丰富的特征信息。在实验分析中引入了目标检测常用的平均精度(AP)、平均精度均值(mAP)以及检测速度作为评估标准,通过消融实验,以及与其他一阶算法结果进行对比验证算法的性能,实验结果显示该算法取得了更好的检测效果。

关键词： 深度神经网络   有限状态机   智能管控   电缆附件安装   工艺识别   视频分析   YOLOv8   目标检测  

摘要： 文章提出了一种基于深度学习和有限状态机的智能化电缆安装管控方法。通过识别处理电缆附件安装视频,该方法能够记录工序时长并判断工艺是否达标。建立基于电缆附件安装视频的数据集,构建基于YOLOv8的目标检测深度神经网络模型学习电缆附件特征。定义有限状态机模型记录安装时间和过程,并利用深度神经网络检测结果确定当前状态以管理安装工艺。比较工序状态转变时间与标准时间以判断达标情况。试验结果表明,该方法能够快速准确地识别电缆附件安装过程,并有效判断工艺是否达标。该方法可用于提高电缆安装效率和质量,并为智能电缆安装系统提供技术支撑。

关键词： 人工智能   环境设计   Photoshop图像处理   课程改革  

摘要： 自20世纪50年代起,人工智能技术的兴起与发展为设计领域带来变革。近年来,人工智能已渗透到多个艺术领域,随着使用人数增加,高校也将其纳入教育体系。本研究以《Photoshop图像处理》课程为例,利用人工智能技术构建智能课堂,改进教学质量,使学生深入理解图像处理原理。智慧课堂引入自适应学习系统、图像识别技术和实时反馈机制,能够提供个性化学习资源,结合传统Photoshop与人工智能技术,学生能在实践中直观认识核心概念,提升创造力和实践技能。