关键词： 深度学习   轻量化   遥感图像   辐射异常   目标检测  

摘要： 随着国产光学卫星数量不断增多,获取的卫星影像数据大规模增加,卫星获取并通过传感器校正处理的影像中存在大量的影像辐射异常问题,影像辐射质量是决定影像质量检验等级评价的重要因子,目前检查主要采用人机交互方式。针对目前光学影像质检存在影像辐射问题,本文提出了利用改进的YOLOv5深度学习网络对辐射异常区域进行目标识别的方法,将改进后的Light-BiFPN特征融合网络和ShuffleNetV2主干网络融入YOLOv5s。通过探索影像辐射异常原理,此网络能够精确判断辐射异常影像目标的范围,训练出的模型能通过锚框较好地检测出辐射问题的范围,为进一步模型的部署应用做好准备工作。

关键词： 目标检测   实例分割   互惠关系   特征表达   边界精细化  

摘要： 目标检测与实例分割是计算机视觉中2种重要且关系紧密的任务,但其间的关联在大多数工作中还未得到充分的探索。为此,提出了RDSNet,一种用于互惠目标检测与实例分割的深层架构。为了实现这2种任务之间协同优化,设计了一个双流式结构来联合学习目标级别和像素级别的特征表达,分别用于编码目标级别和像素级别的信息,并在双流之间引入了3个模块来实现二者的相互作用,让目标信息辅助实例分割,像素信息辅助目标检测。通过相关模块提供一种计算目标级和像素级特征相似度的手段,以便于驱动属于同一目标的特征尽可能一致,提高实例掩码的精度。裁剪模块利用目标信息为像素级感知引入实例的概念和平移变化性,以便于更准确地区分不同实例和减少背景噪声。为了进一步提高检测框与目标的贴合程度,提出了基于掩码的边界精细化模块来对掩码和检测框做融合,利用掩码的准确性优势修正检测框的误差。在COCO数据集上的大量实验分析和对比证实了RDSNet的有效性和高效性。此外,通过在边界精细化模块引入掩码打分策略,以新的方式实现了实例分割对目标检测的辅助,使RDSNet的性能得到了进一步提升。

关键词： 奶油生菜   轮廓分割   遮挡   Mask R-CNN   深度学习   图像处理  

摘要： 利用机器视觉技术测量生菜的表型参数对探索生菜的生长规律有着非常重要的意义,而构建生菜个体的识别及轮廓分割算法是实现表型参数精准测量的重要前提;但是,在生菜培育至采收期,俯视图下生菜个体间叶片相互重叠遮挡,对个体识别和轮廓分割造成很大的阻碍。为此,改进了Mask R-CNN神经网络模型,掩膜分支采用class-agnostic模式,以ResNeXt50联合FPN替换原有的卷积主干,实现了遮挡条件下奶油生菜的个体识别和轮廓分割。为了对改进模型的分割精度进行验证分析,采用平均精度AP75和平均检测耗时作为评价指标,与原始Mask R-CNN、DeepMask、MNC分割模型在不同程度遮挡测试集上设置对比试验。结果表明:改进模型的平均精度达到98.7%,相比原模型提高了约4%,且在重度遮挡测试集上依然能够保持良好的分割精度。研究结果可为遮挡条件下植物叶片的识别和分割提供算法参考,也可为奶油生菜的表型参数提取提供技术支持。

关键词： 目标检测   YOLOv5算法   子像素卷积   多尺度融合  

摘要： 为了提升目标检测算法在多尺度学习方面的能力,尤其是对小目标的检测能力,本文提出了一种基于改进YOLOv5的超分辨率和多尺度融合目标检测算法。首先,该算法使用子像素卷积代替原YOLOv5模型的上采样操作,提高图像的分辨率,并尽可能保留小目标的信息。其次,使用并行快速多尺度融合(parallel fast multi-scale fusion, PFMF)模块实现深层特征和浅层特征的双向融合,将原YOLOv5算法的3尺度预测升级为4尺度预测,以此提高模型多尺度特征学习能力和对小目标的检测效果。实验结果表明,与YOLOv5s相比,改进后的模型在PASCAL VOC数据集中,mAP@0.5提高了2.8个百分点,mAP@0.5∶0.95提高了3.5个百分点;在MS COCO数据集中,mAP@0.5提高了4.3个百分点,mAP@0.5∶0.95提高了5.2个百分点。改进后的YOLOv5模型在多尺度检测,尤其是小目标的检测效果方面得到了提升,并具有一定的应用价值。

关键词： 机器视觉,工业机器人   过程控制   图像处理   定位抓取  

摘要： 回转式空气预热器是大型火电机组的核心设备之一,本文针对回转式空气预热器蓄热元件的组装生产效率问题,设计了一种整合机器视觉的回转式空气预热器蓄热元件全自动组装系统,从而提高了蓄热元件生产安装效率,显著降低了现场操作人员的劳动强度。该系统基于机器视觉技术,自动检测输送带上蓄热元件板的姿态参数,从而引导SCARA机器人完成蓄热元件板的动态飞抓和堆叠操作。本文使用图像标定和坐标变换法则统一了传送带与机器人坐标系,采用改进霍夫变换算法解决了凹凸波纹板的边缘检测问题,并通过生产现场运行实验证明了算法的有效性。

关键词： 目标检测   YOLOv5   图像识别   ResNet   注意力机制  

摘要： 行人检测与识别技术在交通管理、智能监控等领域具有重要的应用价值。针对现有行人检测与识别存在的检测精度低、识别困难等问题,提出了一种融合SE注意力模块的YOLOv5算法和ResNet50网络的行人检测与识别系统。在Backbone网络中引入SE注意力模块,以捕获更加丰富的特征信息,从而提升模型的检测精度;采用ResNet50网络对裁剪图片进行识别检索。实验结果表明,该算法的检测精度较高,能够识别复杂场景下的行人,基本满足不同场景下的行人检测与识别要求。

关键词： 3维机动目标跟踪   坐标耦合   自适应转弯率   变结构多模型   非线性状态估计  

摘要： 在3维空间机动目标跟踪过程中,目标运动先验未知和坐标耦合误差会引起运动模型-模式失配,而模型-模式失配会引起状态估计有偏。该文根据目标运动速度正交条件修正状态转移矩阵,利用原始-对偶正则约束空间测量到球面可行域,结合自适应转弯率模型和无迹卡尔曼滤波(UKF),进行模型状态滤波并融合状态估计的一致输出,推导3维变结构多模型无迹卡尔曼滤波(VSMMUKF)算法。实验结果表明,相比多模重要性无迹卡尔曼滤波(MIUKF)算法,VSMMUKF计算量相当,能够更准确地拟合3维空间点目标机动运动。相比于交互多模型最大最小粒子滤波(IMM-MPF)算法,VSMMUKF跟踪固定翼无人机(UAV)的滤波精度提升了2.8%~59.9%,整体算法负担减小了1个数量级。

关键词： 扩展目标跟踪   Student’s t平滑   逆Wishart分布   厚尾噪声  

摘要： 脉冲干扰和离群量测信息等因素通常会导致异常的厚尾噪声,这使得以高斯假设为前提的扩展目标跟踪(ETT)估计器的性能急剧降低,针对该问题该文提出一种基于扩展目标随机矩阵模型(RMM)的Student’s t逆Wishart平滑(StIWS)算法。首先,将目标的运动状态以及过程噪声和量测噪声建模为Student’s t分布以表征异常噪声对扩展目标概率分布的影响,将目标扩展状态建模为服从逆Wishart分布的随机矩阵。然后,在Student’s t贝叶斯平滑框架下,详细推导了能在扩展目标的多重特征动态演变的过程中有效估计目标状态的StIWS算法。最后,通过扩展目标跟踪的仿真实验结果和真实场景实验结果验证了所提算法的有效性。

关键词： 肾动态   显像图像   后处理   肾小球   滤过   影响  

摘要： 研究旨在探讨肾动态显像图像后处理对慢性肾小球滤过不全患者肾小球滤过的影响,评估其在临床应用中的潜在价值。方法 于2022年4月至2023年4月期间,选取我院60例慢性肾小球滤过不全患者,采用肾动态显像99mTc-DTPA技术测定肾小球滤过率。重点检测患者的血尿素氮(BUN)、血清肌酐(Scr)、肌酐清除率(Ccr)等生化指标,同时对采集到的相关数据进行统计学分析。同时,对比图像采集处理前、后的结者肾脏深度和GFR值,果:基于肾动态显像图像后处理,观察到患者的肾小球滤过率值诊断结果更为准确,其中平均滤过率由处理前诊断的45.2±8.6ml/min提高至处理后的52.8±9.4ml/min(P<0.05)。与此同时,患者BUN、Scr水平明显下降,Ccr水平明显提高(P<0.05)。结论 肾动态显像图像后处理对慢性肾小球滤过不全患者的肾小球滤过率诊断结果具有显著正向影响。该技术可有效改善患者肾小球滤过率,表现为生化指标的改善。肾动态显像图像后处理为肾小球滤过不全的诊断和治疗提供了一种新的临床辅助手段,具备广泛的应用前景。然而,还需优化本研究思路,明确临床机制和长期临床应用效果,进而更全面地评估其在慢性肾小球滤过不全患者中的临床应用价值。

关键词： 高光谱   异常检测   目标检测   背景污染   协同表示   双层结构  

摘要： 在高光谱目标检测领域,基于协同表示的算法展现出优异的性能,但其一直存在异常点对背景字典的污染问题,这一定程度上影响了算法的检测性能。本文提出了一种改进的协同表示高光谱异常检测算法,设计了双层协同表示结构,首先利用第一层协同表示算法将大部分异常点检出,并用其邻域进行背景纯化,剔除已检出的异常点对背景字典的污染,然后用纯化的背景字典来预测背景,进而在第二层采用协同表示进行异常检测。仿真试验表明,通过简单的双层协同表示结构可以有效地减轻异常点对背景污染的问题。该算法的检测性能相对基础的协同表示算法有显著的提升,与现有的算法对比,具有相对较好的检测效果。