关键词： 隧道盾构裂缝漏水检测   Leakage-YOLO   注意力机制   关键区域特征  

摘要： 隧道盾构裂缝漏水问题的检测对于保障隧道结构的安全性和延长其使用寿命至关重要。随着目标检测技术的发展,先进的检测技术逐渐被应用于隧道盾构裂缝漏水区域的自动检测,以提高检测效率和精度。因此,为进一步提高裂缝漏水区域的检测精度并实现实时的隧道盾构裂缝漏水检测,在YOLOv8的基础上提出了目标检测算法Leakage-YOLO。该算法通过在检测颈中引入区域焦点注意力模块(regional spotlight attention),更好地融合全局与局部特征信息,增强对关键区域特征的提取能力,进而有效解决了裂缝漏水区域显著特征难以提取的问题。此外,通过改进检测头,提出一种新的SE-Head结构,进一步增强了对细节边缘特征的捕捉能力,有效改善了裂缝漏水区域定位不精确的问题。在真实场景的公开数据集的实验结果表明,改进后的算法相比原算法在AP、AP0.5、AP0.75上分别提高了4.7、4.9、6.7个百分点,并与其他主流算法对比,验证了所提的Leakage-YOLO的有效性和优越性。

关键词： 肺结节   术前定位   微变放大   计算机视觉   多尺度检测  

摘要： 目的开发一种能够帮助医师定位肺结节的新型识别算法。方法纳入2023年12月于南京大学医学院附属鼓楼医院胸外科行胸腔镜手术的肺结节患者。采集患者60帧/s帧率、1920×1080分辨率的胸腔镜肺表面探查数据,并以定间隔保存帧图像,对帧进行分块处理。用以上数据构建一个针对肺部结节识别的算法数据库。结果共纳入16例患者,其中男9例、女7例,平均年龄(54.9±14.9)岁。在经过优化的多拓扑卷积网络模型中,测试结果显示准确识别率达94.39%。进一步通过整合微变放大技术的卷积网络模型,在识别肺部结节方面的准确率提高至96.90%。将这2个模型的表现综合评估,整体的识别准确率达95.59%。据此,我们推断所提出的网络模型适用于肺部结节的识别任务,且融合微变放大技术的卷积网络在准确率上表现更为优异。结论我们提出的技术模型能够显著提高肺部结节识别的精度和定位准确度并帮助术者在胸腔镜手术过程中定位肺结节。

关键词： 高斯模型   光伏电场   无人机巡检   检测方法  

摘要： 目前常规的无人机避障目标检测方法主要采用超声波技术实现对目标轮廓的获取,由于缺乏对图像的形态学处理,导致检测精度较差。对此,提出了基于高斯模型和YOLOv3的光伏电场巡检无人机避障目标检测方法。首先结合混合高斯模型,对巡检图像的前景与背景进行分离处理,并采用滤波算法对前景图像进行去噪处理。然后结合分类损失函数以及位置损失函数,对特征点的梯度值以及方向进行计算,实现障碍物图像的特征提取,最后对提取到的避障目标边缘进行补偿处理,实现避障目标检测。在实验中,对提出的方法进行了避障目标检测精度的检验。最终的测试结果表明,采用提出的方法进行无人机避障检测时,算法的mAP值较高,具备较为理想的检测精度。

关键词： 机器视觉   压力表   自动检测   机器学习   误差分析   质量控制   图像处理  

摘要： 本文介绍了一种基于机器视觉技术的智能压力表自动检定系统,通过集合精密的机械结构设计、高灵敏度传感器、高效的数据采集和控制模块,运用先进的图像处理技术和机器学习算法,实现压力表的自动识别、自动采集数据及精确的误差分析。经测试,该系统不仅具有良好的精度、工作效率和运行稳定性,而且大大降低了人为误差。

关键词： 无人机   YOLOv10   目标检测   CA注意力机制   EIoU损失函数   海上救援  

摘要： 无人机由于其成本低廉、敏捷、灵活并且可以搭载高分辨率摄像头和传感器,正在成为各个行业不可或缺的工具。在检测环境中,无人机可以适应复杂地形以及恶劣气候,收集到大气、土壤等各项珍贵数据。在工业探索领域,无人机可以代替人工对于危险地域的探查,降低事故的发生率。在海上救援方面,无人机可以快速定位到遇险的船舶,提升救援人员的救援效率。然而,无人机在此情况下的目标检测任务仍然面临不小挑战,如目标被障碍物遮挡、太阳光照的变化等。为了提高无人机在海上救援中的船舶检测性能,本文提出了一种基于改进YOLOv10(You Only Look Once,YOLO)的目标检测算法,加入了CA注意力机制,并采取EIoU损失函数。实验结果表明,相对于原始的YOLOv10模型,实验数据集在ACE-YOLOv10模型中获得了更好的结果。

关键词： 高分影像   地理空间信息   高分辨率遥感影像   尺度分析   道路提取   多分辨率   光谱差异   不连续性  

摘要： 以建筑物和道路为代表的人工目标的空间位置、面积等信息不仅在城市规划、社会经济环境分析、交通管理等领域发挥着重要作用,而且也是基础地理数据库和智慧城市建设的重要地理空间信息。高分影像中的建筑物与道路提取主要面临以下几个难点:①高分影像放大了对地观测尺度,地表信息高度细节化使得地物类内光谱差异增大而类间光谱差异相对减小,“同物异谱”与“异物同谱”现象更加显著;②高分影像中的地物具有多分辨率特点,基于单一尺度分析方法无法取得最好的结果,同时也很难充分发挥高分辨率遥感影像多分辨率的作用;③语义环境复杂,由于阴影、车辆等干扰信息的影响,高分影像中道路目标表现出的空间拓扑不连续性、区域光谱异质性高等特点,导致现有方法稳健性低。论文围绕高分影像多尺度形态学特征分析及其在建筑物和道路检测中的应用开展相关研究工作。对高分影像建筑物和道路提取中的关键技术进行了研究和探索,并提出了相应的解决方案。具体研究内容和成果如下。

关键词： 目标检测   图像提取   链式FIFO   流水线  

摘要： 现有毫米波雷达目标检测主要基于串行处理平台实现,对大尺寸雷达图像处理的速度存在一定瓶颈。本文基于现场可编程门阵列(FPGA)提出一种以链式先进先出(FIFO)缓冲器为核心,融合图像提取思路的毫米波雷达目标快速检测结构。通过链式FIFO实现多帧数据对齐与并行输出,得到窗口边缘数据;根据自定义窗参数,将边缘数据分区求和并延时缓存,可实现对窗移动前后计算结果的复用,配合流水线式处理结构提高运算效率;对相邻子图像重叠区域合理划分,从大尺寸图像中提取出多个小尺寸子图像单独处理,大幅提升雷达目标检测算法的实现速度,并显著节省片上逻辑资源。基于92~94 GHz的调频连续波(FMCW)毫米波雷达对本文目标检测FPGA实现方法进行验证,对于1000×2000的大尺寸雷达图像可实现120 ms的快速处理,且FPGA布署算法仅消耗32个18K BRAM和6461个LUT。

关键词： 多模态   记忆库   三维缺陷检测   计算机视觉  

摘要： 针对工业缺陷检测中的缺陷样本稀缺及受限于二维RGB图像(即二维红绿蓝色彩图像)无法表征几何缺陷特征的问题,提出了一种基于多模态记忆库(Memory Bank)的三维缺陷检测方法。该方法通过对比学习对齐匹配不同模态的特征;使用缺陷过滤器滤除缺陷样本中的大量噪声,并构建高质量的多模态记忆库;利用弹性特征分类器检测缺陷。实验结果显示,在每一种缺陷仅有4张训练图像的极端条件下,相较于最优的二维缺陷检测方法PatchCore在公开数据集上仅能达到38.72%的准确率,提出的三维缺陷检测方法则能达到43.14%的准确率,更适用于缺陷样本稀缺的工业场景。

关键词： 高效调优   统一架构   目标检测   图像分类  

摘要： 为解决大规模参数调优问题,一系列高效微调方法诞生,但是在整合不同高效微调方法形成有效统一整体方面还存在挑战。此外,统一调优思想在视觉任务中的应用仍然不足。因此,提出统一参数高效微调架构ETTA(efficient Transformer tuning architecture)。首先通过适配器与前缀调优工作原理的相似性,得出两种方法整合形成统一调优架构的合理性;其次,在适配器选择上,选用效果更好的并行适配器,同时对前缀调优引入可调标量得到缩放前缀调优变体;然后将两种方法整合形成统一调优架构ETTA,把并行适配器作用于Transformer前馈神经网络层并设置较大瓶颈维数,缩放前缀调优作用于多头注意力层并设置较小可调前缀向量数;最后将ETTA用于6个图像分类或目标检测任务,并与三种调优策略进行性能比较。结果表明,采用统一参数高效调优架构后,只对少量参数进行微调就可以接近参数完全微调的效果同时性能良好。证明了ETTA用于计算机视觉任务的有效性及其性能表现。

关键词： 车路协同   YOLOv8   损失函数   模型剪枝   嵌入式部署   边缘计算  

摘要： 车路协同旨在通过信息交换和协作实现智能高效的交通管理,其中高精度、轻量化且易于部署的路侧视角下的车辆与行人检测至关重要。因此,提出基于改进YOLOv8的轻量化交通目标检测模型。首先,引入FasterNet中的FasterBlock替换原始C2f中的某些瓶颈组件,以减少浮点运算量(GFLOPs)和参数量,降低整体模型的复杂性;其次,在模型的颈部网络采用兼顾速度和精度的GSConv(Group Shuffle Convolution)替代原有的卷积核,并引入SlimNeck特征融合模块,使每个特征层能够同时考虑深层特征的语义信息和浅层特征的细节;再次,使用MPDIoU(Minimum Point Distance based Intersection over Union)替换原有的损失函数,以提高模型的边界框回归性能;最后,通过通道剪枝修剪模型网络中的冗余连接,以减小模型规模并提高检测速度。实验结果表明,经过改进和剪枝的模型与原始YOLOv8s相比,精度提升了1.0个百分点,平均精度均值(mAP)提升了1.2个百分点,计算量和参数量分别降低了70.1%和69.4%。并且,在边缘设备Atlas200IDKA2(算力4TOPS,功耗9W)的条件下,所提模型达到了58.03 frame/s的检测速度。