关键词： K均值聚类方法   计算机视觉   固体发动机   装配尺寸测量  

摘要： 零部件装配的合格与否会直接影响整体的工作性能,如固体发动机中的药柱安装位置,其安装位置准确性将直接影响发动机的整体可靠性。针对目前已有的接触式测量方法容易受到主观因素的影响,且安全系数较低等问题,提出一种基于计算机视觉技术的装配尺寸非接触式测量方法。该方法首先通过深度相机获取物品的点云图,之后利用统计学滤波过滤噪声,通过动态“断点搜索”将点云分为上下两个部分,利用正态化平均法求上下两部分点云的平均值,平均值相减得到物体的深度,最后利用Z分数剔除异常值。提出的方法极大提升了深度检测的安全性、准确性和稳定性。测量误差控制在0.25 mm以内,足以满足零部件装配的合格性检测标准。

关键词： 人工智能技术   自然语言处理   计算机视觉   AI技术   深度学习   协同作战能力   语音识别   GPT  

摘要： 随着人工智能技术的快速发展,ChatGPT和Sora等生成式AI在多个领域展示了其强大的能力。2022年被称作生成式AI元年;2023年,GPT-4以接近人类的“聪明”程度而风靡一时;2024年初,Sora的横空出世再次震惊了全世界。生成式AI能大幅提升军队智能化信息获取、辅助决策和人机协同作战能力,拓展在军事领域的运用。生成式AI技术及其特点生成式AI集成了自然语言处理、计算机视觉、语音识别、深度学习等人工智能技术成果,能基于已有的数据和知识,通过算法生成全新内容,推动智能化战争进入“全域自主交战”新阶段。

关键词： 轨道异物检测   目标检测   图像识别   深度学习  

摘要： 铁路运输安全非常重要,轨道上的异物可能引发事故,造成损失。为了提高检测过程的效率,引入了一种创新的检测框架来跟踪外来物体,利用目标检测和图像识别方法的协同作用。利用YOLOv5的深度学习技术,自动、准确地识别轨道外物体。YOLOv5结合图像识别技术,便具备了较强的异物分类能力。系统通过多尺度特征图识别不同大小的异物,采用数据增强技术,显著增强了模型跨不同场景的泛化能力和稳定性。YOLOv5的适应性框架可以很容易地配置模型,以满足各种特定需求。经过图像数据预处理和训练,系统可以自动提取关键信息,实现准确检测。实验表明,改进后的系统在检测精度和实时性上均优于传统方法,为铁路安全管理提供了一种高效可靠的技术。未来的研究将探索先进的模型结构和多模态数据,结合迁移学习,以提高系统性能。

关键词： MED算法   光照量校正   计算机视觉   图像识别   表面缺陷  

摘要： 研究旨在提出一种基于计算机图像识别的工件表面缺陷检测方法,以实现自动化的缺陷检测和分类。研究通过基于亮度均衡的光照量校正图像处理方法,以消除不同光照条件对图像质量的影响,采用自适应混合中值滤波(Median filtering,MED)算法进行图像降噪处理,并提出了一种基于支持向量机的工件表面缺陷识别分类模型。实验结果表明,亮度均衡光照量校正将图像整体亮度均衡度约提升了30%。相比于MED,自适应MED和混合MED可以将图像信噪比提升5%和8%,将图像结构相似性提升0.1和0.2。分类模型的识别率和准确率平均值分别可达99%和98%。结果表明,该方法可以有效地提升图像质量,降低噪声干扰,实现高精度的缺陷识别和分类。

关键词： 小目标检测   激活函数   注意力机制   特征提取   损失函数  

摘要： 针对小目标检测时因目标像素小、分布密集且相互遮挡等原因导致的检测精度低、漏检率高等问题,提出一种基于YOLOv7的改进算法。使用ACON激活函数更换SiLU激活函数,增强算法的拟合能力;使用SPPFCSPC替换算法中的SPPCSPC结构,结合BiFormer注意力机制改进SPPFCSPC,使之提高模型检测效果的同时加快模型的速度;使用SPD-Conv卷积改进算法中的MP结构,提高模型的特征提取能力;在WIoU中引入辅助框设计Inner-WIoU,并结合NWD损失函数改进YOLOv7的损失函数。经过在VisDrone2019数据集上的实验证明:在没有增加太多参数量的前提下,改进后的算法比原算法的mAP@0.5提高4.39%,验证了改进算法对提高模型性能的有效性。

关键词： 隧道爆破   布孔   钻孔精度   目标检测   深度学习  

摘要： 隧道爆破布孔钻孔的精确性直接影响到工程质量和施工安全,在复杂地质条件下,传统布孔钻孔技术造成孔位误差大、人力资源消耗高。采用智能化深度学习技术YOLOv5目标检测算法,对隧道爆破布孔钻孔的位置、角度和深度进行精准定位,并通过孔位偏差计算公式量的调整和优化,确保工程质量,有效解决传统布孔钻孔方法对隧道爆破效果的影响。

关键词： 模式识别   图像处理   复钩机器人   火车钩舌   目标识别   YOLOv5  

摘要： 为了准确识别不同类型钩舌,确保自动复钩机器人能够根据火车连接钩舌状态实时调整机械臂的位姿,提出了一种基于改进YOLOv5的火车连接钩舌识别方法。首先,将YOLOv5主干网络中原有的C3模块替换为梯度流丰富的C2F模块(cross feature module),YOLOv5颈部网络中原有的C3模块替换为基于FasterNet模块构建的轻量化C3_FasterNet模块,并将CoordConv模块嵌入到YOLOv5的主干网络末端。其次,基于现场实测的火车连接钩舌图像进行了识别测试。结果表明:改进的YOLOv5算法在降低模型参数量的同时,可以有效提升对钩舌目标的检测精度,火车钩舌识别精度达到了98.7%,相较于原始算法,模型参数量减少了10.8%。研究结果为复钩机器人在执行钩舌复位和车厢连接操作方面提供了一种有效的解决方案。

关键词： YOLOv7   遥感图像检测   船舶旋转目标检测   注意力机制  

摘要： 针对在遥感图像复杂背景下船舶目标尺度变化大以及方向任意的特点,提出一种基于YOLOv7改进的光学遥感图像船舶旋转目标检测算法.在骨干网络中融入全局注意力机制(GAM),使模型在复杂背景中更加关注船舶对象;在颈部加入自适应空间特征融合模块(ASFF),消除了特征金字塔内部特征信息不一致的问题;针对船舶比例细长且方向任意的特点,加入了高斯建模表示的旋转框检测,提高了定位精度并保留了船舶目标方向信息.结果表明:改进的算法在保证检测速度的同时,在HRSC2016数据集取得了90.73%的检测精度,检测效果也有所提升.

关键词： 输电线路   异常目标   目标检测   特征感知增强   双向特征融合   均衡采样   自适应类抑制损失  

摘要： 背景复杂、目标尺度变化大、数据集不均衡等是导致输电线路异常目标误检、漏检以及检测精度低的主要原因。因此,提出一种增强特征提取网络,有效减少特征提取过程中的信息丢失,更好保留小目标特征信息。使用通道优化与空间优化模块进行双向特征融合,以适应目标的多尺度变化,减少复杂背景信息的干扰。使用均衡采样与自适应类抑制损失,提高少数类别的检测精度,解决输电线路数据不平衡的问题。在输电线路异常目标检测任务中,检测精度达到90.5%,对困难场景有较好的检测效果。

关键词： 无人机   目标检测   YOLOv8   多模态融合   渐进式融合   轻量化   模态差异  

摘要： 近年来,无人机在军民两用的工作中面临着日益增长的技术需求,这给地面目标检测的精度带来了重大挑战。针对复杂背景下无人机目标检测算法精度低的问题,提出了一种改进YOLOv8的双光图像融合网络。首先,该网络采用特征级融合策略,充分利用可见光和红外数据,显著提升了在复杂场景下的目标检测性能。其次,为了减少多模态融合可能引入的冗余信息,设计了轻量化特征提取分支。最后,提出了渐进式跨模态融合模块,增强了多模态信息的特征交互,有效解决了不同模态融合时的信息差带来的检测性能受限问题。实验结果表明,与原始算法相比,所提方法拥有更高的精确率和召回率,同时在行人检测数据集LLVIP上AP50和mAP0.5-0.95分别达到了91.2%、55.5%,FPS值达到了95。综上,与现有算法相比,所提方法在性能上表现更优,未来将继续探索其在不同环境中的应用潜力。