关键词： 智能手杖   超声波测距   YOLO模型   目标检测   计算机视觉   卷积神经网络  

摘要： 传统盲人手杖只注重盲人使用过程中的多功能性和舒适性,而忽视了与信息技术的结合,为此设计了一款基于计算机视觉的智能盲人手杖系统,旨在解决盲人出行中遇到的实际问题。系统利用计算机视觉进行目标检测和人脸识别,采用超声波模块测量盲杖前方障碍物的距离,通过耳机语音实时播报,帮助盲人更好地感知周围环境。系统由K210主控制器、超声波模块、摄像头模块、LCD显示屏和语音提示器等组成,使用YOLO模型对图像进行处理分析,将识别结果显示在LCD屏幕上,并实现同步实时的语音提示。经验证,系统运行稳定,且具有通用性和适配性,可以嫁接到其他盲人手杖上,并可根据用户需求进行升级,具有较广阔的应用前景。

关键词： 棒料识别   目标检测   YOLOv5s   MobileNetV3   GSConv   MPDIoU  

摘要： 为提高制造业中棒料自动上料的效率,提出了一种改进的Gs-YOLOv5s模型。将YOLOv5s的骨干网络替换为MobileNetV3的block模块,减少了模型参数并提高了检测速度。在颈部网络中嵌入GSConv模块,丰富输出特征图并增强模型对棒料特征的捕捉能力,同时减少了参数量。采用MPDIoU损失函数,通过引入距离惩罚和面积惩罚,使得模型在复杂背景下的棒料检测更加准确。实验结果表明,Gs-YOLOv5s模型的精度仅下降0.2%,但检测速度达到81帧/s,提高了45.3%,参数量减少了57.6%。该改进模型在保持精度的同时,实现了显著的轻量化和检测速度提升,适合在实际生产中部署使用。

关键词： 显著目标检测   多尺度特征   注意力机制   编码器—解码器   深度学习  

摘要： 随着多模态信息融合在计算机视觉任务中的普及,RGB-T(可见光和热红外图像)显著性检测作为一种重要的跨模态任务受到了广泛关注。现有的RGB-T显著目标检测模型大多采用卷积运算,构建复杂的多尺度融合结构实现跨模态信息集成,但其固定的感受野和权重共享机制难以有效捕捉多模态图像中的长距离依赖关系。为此,提出一个基于自注意力和交叉注意力机制的显著目标检测模型。该模型由3个关键模块组成:自注意力特征增强模块(SFEM)、多模态特征融合模块(MFFM)和特征细化模块(FRM)。SFEM混合多尺度卷积和多头自注意力机制,对提取的RGB特征和热成像特征进行增强;MFFM通过应用交叉注意力机制对所增强的特征进行多模态融合,同时连接上层特征;FRM以VGG为主干网络,通过聚合初级与深层特征来缓解深度神经网络退化问题,同时补充细节特征。实验结果显示,该模型在定量和定性比较方面均取得了显著效果。

关键词： 无人机   航拍图像   注意力机制   损失函数   轻量化  

摘要： 针对无人机视角下航拍图像目标检测中存在的目标尺度变化多样、背景复杂、小目标聚集以及无人机平台计算资源受限等问题,提出了一种改进YOLOv8目标检测算法YOLOv8-CEBI。首先,在骨干网络引入轻量级Context Guided模块,显著降低模型参数量与计算量,同时引入多尺度注意力机制EMA,捕获细粒度空间信息,提升对小目标和在复杂背景下的检测能力。其次,引入加权双向特征金字塔网络BiFPN,对颈部进行改造,在保持参数成本的前提下,增强多尺度特征融合能力。最后利用Inner-CIOU损失函数生成辅助边框以更精准地计算损失并加速边界框回归过程。在VisDrone数据集上进行实验,结果表明,与原始YOLOv8s算法相比,改进方法参数量减少51.3%,运算量减少28.5%,mAP50提升1.6%。所提模型在轻量化的同时提升了精度,取得了在减少计算资源与保证精度之间的平衡。

关键词： 点云配准   计算机视觉   注意力机制   自适应权重   特征提取   特征融合  

摘要： 三维点云配准作为一项关键技术,在计算机视觉、自动驾驶和机器人导航等领域有着广泛的应用场景。为了解决三维点云配准网络中存在的空间结构信息提取、融合不充分等问题,提出一种混合注意力自适应权重的点云配准算法。利用混合注意力机制进行特征提取,将关键点的局部细节与全局上下文信息相结合以强化特征的表征能力。采用自适应权重网络,根据数据内在特性学习并分配不同特征的重要性权重实现特征融合。在ModelNet40数据集和KITTI odometry数据集上分别进行实验,实验结果表明在ModelNet40数据集上配准准确率达到96.7%。在KITTI odometry数据集上相对旋转误差和相对平移误差分别降低到6.2cm和0.32°。本文算法使用的混合注意力机制自适应权重,有效提升点云配准精度。

关键词： 数字图像处理   教学改革   案例教学法   MATLAB  

摘要： 数字图像处理作为一门技术密集型学科,在研究生教育中占有重要地位。随着科技的快速发展,传统的教学模式往往难以满足学生对实际操作和问题解决能力的需求。采用工程案例的教学模式,能够更好地适应数字图像处理领域的特点,培养学生的创新能力并提高学生的实践能力。本文阐述了在研究生“数字图像处理”课程中采用案例教学法的教学改革,分析其必要性、实施过程,以及评估案例教学法对研究生学习数字图像处理知识的成效,并提出相应的教学改革建议。实践与研究表明,在研究生“数字图像处理”课程教学中,引入工程案例,运用MATLAB仿真,获得了良好的教学效果,解决了数字图像处理实践教学中存在的问题。

关键词： 遥感图像   Swin Transformer   车辆检测   AU-AIR   Atiny-YOLO  

摘要： 遥感图像具有尺度多样、密集排列和目标尺寸小等特点,针对遥感图像中背景噪声多,车辆目标较小难以获取的问题,提出一种基于改善特征融合方法的车辆目标检测算法Atiny-YOLO。首先,在YOLOv5的Neck层中引入针对小目标的额外检测层,从而生成更大规模的特征图,有效识别小物体的细节特征;其次,向C3模块中添加split操作以复用图像特征信息,进一步优化Swin Transformer模块提高有效信息的使用率;最后,通过改善特征融合通道,提升检测精度的同时减少模型参数。在无人机视角数据集(aerial universal autonomous inspection and recognition, AU-AIR)数据集上验证Atiny-YOLO模型的有效性。实验结果表明:Atiny-YOLO算法相较于基线算法的平均检测精度提高了约2.9%。达到95.5%,检测速度达到234帧/s。这些结果验证了Atiny-YOLO算法在满足实时性的同时,模型检测精度大幅提升。

关键词： 目标检测   表情识别   YOLOv7-tiny   注意力机制   Mish函数   CARAFE算子  

摘要： 表情识别不仅能够提升人机交互体验,推动情感计算的发展,还可以辅助心理健康评估和治疗,提升社会安全和监控效率。为了提高表情识别的检测平均精度,提出了一种基于优化YOLOv7-tiny的表情识别算法。首先,将YOLOv7-tiny中原有的激活函数替换为Mish函数,提高了模型的优化能力;在YOLOv7-tiny的主干网络上再增加CA注意力机制,提高了对目标感兴趣区域的注意,增加了检测的平均精度;最后,将Neck层的上采样部分替换为轻量级上采样算子CARAFE,提高了特征融合能力。实验结果表明,优化后算法的检测效果有了明显的提升,与原始YOLOv7-tiny相比,模型的mAP@0.5提高了1.6百分点,达到88.6%,mAP@0.5:0.95提高了1.3百分点,达到64%;图片检测速度达到每张图片5.0 ms,而且模型保持了轻量化。

关键词： YOLOv5s   注意力机制   采摘机器人   BiFPN   目标检测  

摘要： 为了提升采摘机器人采摘番茄果实的识别准确率,减少误判和漏检的情况,该文提出一种基于YOLOv5s的番茄检测改进模型,首先将CA注意力机制加入到YOLOv5s模型的特征提取环节,为了进一步提高模型的泛化能力,实现多尺度特征融合,引入了BiFPN结构替换原有的PANet结构,同时结合损失函数IoU进一步优化模型的训练过程,从而提高检测精度。经过试验验证,提出的模型在番茄果实检测任务中获得了显著成果。相比YOLOv5s模型,改进后的模型准确率、召回率、F1分数和平均精度分别上升2.2%、2.1%、2.2%和1.3%。改进后的模型可以应用于番茄采摘机器人,并可以对成熟番茄与未成熟番茄进行分类,与原YOLOv5s算法相比,有效提升了检测的精度。

关键词： 橡胶改性水泥砂浆   工作性   强度   图像处理技术   盒维数   匀质性  

摘要： 通过L9(34)正交试验研究了羟丙基甲基纤维素醚(HPMC)掺量(0.005%、0.010%、0.020%)、PP纤维掺量(0.1%、0.2%、0.3%)、消泡剂掺量(0.02%、0.04%、0.06%)和粉煤灰掺量(10%、20%、30%)对橡胶改性水泥砂浆流动度、抗压强度的影响,并基于图像处理技术分析了其匀质性。结果表明:各因素对砂浆流动度影响效果的大小顺序为粉煤灰掺量>消泡剂掺量>HPMC掺量>PP纤维掺量;对28 d抗压强度影响效果的大小顺序为HPMC掺量>粉煤灰掺量>消泡剂掺量>PP纤维掺量;对匀质性影响效果的大小顺序为HPMC掺量>消泡剂掺量>粉煤灰掺量>PP纤维掺量。