关键词： YOLOv8   旋转目标检测   可变形卷积   特征融合   深度学习  

摘要： 针对船舰遥感目标图像检测中存在的小目标检测困难,船舰形状各异以及传统水平边界框对于高长宽比的目标所框选冗余信息较多的问题,提出了一种基于改进YOLOv8的船舰遥感图像旋转目标检测算法。通过改进主干网络中的卷积结构,缓解了由于跨步卷积所导致的细粒度信息丢失的问题,对于小目标检测的精度有所提升;将C2f中的部分卷积模块替换为DCNv3可变形卷积,使其可以更好提取不规则物体的特征信息,提高模型的非线性建模能力;在颈部网络中融入主干网络中的浅层特征信息,缓解了经多次卷积操作所导致的细节信息丢失的问题,提升了模型对小目标物体的检测能力。实验结果表明,改进后的算法在ShipRSImageNet数据集上的检测精度(mAP50)达到了84.317%,较基准模型提升了4.054%,在HRSC2016数据集上达到了93.235%,较基准模型提升了1.555%,在少量增加模型参数量的情况下取得了较高的检测性能,很好地平衡了模型的效率和性能。

关键词： 目标跟踪   超宽带   二维激光雷达   时间序列   序列相似度  

摘要： 目标跟踪是实现人机交互的重要一环,二维激光雷达探测范围广、精度高,广泛应用于目标跟踪,但是由于缺失语义信息,难以区分外观近似的物体.针对这一问题,提出一种基于激光与UWB序列匹配的目标跟踪方法,使用最近邻算法关联激光聚类,构建物体轨迹,并基于改进的高斯相似度计算物体的激光轨迹与UWB测距序列的相似度,根据相似度大小实现目标的匹配定位.此外,针对目标被遮挡的情况设计重跟踪算法,利用UWB测距信息、目标丢失位置和目标特征模型在环境中搜索被遮挡的目标.利用TurtleBot 2机器人平台,在10 m×10 m的室内环境中进行实验验证.实验结果表明,所提出方法能够以8 cm的精度稳定地跟踪携带UWB节点的目标.

关键词： 温室鲜枣   深度学习   目标检测   视觉识别   质量评估  

摘要： 为实现温室鲜枣的自动化视觉识别与质量评估,构建了大规模多源异构的鲜枣图像数据集,设计了基于深度学习的端到端处理框架,其中包含鲜枣检测、识别分类和质量预测三个模块。该方法通过卷积神经网络和自编码器有效学习鲜枣视觉特征表达,并优化了检测网络以实现较高的平均定位准确率。在模拟商业化生产环境下的验证显示,该处理框架的鲜枣识别精度和质量判断性能满足需求,相比于人工识别,评价效率提升了8倍,准确率超过90%,为构建自动化温室鲜枣生产线提供了关键技术支持。

关键词： YOLOv8n   可变形卷积模块   注意力机制   小目标检测  

摘要： 针对复杂场景中目标特征不明显易出现漏检和误检的问题,提出了YOLOv8n_Y小目标检测算法。通过YOLOv8n模型的骨干网络引入可变形卷积模块,在目标区域感受野有限的情况下,可变形卷积模块可以自适应地调整卷积核大小,提取更多的特征信息,将Neck模块添加了CBAM注意力机制,注意力机制会集中在更为重要的物体特征上,减少了误检的概率,提升对小目标检测的准确率。结果表明,YOLOv8n_Y模型在小目标吸烟数据集上的精度提升了3.3%。

关键词： 深度学习   目标检测   车道线检测   预标注   模型融合  

摘要： 针对标注内容烦琐、耗时等问题,提出一种多模型融合投票预标注方法。在预标注过程中,将Cascade_RCNN、RetinaNet、CondLaneNet三个模型的检测结果进行融合,然后将各个模型生成的坐标结果进行提取、判断、匹配、参数平均、排序等处理,得到最终的预标注结果。在公开数据集以及自建数据集上进行多次试验的结果表明,算法能够提高预标注精度,减少标注过程中人工标注工作量,具有较好的效果,验证了该方法的有效性。

关键词： 图像处理与机器视觉   创新人才   实验课程  

摘要： 针对现阶段普通高校工科专业在数字《图像处理与机器视觉》实验教学中实践教学和培养学生创新意识、能力的力度不足的问题。提出以新工科为背景的大学生创新教学、科研和实践相融合的组织模式,重点探讨《图像处理与机器视觉》实验课程的体系建设。从分层式实验教学体系、探究型实验平台搭建、任务驱动型科研创新、开放性实验项目和多元考核评价等方面,提出面向创新能力培养的数字图像处理和机器视觉课程实验教学体系。通过这些方法提高学生的创新与实践能力,实现教学、科研和实践的一体化,培养未来多元化、创新型的卓越工程人才。

关键词： 加香加料   喷嘴雾化效果   在线多维监测   图像处理  

摘要： 为有效监视烟草制丝线加香加料雾化效果,避免因雾化不均给产品质量带来风险,通过设计一种香糖料喷嘴雾化效果在线监测装置,实现实时对加香加料喷嘴雾化效果进行判断。结果表明:该装置可在线对滚筒内喷嘴雾化情况进行实时有效监测,及时发现并警示喷嘴雾化的异常情况,有效提高卷烟加香加料的稳定性和均匀性,稳定烟丝质量,保障卷烟品质。

关键词： 目标跟踪   信息融合   数据关联   数据融合   卡尔曼滤波   人工智能  

摘要： 随着现代目标跟踪场景的日益复杂化,单一传感器探测系统已无法满足目标跟踪的实际需求,多传感器数据融合技术成为复杂场景下目标跟踪问题的重要解决方案。本文综述了多传感器数据融合中的数据关联和估计融合这两项关键过程的基本原理与研究现状,整理了神经网络、强化学习等人工智能技术在多传感器数据融合领域应用的相关研究,并对多传感器数据融合方法在目标跟踪领域的发展进行了展望。

关键词： 目标检测   注意力机制   特征增强   自适应决策  

摘要： 针对当前野猪目标检测方法存在检测精度低、复杂背景下算法失效等不足,提出一种基于改进YOLOv5s算法与自适应决策的野猪目标检测方法。实验结果表明,所提出的方法目标检测精度高,具备复杂背景下目标检测能力,且在多个评价指标上均高于SE-ResNeXt、FasterR-CNN、SSD、YOLOv5s基准算法四种方法,为野猪目标检测提供了一种新手段。

关键词： 三维多目标跟踪   关联策略   激光雷达点云   不确定度评估   卡尔曼滤波器   协方差矩阵   马氏距离   匈牙利算法  

摘要： 为提高基于激光雷达的三维多目标跟踪准确度,提出一种基于检测的3D多目标跟踪算法。使用深度神经网络从激光点云中获取目标的位置信息后,对目标跟踪算法中的关联策略进行了优化。首先,估计出目标的速度信息,与位置信息一同纳入观测值,在BEV视角下使用卡尔曼滤波器对目标的状态进行预测与更新;然后,基于目标与激光雷达的距离来评估目标位置的不确定度,用于修正观测模型中的协方差矩阵;最后,在马氏距离中添加对目标测量的不确定性加权项,使用匈牙利算法进行数据关联。在大规模自动驾驶数据集Nuscenes上对所提算法进行了测试,得出其跟踪精度超过了现有的基线方法。消融实验结果表明,所提出的改进措施能有效提高三维多目标跟踪的性能。