关键词： 目标检测   超宽带定位   卷积神经网络   飞行时间   时间到达差   扩展卡尔曼滤波  

摘要： 作业工人和车辆是煤场安全管理的关键对象，实时获得高精度定位信息对避免安全事故具有十分重要的意义。研究基于超宽带与视觉融合的人员车辆检测与定位方法，根据封闭煤场的场景特点，提出了基于飞行时间-时间到达差混合定位的方法，实现煤场内携带标签目标的高精度定位；为解决因遮挡导致超宽带定位中断的问题，采用视觉位置估计辅助超宽带定位，提出了基于Transformer和Yolov7融合目标检测识别方法，根据目标在图像中的位置变化，估计目标的位置坐标，采用扩展卡尔曼滤波方法实现融合定位。该方法在国能宁夏灵武发电厂煤场进行测试，通过收集煤场内作业场景数据图像，制作了作业人员与车辆数据集，目标检测模型的平均准确率指标mAP@0.5为0.925，模型在现场部署后的图片检测速度为每秒30帧。检测模型的实验结果表明该模型对储煤场中的主要目标具有较高的检测精度和较快的检测速度，实时性达到了煤场应用落地的实际需求。对比实验结果表明，本文提出的目标检测模型在不牺牲处理帧率的情况下，mAP@0.5相比于原始CNN网络Yolov7提升了1.4%。煤场内定位精度范围为0.5～0.9m，定位刷新频率为10帧每秒，有效地解决因遮挡导致的UWB定位中断问题。

关键词： 光测设备   多源融合   目标跟踪算法   监测  

摘要： 本文提出利用可见光传感器、红外传感器设备的多源融合监测方案,利用光学测量设备捕捉图像帧序列的颜色、形状、纹理、边缘细节等信息,采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法对目标对象的像素灰度值作出预处理、去噪,基于Otsu算法的图像动态目标形状特征,将可见光与红外传感器的跟踪目标样本位置作出比对,得到相距最近的位置作为跟踪结果,由此提升复杂光照或环境条件下目标多源融合跟踪的识别准确率.

关键词： 车辆检测   深度学习   目标跟踪   检测算法   航空业   民航机场  

摘要： 针对单一检测方式无法进行机场区域限行车辆统计的问题,本文将多目标跟踪算法引入车辆检测环节,判别车辆进出机场区域的状态,为机场区域限行车辆统计提供依据.为了提升算法对限行车辆检测的准确性,构建了包含公开数据与现场采集数据的新数据集.实验证明,本文所提出的检测算法相较于其他主流算法具有更好的性能,更契合机场应用场景.

关键词： 深度学习   通信工程   图像处理   算法   通信系统   抗干扰能力  

摘要： 本文探讨了基于深度学习技术的通信工程领域中图像处理算法的优化与实现.深度学习在图像处理领域展现出了强大的能力,但在通信工程中的具体应用尚处于发展初期.为此,本文提出了一种综合考虑通信工程需求的图像处理算法优化方法,并通过深度学习技术实现.首先,分析了通信工程中图像处理的特殊需求和挑战,然后提出了针对这些需求的优化策略,包括但不限于传输效率、抗干扰能力和实时性.接着,设计了基于深度学习的图像处理模型,并通过实验验证了其在通信工程中的性能优势.最后,在真实通信系统中部署了所提方法,并进行了性能评估与比较.实验结果表明,此方法在通信工程图像处理任务中取得了显著的优化效果,具有实用性和可行性.

关键词： 驾驶员面部检测   轻量级卷积   多尺度特征融合   实时性   目标检测  

摘要： 针对驾驶环境下YOLOv8n检测算法存在计算量、参数量较大的问题，提出一种结构轻量化的驾驶员面部目标检测算法YOLOv8-DF。首先，提出一种轻量级多尺度卷积模块LMCM(Lightweight Multi-scale Convolution Module)替换网络中的Conv模块，双通道设计可以降低算法的计算量和参数量，多尺度设计可以丰富网络内部的特征信息；其次，引入轻量级卷积GhostConv、Fasterblock模块与C2f模块融合，以降低网络结构的复杂程度，加快检测速度，提高算法的实时性检测能力；最后，提出一种双通道轻量级卷积模块DLCM(Dual-channel Lightweight Convolution Module)与SPPF模块融合，在保持检测精度不变的情况下，降低了算法的计算量及参数量。通过实验结果分析，YOLOv8n-DF算法在测试集的平均精确率(mAP@0.5)达到了99.2%，相较YOLOv8n检测算法参数量(Parameters)下降了36.9%，计算量(FLOPs)下降了30.7%，FPS达到了282帧/秒，改进算法在驾驶员面部目标检测任务中具有一定参考价值。

关键词： 图像处理   息肉分割   局部通道注意力   不确定性估计   主观逻辑证据理论  

摘要： 为了进一步提高现有息肉分割技术的准确性和可信性，本文提出了一种基于局部通道注意力的可信息肉分割方法。首先，该方法利用改进的金字塔视觉Transformer编码器提取息肉区域特征，解决传统卷积神经网络特征提取能力不足的问题；然后，利用局部通道注意力机制来融合级联的特征，在精确定位息肉的前提下，逐步恢复边缘细节信息，提升模型的整体表征能力；最后，基于主观逻辑证据理论构建可信的息肉分割模型，推导出息肉分割问题的概率和不确定性，对分割结果进行可信性度量。利用多个公开数据集进行了大量实验，实验结果表明，与现有典型方法相比，本方法具有更好的准确性、鲁棒性和泛化性，并且可以得到较为可信的息肉分割结果。

关键词： 鱼眼摄像头   轻量级网络   YOLOv8m   参数共享机制   剪枝  

摘要： 鱼眼摄像头较普通摄像头检测相同场景时，部署成本更低，但要达到精准检测鱼眼图像中畸变目标的目的，就需要增加计算量。针对这种鱼眼图像检测精度和推理速度不能兼得的问题，提出一种改进的YOLOv8m鱼眼图像目标检测模型(Fisheye-YOLOv8)。首先，提出Faster-EMA模块，通过融合轻量级卷积和多尺度注意力，减少特征提取中的延时和复杂度；其次，设计了RFA-BiFPN结构，基于参数共享机制，通过感受野注意力和加权双向金字塔结构，同时提高检测速度和精度；提出轻量级检测头G-LHead，减少了模型参数量和复杂度；最后，引入LAMP剪枝算法，在提高识别精度和推理速度间取得最优平衡。实验结果表明，Fisheye-YOLOv8在Fisheye8K和WoodScape数据集上mAP达到60.5%和59.7%，较YOLOv8m提升了2.2%和1.2%，参数量与计算量仅为YOLOv8m的20.5%和29.7%,FPS达到118，满足了实时性，相较于其他模型，更适合在鱼眼摄像头上部署。

关键词： 无人机   遮挡   多无人机跟踪   多目标跟踪   目标关联  

摘要： 无人机多目标跟踪技术被广泛用于智慧城市、军事安全、河流巡检、交通等领域。然而，目前已有的多目标跟踪算法多用于单无人机多目标跟踪，而单无人机的视角通常具有一定的局限性，这会导致当目标被遮挡时，目标发生ID切换导致跟踪失败的问题。为了解决这个问题，本文提出了一种多无人机多目标跟踪网络（MUMTTrack），该网络采用了基于TBD的多目标跟踪范式，利用多个无人机同时跟踪目标，弥补单摄像头视角的局限性。此外，为了有效融合多个无人机的跟踪结果，本文为MUMTTrack设计一种基于SURF算法的图像匹配策略和ID分配策略。最后，我们将MUMTTrack的性能与当前常用的单无人机多目标跟踪算法在MDMT数据集上进行了比较。根据比较分析，MUMTTrack在多目标跟踪性能指标idF1和MOTA方面均表现出明显的优势。

关键词： 授粉机器人   末端执行器   设施番茄   目标检测  

摘要： 随着农业现代化理念的不断推广，中国设施农业栽植面积在不断扩大，已居世界前列。番茄作为设施农业中重要的经济作物之一，及时、高效、细致地对番茄花授粉是促使优质番茄生长的关键。目前设施番茄主要通过人工进行授粉作业，劳动力占比大、投入成本高。随着机器学习、机器视觉、互联网等技术的快速发展，授粉机器人将成为代替人力劳作、提高生产效率的关键技术。为全面、深入地了解设施番茄精准授粉机器人的发展现状及未来趋势，对国内外授粉机器人的发展应用情况进行概述，对设施番茄花朵的目标识别、检测等关键技术进行分析，概况了番茄授粉末端执行器的种类及结构，总结了目前采摘末端执行器研究中出现的问题并提出解决方案，并对液态喷雾式授粉末端执行器的发展及实用性做了分析讨论。最后对现今设施番茄授粉机器人末端执行器发展所遇到的共性问题做了分析和展望。

关键词： 目标检测   鱼苗检测   轻量化   局部卷积   深度可分离卷积  

摘要： 基于深度学习的鱼苗检测在水产养殖中的应用为自动化和精确化管理提供了可能，针对鱼苗检测中设备性能低、实时性要求高等问题，本文提出了一种改进YOLOv8的轻量化鱼苗检测算法：FD-YOLO。将快速网络(FasterNet)替换YOLOv8原CSPDarkNet特征提取网络，采用局部卷积(PConv)减少了冗余计算和内存访问；在特征融合中引入深度可分离卷积(DWConv)，将标准卷积过程分解为两个相对简单的深度卷积和逐点卷积两个步骤并行处理，进一步减少了模型的复杂性和计算资源消耗；使用Focal-EIoU作为模型损失函数，提高了检测精度，使得模型更具鲁棒性。实验表明，改进后的检测模型参数量和计算量大幅降低，模型参数量下降91%，计算量下降85%，在CPU上的推理速度加快了三倍。改进后的鱼苗检测算法能更好地兼顾高精度和实时性之间的平衡，便于部署在资源有限的硬件平台上。