关键词： 海珍品   目标检测   YOLOv7-tiny   轻量化   k-means++  

摘要： 针对当前海珍品捕捞机器人使用的水下目标检测算法参数量大,不适合部署在移动设备上等问题,提出一种基于YOLOv7-tiny(You Only Look Once version 7-tiny)的轻量化海珍品检测算法ES YOLOv7-tiny(EfficientNet-S YOLOv7-tiny)。在YOLOv7-tiny基础上,首先,将骨干网络替换为改进的EfficientNet(EfficientNet-S),并将颈部网络中卷积核大小为3×3卷积替换为轻量化卷积,达到降低参数量的目的;其次,使用k-means++算法聚类锚框尺寸,提高推理速度;最后,使用知识蒸馏算法进一步提高精度。在RUIE(Real-world Underwater Image Enhancement)数据集上,所提算法平均精度均值(mAP)达到73.7%,检测速度达到123 frame/s,参数量为4.45×10^(6),与原YOLOv7-tiny算法相比,在mAP上提升了1.2个百分点,检测速度提升25 frame/s,参数量降低了1.56×10^(6)。实验结果表明,所提算法在提升精度的同时降低了参数量,并且加快了检测速度,证明了该算法的有效性。

关键词： 深度学习   目标检测   空间金字塔池化   自适应空间   餐具检测与识别  

摘要： 构建渐进式餐具检测与识别网络,将快速空间金字塔池化融合到渐进式颈部网络,得到不同尺度特征并逐级融合。首先,通过主干网络从原始图像提取不同语义信息的多尺度特征图。其次,通过融合相邻低级特征,将高级特征融合到自适应空间,形成渐进式颈部结构,得到3个不同尺度的特征代表。最后,通过解耦检测头获得识别结果。实验结果表明,餐具检测与识别精确度为96.9%。

关键词： YOLOv5s模型   深度学习   目标检测   智能监控   注意力机制  

摘要： 针对海上平台注水流程现场原油泄漏问题,提出基于双通道注意力机制的改进YOLOv5s模型,实现漏液智能检测。首先,通过监控摄像头及单反相机采集海上平台注水流程现场漏液数据并对其进行标注。其次,将双通道注意力机制引入YOLOv5s模型,增强模型的特征提取能力,构建高精度漏液检测模型。最后,对该模型进行功能及性能测试。测试结果表明,该检测模型可大幅度提升海上平台注水流程现场漏液检测能力。

关键词： 图像处理   激光清洗   k均值聚类   边缘检测   热应力  

摘要： 为了避免激光清洗后的飞机蒙皮图像难以直接观察、分析蒙皮特性与机制的问题,采用了一种基于Lab颜色空间的k均值聚类算法和基于Canny算子的边缘检测相结合的漆层宏观图像和微观图像共同分析的方法。首先对清洗后的图像进行颜色空间转换,将原本的RGB颜色空间转换为Lab颜色空间,并通过k均值聚类的算法进行图像分割,再将各漆层连接处的电镜图通过Canny算子进行边缘检测提取边缘信息,然后通过处理后的图像分别进行特性和机制研究,最后将图像处理结果通过热应力分析进行验证。结果表明,采用该方法,激光能量密度分别为6.37 J/cm 2和1.91 J/cm 2时,飞机蒙皮的面漆和底漆能被激光完全消除。该研究为激光自动除漆提供了参考。

关键词： 有向目标   遥感目标检测   特征金字塔网络   跨尺度移位   区域建议网络  

摘要： 目标类内尺度差异大以及类间相似程度高给传统遥感目标检测带来挑战,多尺度信息融合以及基于FasterR-CNN的有向检测方法是解决尺度差异性及类间相似性的有效手段。但多尺度权重融合策略忽视了跨尺度对图像语义特征的提取导致检测精度低,同时基于FasterR-CNN的有向检测方法精度低速度慢。针对上述问题,提出一种跨尺度移位的有向目标检测方法。首先通过改进特征金字塔网络(FPN)实现多层特征图高效融合;其次在网络中加入跨尺度移位模块(CSM)提升FPN中多尺度特征间的相关性;最后采用有向区域建议网络(ORPN)提升了有向候选框的转换效率。本文方法分别在DOTA-v1.5和HRSC2016遥感数据集上开展测试,相比对照组,均值准确率(mAP)分别提升了3.68%和1.32%;同时在单块2080ti上用1024×1024图像进行测试,检测速度提升5.9%。

关键词： 无人机航拍图像   小目标检测   YOLOv8   可变形卷积网络   注意力机制  

摘要： 针对无人机航拍图像目标检测效果差的问题,提出改进的UAVAI-YOLO模型。首先,为使模型获得更加丰富的语义信息,使用改进可变形卷积网络(deformable convolutional networks,DCN)替换原骨干(back‐bone)网络部分通道到像素(channel-to-pixel,C2f)模块原始卷积。其次,为增加P2特征层而不增加模型参数量,提出Conv_C模块将骨干网络输出通道降维,同时避免通道降维导致的语义信息丢失,使用改进ODConv卷积替换颈部(neck)部分C2f模块原始卷积。然后,为充分利用上下文语义信息,引入双向特征金字塔网络(bidirectional feature pyramid network,BIFPN)。最后使用Wise-IoU替换原始损失函数,提高模型目标检测框的准确性。在公开的VisDrone2019数据集和UAVDT数据集的实验结果表明,UAVAI-YOLO模型相比于原YOLOv8n模型mAP@0.5分别提升了4.4%和1.1%。与其他主流目标检测模型相比具有较高的检测性精度。

关键词： 深度学习   高分辨率   三维激光雷达成像   目标检测  

摘要： 高分辨率三维激光雷达成像目标检测中受到双目视觉耦合干扰导致检测精度不高,提出基于深度学习的高分辨率三维激光雷达成像目标检测方法。采用视觉传感器与惯性传感器实现对高分辨率三维激光雷达图像采集,通过激光点云特征提取和动态场景图像融合的方法实现对高分辨率的三维激光雷达合成,采用补偿滤波方法实现对三维激光雷达成像目标检测过程中的点云畸变矫正处理,通过局部滑动窗口的图特征匹配和深度学习模型,建立激光雷达成像目标检测的深度特征匹配模型,根据特征匹配结果和激光雷达帧图匹配结果,实现对高分辨率三维激光雷达成像目标检测。仿真测试结果表明,采用该方法进行目标检测的激光雷达成像在噪声干扰下,峰值信噪比最低为41 dB,检测精度达到0.96。

关键词： 高速公路   视频图像   无参考评价   图像处理   异常检测   质量检测  

摘要： 在交通领域,随着高速公路网监控设备铺设的日益完善,图像的数据量显著增加,仅靠目前的人工识别以获取图像内存在的具体信息,不仅对于工作人员而言是较大的负担,同时也难以精确获取图像内的有效信息。针对目前存在的现象,文中提出了一种针对高速公路视频图像的检测算法。该算法基于无参考的评价方法和传统的图像处理,对黑屏、亮度异常、模糊等视频图像存在的主要问题进行了异常检测。实验表明,该算法对图像模糊异常的识别率达96.4%,对黑屏的识别率达100%,对亮度异常的识别率达95%,且处理速度达到了30张/s,基本实现了对摄像头获取图像进行实时监测的目标。

关键词： 目标检测   YOLOv7   迁移学习   草莓   成熟度分类  

摘要： 【目的】为实现自然环境下草莓及其成熟度的高效准确检测,设计了一款改进的YOLOv7的草莓成熟度检测模型。【方法】模型采用YOLOv7作为基础网络对草莓成熟度进行检测。首先,使用PConv卷积替换原Head部分的3×3卷积以提高检测速度。其次,在部分特征层添加CBAM注意力机制提高模型关注重要信息的能力;再将原本上采样中简单的双线性插值算子替换为CARAFE,增加模型对草莓果实细节的感知能力。最后,利用迁移学习实现草莓数据集的训练和微调。【结果】改进前的模型mAP50为85.6%,改进后的模型mAP50为87.7%,参数量从原来的9.14×10^(6)下降为7.32×10^(6),GFLOPs下降为19.8,提高了检测速度。【结论】改进后的模型在草莓及其成熟度的检测中具有更高的检测精度和速度,可以在实际应用场景中实现草莓果实的生长监测。

关键词： 电动汽车   车位管理   充电车位   目标检测   都市区   技术优化   设计方案   被占用  

摘要： 作品构思随着电动汽车在全球范围内的普及,电动汽车充电设施的合理利用和管理变得尤为重要。特别是在人口密集的都市区,高效地管理和监控电车充电车位是社区居民生活中的重要部分。通过调查得知,目前电动汽车充电APP只在充电枪插入电车后显示被占用,对油车、不充电电车等其他车辆、杂物占位没有显示。在此问题背景下,我们提出基于目标检测技术优化电动汽车车位管理的设计方案。