关键词： 结肠息肉   深度学习   NICE   结肠镜   卷积神经网络   目标检测  

摘要： 目的本研究旨在开发一个能够自动定位息肉并按NICE分型的深度学习目标检测模型,以促进更有效的诊断和治疗规划.方法收集2018年1月至2023年6月来自苏州大学附属常熟医院、常熟市中医院和常熟市辛庄人民医院的4个结肠息肉数据集,包括静态图像和视频.所有样本经病理学证实并按NICE分型分类.图像使用LabelMe工具进行标注,随后转换成MSCOCO格式以适配深度学习模型训练.采用预训练的Faster R-CNN模型,结合实时数据增强和多种图像处理技术,通过迁移学习策略进行模型训练.模型的性能评估遵循COCO标准,关注交并比(IoU)、平均精度(AP)和召回率.此外,对模型在NICE分型中的识别能力进行了详细评估.结果分析1835例患者的2248个结直肠息肉,所有息肉经病理学证实,并按NICE分型分类,具体为NICE 1型575例,NICE 2型1143例,和NICE 3型530例.通过迁移学习技术,开发了基于ResNet-50和ResNet-101骨干网络的Faster R-CNN模型,其中以ResNet-101为基础的版本被命名为Faster R-CNN-NICE.性能分析显示,虽然Faster R-CNN-NICE模型在处理速度上略有下降(减少1.72帧/秒),但在边界框平均精度(bbox_mAP达0.542)和息肉分类综合平均精度(mAP为0.830)上显著提升.与内镜医生相比,此模型在大部分情况下展示了更高的置信度和准确性,特别是在NICE 2型息肉的预测中,其性能与医生的预测结果的差异存在统计学意义(x2=4.30,P<0.05).模型转换为ONNX格式后,在不同硬件环境下显示了优化的执行效率,并在视频实时检测中有效地实现了息肉的快速定位和精确分类.结论本研究根据NICE分型系统构建了一个结肠息肉图像数据集,并开发出Faster R-CNN-NICE深度学习模型,有效地实现了结肠息肉的即时定位与精确鉴别.这项技术预期将为内镜医生的临床工作提供支持,显著提升诊断的效率和准确度.

关键词： 高速破片   目标检测   YOLOv5   特征重组   注意力机制   元学习  

摘要： 战斗部破片群运动参数对弹药毁伤威力评估具有重要的意义。针对破片尺寸较小、背景信息复杂以及破片数据样本少导致的破片检测精度较低的问题,本文提出一种YOLOv5-FD的战斗部破片群目标检测方法。首先,在网络输出端增加微小目标检测层,将原始的三尺度改为四尺度,并在特征融合网络中引入内容感知特征重组(Content Aware ReAssembly of Features,CARAFE)上采样模块替换原有的最近邻插值上采样,减少小目标特征信息损失,提高弱小破片的提取能力。其次,在特征提取网络引入坐标注意力模块(Coordinate Attention,CA),加强对破片特征的提取,弱化背景信息,抑制复杂背景的干扰。最后,在模型训练过程中引入模型不可知元学习方法(Model Agnostic Meta Learning,MAML),达到仅用小样本破片数据集实现较高的检测性能。实验结果表明,YOLOv5-FD破片检测算法在自制破片数据集中,精确率达到了90.5%,召回率达到了85.4%,平均精度mAP_0.5达到了88.2%,与原始YOLOv5s算法相比分别提高了7.1%,7.9%和7.5%,有效提高了破片目标检测准确性。

关键词： 岩石力学   孔隙结构   图像处理   定量表征   像素空间   低照度图像  

摘要： 鉴于目前井下复杂环境状态下,低反射特性岩壁上孔隙结构原位探测过程中往往存在的图像清晰度不够以及定量表征不准确等技术难题,提出一种基于像素空间信息的孔内低照度图像孔隙结构量化方法,通过同步利用孔壁图像和点云数据,得到非标准圆柱钻孔形态的孔壁像素空间特征信息,实现复杂地质条件下低反射特性岩层的孔隙结构定量化过程。首先,基于实际钻孔环境及测试过程中容易形成的具有纹理明暗交替现象的低照度孔壁图像特征,构建符合实际测孔状态的孔壁偏心图像校正模型,形成能够有效削弱孔壁纹理明暗现象的余弦明暗纹理抑制函数;随后,提出一种基于细节特征加权融合的低照度孔壁图像增强算法,增强低照度孔壁图像的纹理信息;最后,融合像素空间单元格的划分和像素空间点水平与垂直尺度的计算,形成利用像素空间信息的孔隙结构量化方法。同时,结合实际案例分析,验证该方法的正确性与优越性。结果表明,该方法能够得到非标准圆柱钻孔形态的孔壁像素空间特征信息,可以为复杂地质条件下低反射特性岩层的孔隙结构原位探测提供一种新的技术方法与手段。

关键词： 目标检测   YOLOv8   注意尺度序列融合   Inner-IoU  

摘要： 针对复杂交通环境下的多目标检测问题,本文提出了一种改进YOLOv8的目标检测算法ASF-YOLOv8。首先,在YOLOv8的基础架构上,加入一种注意尺度序列融合机制(Attentional Scale Sequence Fusion, ASF),该机制能够对不同尺度的特征图进行融合,从而获得更好的图像特征,提取出更丰富、更准确的特征信息。然后,对损失函数进行改进,引入Inner-IoU,通过辅助边框计算IoU损失,进一步提高算法的检测精度。实验结果表明,在VisDrone数据集上,本文所提算法比YOLOv8算法的平均精度mAP50提升了1.4%,该算法在复杂交通环境下具有更高的检测精度。

关键词： 深度学习   煤矸石   YOLOv7   目标检测  

摘要： 煤矸石分拣是煤炭开采和加工过程中的重要环节,可以有效降低煤炭后期加工难度和成本。针对目前我国煤矸石分拣工艺复杂、分拣效率低、人工选矸工作难度大等问题,提出了一种基于深度学习的煤矸石检测方法。该方法采用YOLOv7深度学习算法为核心,通过制作煤矸石数据集、训练检测模型、搭建煤矸石检测平台,实现了煤矸石实时智能分拣。试验结果表明,YOLOv7模型的mAP为96.70%,检测速度为69fps,相比于YOLOv5、SSD和Faster-RCNN算法具有明显优势。

关键词： 分布式雷达系统   运动平台   目标检测   低比特量化   最优量化器  

摘要： 动平台分布式雷达系统可有效提升系统的生存能力和探测性能,但运动平台之间通常采用无线传输方式,难以配备大通信带宽以传输完整的信号数据,给雷达系统的高性能检测带来极大挑战。由于低比特量化技术可显著降低分布式系统的通信传输代价和计算资源消耗,该文针对低信噪比弱信号环境下提出了动平台分布式雷达系统的低比特量化运动目标检测算法。首先,根据系统资源将各节点的多脉冲观测数据选择对应位数的低比特量化器进行量化,推导了关于量化器和多个目标状态的似然函数。其次,证明了低比特量化数据对应似然函数关于未知目标反射系数的凸性,并基于该特性设计了多普勒频移和反射系数的联合估计器。然后,针对探测区域中存在的多个状态未知目标设计了多目标检测器,推导了其恒虚警率门限。最后,通过推导系统的渐近性能设计了最优低比特量化器,在保证系统鲁棒性的同时有效提升了系统的检测性能。仿真实验分析了所提算法的检测与估计性能,结果证明了所提算法在低信噪比弱信号环境下的有效性,同时表明低比特量化数据可在仅占用低于20%通信带宽的基础上实现接近高精度(16比特量化)数据对应的检测和估计性能,且2比特量化策略可作为检测性能和雷达系统资源消耗的折中选择。

关键词： 目标检测   车辆关重部位   遮蔽   刚体结构   先验知识   图卷积神经网络  

摘要： 针对复杂背景和车辆姿态变化导致的车辆关重部位在图像中被遮蔽,无法准确识别的问题,提出了部分可形变物体图卷积神经网络(Partially Deformable Object Graph Convolutional Network, PDO-GCN)的遮蔽车辆关重部位检测模型。该方法以车辆刚体结构关系为基础,构建了基于PDO-GCN的二维成像平面上关重部位之间的空间关联模型,并利用可见关重部位的检测结果估计遮蔽关重部位的位置。实验结果表明,PDO-GCN模型在无需复杂标注的前提下,能够有效推断完整车辆结构信息,显著提高遮蔽部位的检测精度,且满足实时性要求,具有良好的应用潜力。

关键词： 数字图像处理   车身检查   人机协同   自动视觉检查  

摘要： 自动喷漆过程后车身表面的小缺陷是目前汽车行业质量控制面临的最大问题之一。利用图像处理技术可以实现一种新的检测方法,并确保整个区域得到检查。处理方法是基于局部定向模糊方法的图像背景提取方法和修改后的图像对比度增强,从而能够检测整个照明区域的缺陷。此外,还可以使用多级结构进行多次处理,该系统已四川成都的大众工厂的生产线上试运行。这里将展示对性能的完整分析,以及证明稳健性和可靠性的几个测试。

关键词： 计算机视觉   水产养殖   虾蟹类  

摘要： 计算机视觉技术在虾蟹类养殖中的应用具有巨大潜力和市场需求。通过图像处理和分析,该技术可以实现虾蟹类的自动化监测和管理,提高生产效率、优化养殖环境、降低运营成本和有效管理病害风险,从而提高养殖产品质量和经济效益。文章回顾了计算机视觉在虾蟹类水产养殖中的最新进展,包括养殖虾蟹的识别和计数、行为监控、投喂管理、繁殖监控和疾病诊断等方面的应用。这些方法和技术可以为养殖者提供更精确的信息,有助于提高养殖业的现代化水平和可持续发展。

关键词： 事件检测   精准度   深度学习   目标检测  

摘要： 为提升视频AI事件的检测的精准度,文章研究视觉AI的事件算法,主要包括自动提取事件目标检测特征因子、事件多类型多目标同时分类识别、单目标多角度识别以及算法自学习功能,从而提高视频事件检测的检出率和准确率,实现交通突发事件的实时监测与预警分析和车辆视频接力跟踪,提升高速公路营运管理、安全应急处置的智能化、科学化水平。