关键词： 遥感   IspecHyper   无人机   高光谱影像   图像处理  

摘要： 为解决IspecHyper(莱森光学)多旋翼无人机高光谱成像系统缺乏数据处理配套软件,采集多航带高光谱数据误差大、坐标缺失、无法自动拼接等问题,以武鸣区太平镇角龙村柑橘种植基地为研究区,开展IspecHyper多旋翼无人机高光谱影像处理方法研究。首先,利用IspecHyper-VM200成像系统获取研究区高清照片和多航带高光谱影像数据;其次,以高清照片为数据源,通过PXI4D Mapper软件预处理和ENVI软件影像几何校正,形成高分辨率无人机正射影像;最后,利用ENVI软件裁剪多航带高光谱影像扭曲边界数据,以无人机正射影像为基准完成几何校正,进而通过影像镶嵌和光谱转换计算,形成高光谱反射率影像产品。结果表明,该研究形成的技术方法可有效解决IspecHyper多旋翼无人机高光谱影像处理存在问题,同时为无人机高光谱影像处理提供技术参考。

关键词： 目标检测   茶叶嫩芽   分级识别   YOLOv7  

摘要： 茶叶嫩芽分选鉴定是实现茶叶自动分级的重要环节,为实现对优质茶叶嫩芽的准确识别,提出了一种基于改进目标检测算法YOLOv7的茶叶嫩芽分级识别方法。首先,在主干网络融入CBAM注意力机制,构建CBAM-ELAN模块,在通道和空间注意模块的协同作用下,降低背景部分的权重,增强对嫩芽特征的提取能力;然后,在Neck侧引入感受野增强(RFE)模块和显式视觉中心(EVC)模块,生成新的感受野关系,提升层内特征的调节能力,增强对嫩芽特征的提取能力。改进YOLOv7算法对于单芽等级茶叶的检测精度均值为89.3%,一芽一叶检测精度均值为88.9%,一芽二叶检测精度均值为95.7%,与原始YOLOv7算法相比,检测精度均值分别提高了1.3、1.3和1.5个百分点。该方法在兼顾准确率的前提下,实现了端到端的目标检测和对优质茶苗不同姿态的识别,可为茶叶嫩芽的分级和识别提供理论基础。

关键词： 高速铁路   钢轨伸缩调节器   数据处理   目标检测   试验平台  

摘要： 钢轨伸缩调节器被广泛应用于高速铁路大跨桥上无缝线路中,但因相对位移量大、零部件多等问题成为高铁薄弱环节之一,实时监测其服役状态对于高铁运营安全至关重要。为保证监测数据的实时性与准确性,结合计算机视觉技术与实际工程现状,建立调节器服役状态在线监测系统。具体包括:完成监测系统设计与布点方案优化研究,开发现代化的信息管理系统;针对现场传感器的实时采集数据设计一整套数据处理流程,结合随机森林、长短期神经网络等算法实现调节器服役状态的超前预测,结合YOLO系列目标检测算法实现钢轨位移量的非接触式测量;基于现场需求设计综合试验平台,对重点关注的钢轨位移、应力等重要指标进行模拟试验。试验结果表明,研究的调节器监测数据处理方法可以适应调节器区域监测需求,具有重要的工程意义。

关键词： 图像处理   细化算法   干涉圆环   Hough变换   圆心识别   圆环参数提取  

摘要： 为解决光学干涉图像亮暗不均和噪声对干涉圆环半径和圆心识别的影响问题,以Matlab仿真图像为对象,研究细化算法在圆环参数提取中的作用。首先,在仿真干涉同心圆环图像中加入噪声和亮暗不均的因素;然后,在预处理基础上依次应用二值算法、细化算法得到二值图和细化图;最后,分别在预处理图、二值图和细化图上进行Hough变换提取半径和圆心。对比研究发现,二值化基础上的细化处理可以极大地减少亮暗不均的影响,抑制噪声,不仅能够消除粗大误差,提高提取精度,而且使得识别结果变得更加稳定。

关键词： 织物缺陷检测   深度学习   计算机视觉   神经网络   异常检测  

摘要： 织物表面缺陷检测是织物生产过程中必不可少的环节,近年来,使用机器视觉的方法逐渐被提出,但使用该方法存在诸多局限性,致其精度和对未知缺陷的检出率不高.提出了一种基于多尺度特征融合神经网络的织物表面缺陷检测方法,其基于编解码器架构,编码器的特征提取模块使用多尺度卷积核和空洞卷积以感知不同尺寸的缺陷,结合残差并加入了特征增强筛选模块以优化多尺度信息,增强不同特征之间的关联.最终设计了一种融合带权交叉熵和Dice Loss的损失函数以加速模型收敛.实验表明本方法可以有效分割出织物表面的缺陷部分,在AITEX织物数据集上达到了98.96%的准确率以及96.95%的召回率.

关键词： 清水砖墙   特征训练   劣化识别   评估诊断  

摘要： 通过深度学习和计算机视觉技术的融合应用,结合迁移学习优化神经网络架构,基于目标检测算法,实现对历史建筑清水砖墙劣化损伤特征的自动识别及精确评估。建立清水砖墙劣化特征样本数据库,选用PP-PicoDet算法进行模型训练与特征增量叠加训练,实现对损伤类型、位置和程度的快速且精确的自动识别。相较传统人工勘查模式,大幅提高了作业效率及结果准确性,为历史建筑保护修缮提供了新的智能化高效勘察工具和方法。

关键词： 航拍图像   目标检测   RetinaNet   轻量化  

摘要： 针对无人机航拍图像中存在目标较小、尺度不一以及目标检测算法模型参数量较大等问题,提出基于RetinaNet的轻量化目标检测算法模型:RetinaNet-S。采用GhostNetV2作为轻量化骨干,增强目标的特征信息;在颈部采用轻量化模块GSConv和VoV-GSCSP,在尽量保证检测精度的同时减少模型的参数量;最后,改进损失函数为Focal SIoU Loss,进一步提升模型的精准度。在VisDrone2019数据集上的实验表明,RetinaNet-S的参数量仅有5.52 M,检测速度提升了9.55 FPS。

关键词： 深度学习   卫星遥感   目标检测   河湖管理  

摘要： 选取涉河建筑和围垦养殖2类典型“四乱”目标类型进行研究,研发了一种适用于大范围、常态化基于深度学习的河湖库卫星遥感“四乱”目标识别模型。提出的基于RoI(感兴趣区域)对齐策略的“四乱”目标识别模型,解决了传统Faster RCNN目标检测模型在背景复杂、空间分异性强遥感图像中存在的目标检测精度低的问题,其中,涉河建筑目标识别的AP(平均精度)指标提升了0.07,围垦养殖目标识别的AP指标提升了0.12,可满足大范围河湖库“清四乱”常态化、规范化的要求。

关键词： 驼峰   抱闸车辆   双源图像   协同识别   目标检测   特征增强  

摘要： 为有效识别驼峰编组站抱闸车辆,提高车辆溜放作业效率,设计研发基于双源图像协同识别技术的抱闸车辆检测系统。采用双摄像机分别检测溜放车辆闸瓦和气缸状态,以提高系统检测的准确率。以YOLOX算法为网络基本框架,设计搭建抱闸车辆目标检测模型;因车辆抱闸属于小概率事件,导致模型训练样本稀少,为此采用Mosaic和Mixup算法扩充数据集;结合抱闸车辆制动部件小目标运动特点,引入混合注意力机制和转置卷积方法进行特征增强,优化小目标检测能力。经现场试验验证,该系统满足驼峰溜放作业对实时性和可靠性的要求,有效提高复杂作业环境下抱闸车辆检测的准确性,以进一步保障编组站作业安全。

关键词： 嵌入式平台   实时目标检测   嵌入式系统   嵌入式视觉系统   嵌入式设备   安防系统   算法优化   交通监控  

摘要： 实时目标检测现已广泛应用于交通监控、自动驾驶、安防系统等多个领域,尤其是在嵌入式系统中,实时目标检测技术因其对效率和资源利用的严格要求而受到重点关注。本文基于嵌入式平台的实时目标检测算法的优化展开探讨,以期为实现在资源有限的嵌入式设备上高效、准确地进行实时目标检测提供策略参考,推动嵌入式视觉系统的技术进步。