关键词： 海上小目标   海杂波   特征提取   雷达试验   目标检测  

摘要： 海杂波背景下的海上小目标是海洋雷达探测的重难点。针对特征空间内海杂波与小目标特征可分性问题,提出了量化特征之间可分性的度量标准——重叠系数。通过开展对海探测试验获取的2~5级海况实测数据,分别提取时域特征相对平均幅度(Relative Average Amplitude,RAA)、相对峰值峰高(Relative Peak Height,RPH)、时域熵值均值(Time domain Entropy Mean,TEM),频域特征相对多普勒峰高(Relative Doppler Peak Height,RDPH)、相对多普勒向量熵(Relative Vector Entropy,RVE)、频域熵值二阶矩(Second moment of Frequency domain Entropy,SOFE),计算出重叠系数。通过特征检测器进行检测性能对比,低海况下,相对平均幅度、相对峰值峰高、时域熵值均值、相对多普勒峰高、频域熵值二阶矩特征之间重叠系数均在0.3以下,对应特征检测器的检测概率均在85%以上;高海况下其特征之间重叠系数均在0.7以上,对应特征检测器的检测概率均在50%以下。相对多普勒向量熵在4种海况下可分性较小,其对应的特征检测器性能较差。结果验证了重叠系数在一维特征选择的应用可行性,为多特征融合目标检测提供了一定支持。

关键词： 纯方位   异步数据融合   卡尔曼滤波   协同定位   状态估计   轨迹跟踪  

摘要： 针对多无人机编队基于纯方位观测信息对目标进行协同定位和跟踪时的异步信息融合和多平台协同定位问题,提出了一种线性化的伪测量模型。通过几何推导建立起目标位置与测量位置的线性关系,在假设目标恒加速运动情况下,利用卡尔曼滤波实现了多平台异步方位信息的数据融合,并对目标运动状态进行准确估计。同时为该状态估计器设计了一种基于事件触发的状态更新策略。为实现分布式计算状态估计,基于协方差交叉原理设计了异步局部状态估计结果全局融合方法。最后通过仿真实验验证了所提出算法的有效性,并证明提出的异步数据状态估计方法与基于伪同步的扩展卡尔曼滤波方法相比在目标速度持续变化条件下具有更好的收敛速度和精度。

关键词： 接触网绝缘子   YOLOX   目标检测   缺陷检测   注意力机制   损失函数  

摘要： 针对接触网绝缘子缺陷检测,提出了一种改进YOLOX-S的接触网绝缘子缺陷检测算法。在Backbone网络CSPNet结构中的残差模块部分引入CA模块,使神经网络能够将位置信息融入通道特征进行注意力调节;为减小正负样本不平衡带来的误差,置信度预测损失采用Focal Loss;同时,将EIoU Loss作为边界框的回归损失,使损失函数对真实框和预测框更加敏感,提升算法的检测精度。实验结果表明,改进的算法在接触网绝缘子缺陷数据集上mAP值达到90.88%,相比YOLOX-S提升了7.47%,证明了所提算法的真实有效性。

关键词： 物料输送   目标检测   异物识别   深度学习   注意力机制   YOLOv5  

摘要： 针对矿井输送带在输送煤流的过程中,大块煤矸石和锚杆存在不同尺寸和形状,图像特征信息难以提取,传统目标检测算法检测效果不理想的问题,提出一种基于TDConv与统一注意力检测头的异物检测算法。该算法通过设计并行卷积的组合方式形成TDConv卷积模块,能有效保持图像特征原有信息,帮助更深的卷积层提取有效细节信息;在检测头部分加入统一注意力模块,有效提取和识别不同尺寸物体、不同空间位置之间的特征信息;基于煤矿井下不同场景的输送带制作了10万张矿用异物数据集(MFID),为矿井煤流输送过程中异物检测的深入研究和实际应用提供资源支持。实验结果表明,该算法在矿用数据集MFID上的平均精度均值(mAP)与YOLOv5目标检测算法相比提升了2.1%;在具备高精度检测能力的同时,能有效减少异物检测网络模型参数量,使网络结构更加轻量化,适用于煤矿井下边缘计算设备。

关键词： 废钢判级   目标检测   yolov5   yolov8   rtmdet  

摘要： 废钢的回收过程中,我们经常遇到种类繁多、类别数量不平衡等问题。鉴于此,本研究基于深度学习,提出了一种废钢检测方法,包括类别平衡策略(Class Balance)和分组采样模块(Multi Group Sampling)。类别平衡策略旨在解决数据集中存在的类别分布不均衡问题,而分组采样模块通过促进形状和大小相似的不同类别废钢之间的相互学习。通过对模型结构和训练流程的优化,该方法在废钢数据集上展现了出色的性能。我们采用rtmdet、yolov5和yolov8进行了一系列对比实验,结果显示本研究提出的策略能够在不同模型上取得更优的废钢图像检测效果,mAP分别提高了3.2%、2.6%和3.1%。本研究的成果为废钢回收处理行业提供了一种新的方案,提升废钢回收的效率和质量,推动废钢回收自动化的发展。

关键词： 表面缺陷检测   YOLOv8   轻量化   目标检测  

摘要： 为提升带钢缺陷检测的精准度,并实现模型在移动端的便捷高效部署,提出一种基于改进YOLOv8n的轻量化带钢缺陷检测方法。首先,引入GhostNet来替代网络中的传统卷积层,显著减轻了网络的计算负担,通过加入CA(坐标注意力)关注机制,有效增强了网络的特征提取能力并增强了模型的感受野。其次,在特征融合部分,选用轻量级的CARAFE(基于内容的特征重组)上采样模块,进一步提升了模型对特征的提取效果。最后,为了优化网络边界框回归的性能,采用Wise-IoU边界损失函数来替代原有的损失函数,用改进后的带钢表面缺陷检测方法在NEU-DET数据集上进行实验。结果表明,改进后的方法参数量和计算量分别为9.5 M和6.4 GFLOPs,相较于原始网络提升了15%和21%,同时mAP(平均准确率均值)为81.5%,提升3.2%,优于其他对比目标检测算法,可为移动端检测装备的部署和应用提供参考。

关键词： 无人机遥感图像   深度神经网络   注意力机制   微小目标检测  

摘要： 无人机(Unmanned Aerial Vehicle,UAV)遥感图像具有成像距离远、分辨率高和目标密集等特点。本文旨在开发一种基于深度神经网络和注意力机制的学习模型,以改善无人机遥感视角下微小目标检测的性能。本研究改进了YOLOv5,并提出了一种名为YOLOv5-SATC的新无人机遥感图像微小目标检测算法。实验结果表明,该算法在NWPU数据集上优于其他主流目标检测方法。

关键词： 计算机视觉   槟榔核中心检测   canny边缘检测   形态学运算  

摘要： 在槟榔的自动化加工工艺中去核与点卤是非常重要的环节,为提高生产效率,需要准确检测出槟榔核中心的位置,才能高效地实现槟榔的去核与点卤。针对目前槟榔自动化生产过程中槟榔内轮廓检测效率不高、检测结果适用性差等问题,提出了一种基于计算机视觉技术的槟榔核中心自动化检测方法。采集到的槟榔图片经过预处理后,采用自适应阈值分割的方法获取槟榔的前景信息并检测槟榔的边缘信息,在此基础上根据槟榔椭圆形状的代数描述计算出槟榔核中心位置坐标。结果表明,该方法可以精确检测出不同背景下多种形貌的槟榔核中心位置,在摆盘的槟榔图片中,槟榔核中心位置的检出率为100%,平均检测时间为0.39 ms,检测效果良好。

关键词： 无人机影像   目标检测   位置注意力   空洞卷积  

摘要： 针对以无人机影像为基础的多类别目标检测问题,提出一种融合位置注意力的卷积神经网络检测模型。在特征提取端使用级联空洞卷积核组实现特征提取,并通过位置卷积模块对提取后特征进一步筛选;为增强参与检测特征图内信息的复杂程度,通过多尺度特征融合端对上层输出特征图进行融合与上采样连接,最终输出4个尺度的特征图参与最终检测。测试结果显示,该模型在检测精度方面优于其余几组对比模型,同时在多个场景下表现出较好的泛化能力,在测试环境下能够实现对目标的实时检测。

关键词： 图像处理   目标检测   粒子滤波   均值漂移   运动轨迹  

摘要： 针对群体运动轨迹分析算法存在的执行时间长、预测准确率低等问题,基于高斯混合模型、均值漂移算法和LSTM模型提出一种具有较高预测准确率的群体运动轨迹分析算法。通过回顾和分析主流的群体目标跟踪算法,设计和构建基于粒子滤波的均值漂移算法,并在此基础上引入具有时空预测功能的LSTM模型和高斯混合模型,从而实现视频环境下群体目标运动轨迹的抗扰识别、跟踪和预测。仿真实验采用相同的篮球运动视频数据集作为样本,其统计结果表明,与传统的群体识别和跟踪算法相比,基于特征识别的群体运动轨迹分析算法具有更高的预测准确率和更少的平均执行时间,群体运动轨迹的预测准确率提升了14.9个百分点,算法的平均执行时间降低了21.6个百分点。