关键词： 绿化工程   目标检测   YOLOv5   害虫管理   无人机航拍  

摘要： 松材线虫病是由松木线虫寄生在松树内部引起的一种毁灭性森林病害。一旦感染,由于无法排水,松树会迅速凋萎死亡,因此也被称为松树枯萎病。主要由松虫传播,具有快速传播、快速发作和高死亡率的特点,是一种重要的全球植物病害。如果不能及时有效地控制松材线虫病,将导致森林地区大量松树在短时间内死亡。随着人工智能和无人机技术的不断发展和普及,结合各种方法及时检测病树,进行处理和保护,可以大大节省生物防治的时间和人力成本,同时推动诸如生物工程和绿化工程等多个相关学科的工作。通过无人机对森林区域进行了大量的航空勘查,收集了相关数据,并对所获取到的数据进行了预处理,包括数据扩充、清洗、过滤、去重、格式化等,以确保数据质量和准确性。然后对数据进行了标记,对原始的YOLOv5进行了一定的改进。并为原始网络模型添加了一个新的RRAM(递归残余注意模块),使得网络能够及时关注冗余数据中的重要信息,从而提高了网络的性能。与原始的YOLOv5相比,优化后的网络具有更强的性能。

关键词： 智能监控系统   模式识别   计算机视觉  

摘要： 随着经济的快速发展,城市交通的实时监控系统变得越来越重要,建立全面的智能监控系统对构建平安城市和智慧城市非常重要。本文算法借助强大的计算机处理数据的能力,利用图像领域的相关理论和模式识别、计算机视觉等新兴技术,针对视频源中有用的关键信息进行提取和分析,及时地对场景下的异常情况进行识别监控,并通知有关安全人员处理危机。在人力不可及的条件下最大限度地避免误报、漏报等现象,使监控系统真正实现无人监管、智能化。

关键词： 目标检测   无人机   重参数化   注意力机制   解耦检测头  

摘要： 针对无人机航拍图像目标尺度变化大、目标与背景相互干扰所导致的误检、漏检问题,提出一种基于重参数化注意力的目标检测方法,并将其应用于无人机航拍目标检测。首先,通过提出重参数化坐标注意力模块来增强相关特征,提升网络对上下文信息的捕捉能力;其次,设计多尺度感受野增强模块来重构骨干网络,从而增强特征图的接受域,提升网络的特征提取能力;接着,提出四尺度特征融合检测网络,提升网络对小目标的检测能力;最后,引入解耦检测头来解决分类与回归任务之间的冲突。在VisDrone2021数据集上进行实验,所提方法的mAP0.5相比原算法提高了7.6个百分点,召回率提升了5.5个百分点,与其他方法相比也具有明显优势。实验结果证明,改进方法能够较好地解决上述误检、漏检问题,具有良好的检测效果。

关键词： 目标检测   肺结节   CenterNet算法   CBAM注意力机制  

摘要： 基于深度学习的目标检测算法已广泛应用于肺结节检测研究,但受限于肺结节体积较小、位置多变及肺部纹理复杂等特性,当前检测精度仍有待进一步提升。本文通过抑制非目标特征,并强调肺结节信息,提出了一种改进CenterNet的肺结节检测方法。该方法基于CenterNet架构,将深度残差网络ResNet50和CBAM注意力机制模块相结合以进行ResNet50+CBAM的设计,有效促进了不同层肺结节特征信息的提取,即使在网络层数较深情况下,肺结节检测也能保持良好的模型训练效果。实验结果显示,在mAP、Recall和Precision等代表性评价指标上,本文算法优于多个对比算法,证明了其在肺结节检测中的有效性。

关键词： 微小柱状零件   表面缺陷检测   机器视觉   目标检测   选择注意力机制   随机注意力机制  

摘要： 针对“细小曲面”的零件表面缺陷检测技术,目前尚不多见。以一种直径在mm级、表面缺陷尺寸在μm级的柱状金属零件为研究对象,设计了一套微小柱状零件表面缺陷检测系统。首先分析了检测对象的技术特征与“全、细、微、多、高”检测难点。然后针对“全、细、微”的技术要求,给出了图像采集装置的设计方案,实现了在微小零件柱状曲面上的全表面逐一成像。随后,针对“多、高”两大技术难点,提出了一种基于YOLOv5与注意力机制的检测算法,给出了实验数据集的准备方法并开展了和现有方法的多组对比实验与消融实验,实验结果表明所提算法能够辨识零件表面多种缺陷。相关研究已经应用于工业现场,显著提高了微小柱状零件表面缺陷的检测效率和准确率,对其他类似零件的表面缺陷检测也有借鉴价值。

关键词： 钢轨表面缺陷   目标检测   YOLOv8  

摘要： 钢轨是铁路轨道组成的主要部件,钢轨的表面缺陷问题严重影响了铁路系统的运行质量和安全。针对实际运用中铁轨表面损伤检测精度和检测效率较低的问题,提出了一种基于改进YOLOv8算法的铁轨表面损伤检测算法。将SE注意力机制添加在主干网络的末端,建立卷积特征通道之间的相互依赖性,提高网络的表示能力;引入空间深度卷积(SPD-Conv)替换YOLOv8网络中的传统卷积模块,通过对每个特征映射进行卷积操作,并保留通道维度中的全部信息,从而提高模型在低分辨率图像和小物体检测方面的性能。结果表明,与YOLOv8m模型相比,改进模型的mAP@0.5和mAP@0.5:0.95分别提高了约6.2%和10.8%,召回率上升了约6.8%,准确率提高了约4.4%,有效提高了检测精度和速度。

关键词： 文本检测   深度学习   计算机视觉   可微分二值化  

摘要： 自然场景中包含的丰富文本对理解现实世界具有重要意义,但由于自然场景文本的多样性和复杂性,检测任务变得困难。随着智能时代的兴起,深度学习技术为自然场景文本检测带来突破性进展,可微分二值化网络DBNet的提出,更是推动了文本检测实时性需求的研究进步,许多研究者基于可微分二值化技术,进行了具有创新性和实用性的研究,并取得丰硕成果。对近年来基于可微分二值化技术的文本检测算法研究进行了深入的分析和总结。简要介绍DBNet模型的背景、工作原理、优势与劣势,根据技术差异将基于微分二值化技术的算法分为特征提取、特征融合、后处理、整体架构以及训练策略五类,对每类方法的改进方式进行详细的图示说明,并对各类技术方法的机制进行详细阐述,对所有方法进行分析总结。介绍了常用公开数据集和文本检测性能评估指标,汇总不同方法的仿真实验结果,列举几个具有实际意义的应用场景。对自然场景文本检测领域的未来发展方向进行了思考,并梳理面对的挑战和亟待解决的问题。

关键词： 图像处理   空间物体   光学图像   条痕检测  

摘要： 空间物体在光学图像中常常表现为拖长的条纹形状,即条痕,条痕的准确检测对空间物体的识别与测量具有重要意义。近年来,许多研究人员对空间物体条痕的检测方法进行研究,取得了丰硕的成果。随着空间物体探测能力的提高,暗弱条痕的检测在空间物体精确探测中变得越发重要。对当前光学图像中空间物体条痕检测方法的主要原理和步骤进行了综述,根据不同方法的特点进行了分类和总结,并选择了四种不同类别的代表性单帧图像空间物体条痕检测算法,利用模拟图像和实测图像对这四种方法进行了实验对比,根据实验结果分析了各方法的优缺点,最后对光学图像中的条痕检测方法的未来发展方向进行了展望。

关键词： 图像处理   大气与海洋光学   水面偏振成像   高动态范围成像   自适应线性增强  

摘要： 在户外真实场景的水域成像过程中,太阳光经水面反射会形成强部分偏振耀光,水域场景通常伴随亮度变化范围大难以清晰成像的问题。本文提出了一种名为“WP-HDR”的基于分焦平面可见光偏振相机抑制太阳耀光实现水面场景高动态范围成像的方法。通过偏振处理抑制高强度水面耀光,Otsu算法与滤波配合实现对区域的分割,最后通过自适应线性融合实现对过暗部分的增强。实际场景的实验结果表明,处理后得到的高动态范围图像中,水面耀光得到了有效的抑制,背景和目标细节的轮廓信息更清晰,复合对比度、标准差和平均梯度均得到显著改善。本文提出的复合对比度可同时体现耀光抑制程度和暗目标清晰化程度,在本文的实验结果中最高可提升三倍。实验证明本文所提方法可用于强反射干扰下的水面成像以及水域目标的识别。

关键词： 视觉测量   YOLOv8   精确率   召回率   平均精度  

摘要： 针对视觉测量中低照度或复杂背景下圆形合作目标识别精度较低或定位能力较差等问题,提出了一种基于卷积神经网络(Convolutional Neural Networks,CNNs)对YOLOv8算法进行优化设计的模型。该模型共有225层网络、约300万个参数以及8.2G FLOPs计算量。采用不同条件下的圆形合作目标数据集进行模型训练,同时在训练过程中实时监控模型的性能指标和计算效率,对模型进行细致的调整和优化。实验结果表明,本文算法具有99%的准确率、92%的召回率、92%的平均精度。相较于霍夫变换和YOLOv3等传统特征提取方法,本文算法的精确率分别提升了14%和4%,召回率分别提升了17%和2%,平均精度分别提升了10%和2%。该算法可以在低照度环境、复杂背景或目标形状微小变化等多变条件下,显著提高圆形合作目标的识别定位精度。