关键词： 相控阵雷达   大规模目标跟踪   目标分配   功率优化  

摘要： 相比于传统雷达,相控阵雷达能够同时生成多个波束并灵活改变波束指向,被广泛应用于多目标跟踪领域。在大规模集群目标协同探测场景中,为支持后续节点对敌方目标进行火力拦截与打击的任务需求,相控阵雷达需要在规定时间内将空域内优先级更高的目标更快地跟踪至火控精度,然而若空域内目标数量过多,雷达探测资源有限,难以完成指定跟踪任务。为了解决这一问题,本文提出了一种面向大规模目标跟踪的相控阵雷达目标分配与功率联合优化算法。首先,推导出包含目标分配和功率优化的预测条件克拉美罗下界,并将其作为目标跟踪性能的衡量指标;随后,本文同时考虑跟踪容量和跟踪精度,以最大化满足跟踪精度的目标数量和最小化多目标优先级加权平均跟踪误差为优化目标,结合相控阵雷达系统资源,建立了大规模目标跟踪下的目标分配和功率联合优化模型,对目标分配变量和发射功率变量进行自适应联合优化配置。针对上述优化问题,本文采用两步分解法,将其分解为目标分配子问题和功率优化子问题,并结合激活函数对非平滑非凸的目标函数进行平滑近似。然后,利用谱投影梯度法进行求解。仿真实验验证了所提算法相较于传统算法在多个场景下均能在指定时间内更快速地将更多目标跟踪至指定精度。

关键词： 计算机视觉   工业检测   人类视觉系统   自动化分析   实时监控   产品质量   整体水平   检测方法  

摘要： 随着工业自动化和智能化的快速发展,传统的工业检测方法难以满足现代生产对于高效、高精度和实时监控的需求。工业检测作为保证产品质量、生产安全和生产效率的关键环节,呕需引人更为先进的技术手段来提升整体水平。近年来,基于计算机视觉的工业检测技术在多个领域得到了广泛应用。计算机视觉技术是利用计算机来模拟人类视觉系统,以实现对图像和视频的自动化分析和理解。

关键词： 数字图像技术   中阳剪纸   图纹整理   角点检测  

摘要： 中阳剪纸的图纹整理工作对于保护和传承这一非物质文化遗产至关重要。传统的剪纸图纹整理主要由人工完成,效率低、误判率高,而在剪纸图纹整理中引入数字图像处理技术可提高分检效率,降低误判率。文章对数字图像处理技术在中阳剪纸图纹整理的应用进行了研究分析,从数字图像处理技术的特点和工作内容出发,主要对剪纸图像特征提取方法进行较为详细的分析说明,并在此基础上阐述了数字图像处理技术在中阳剪纸图纹整理中的发展趋势,为后续该领域的研究提供参考。

关键词： 小麦收割机   无人驾驶   立体视觉相机   深度学习   目标检测  

摘要： 针对小麦收割机在农场无人驾驶作业时无法实现动态障碍的实时避障,无人驾驶技术安全性低等问题,设计一种基于立体视觉与深度学习相结合的无人驾驶立体视觉感知系统。首先使用立体视觉相机采集左右目灰度图像,通过图像中像素位置的视差以及立体视觉成像原理,实现对障碍物的距离计算;再将相机采集的RGB图像通过深度学习进行处理,实现障碍物的检测识别,最终完成对动态障碍物的感知。结果表明,基于立体视觉与深度学习的无人驾驶感知系统在农场无人驾驶作业中动态障碍物的检测速率达到30.1 fps,精确率达到98.24%。该方法能够较好的满足作业中动态障碍物检测的识别要求,显著提升无人驾驶小麦收割机作业时的安全性和可靠性,为智能农机无人驾驶的研制奠定理论与技术基础。

关键词： 目标检测   YOLOv7   注意力机制   深度学习  

摘要： 针对现有目标检测算法对于目标遮挡以及小目标造成的误检漏检等问题,以YOLOv7作为基础框架,提出了一种复杂驾驶环境下目标检测的改进方法。首先在原模型上引入CBAM注意力机制,抑制背景干扰信息;使用NWD作为算法的损失函数,增强对小目标的检测能力。实验结果表明,在公开数据集KITTI上,相较原算法准确率提高了4.5%,有效提升了驾驶环境中目标检测的精度。

关键词： 植物保护   马铃薯早疫病   轻量化   目标跟踪   病害评估  

摘要： 马铃薯早疫病的病害严重程度监测对于马铃薯的产量影响非常重要,根据早疫病病害严重度调整农药使用,可以有效降低使用成本,避免因农药使用过量对马铃薯造成伤害。而田间病害监测设备需要轻量化模型的部署,为了解决病害评估网络因硬件计算资源有限,在田间设备上难以部署、运行速度慢等问题,实现对田间场景下的马铃薯早疫病病害严重程度的田块级评估,提出了一种针对马铃薯早疫病检测与严重度评估的模型。模型主要包括基于轻量级检测器CS-YOLO的叶片识别、结合DeepSORT跟踪算法的叶片碰线计数、以及基于BP网络对早疫病发病严重度的回归预测。试验结果表明,评估模型在马铃薯叶片(健康与早疫病)检测任务上的参数量相较于YOLOv5s减少了90.03%,准确率达到62.35%;叶片碰线计数的准确度能够达到0.686,能够较好地捕捉早疫病叶片;BP神经网络对早疫病发病严重程度的预测拟合效果较好,决定系数R^(2)达到0.81。为植保机器人在田间场景中的部署提供了一种有效的技术手段,为实现马铃薯早疫病的监测和实时评估提供了可行的解决方案。

关键词： 目标检测   深度学习   玉米雄穗   复杂田间环境  

摘要： 玉米雄穗对于玉米产量以及优良育种有着重要作用,为提升复杂田间环境下对抽雄期玉米雄穗的检测精度和速度,提出一种融合高效多尺度注意力机制的轻量级目标检测模型YOLOv5-EMM。通过嵌入高效多尺度注意力机制(EMA)模块、替换MobileNetV3轻量级骨干网络、优化MPDIoU损失函数及采用BiFPN优化颈部网络改进YOLOv5基础模型。试验结果表明,YOLOv5-EMM网络平均精确度达到97.8%,比改进前提高了2.7%,模型参数量低至3.31M,计算量也降低了51%。改进模型对复杂田间环境玉米雄穗有着较好的检测效果,可为玉米生长状态监测提供技术支持。

关键词： 数字图像处理技术   几何量精密测量   应用分析  

摘要： 几何量精密测量是制造工程领域中重要的环节,直接关系到产品的设计、制造、质量控制等全过程。传统的几何量测量方法存在设备昂贵、对环境条件要求高、流程繁琐等缺点。随着数字图像处理技术的发展与普及,诸多研究人员致力利用其进行几何量精密测量。数字图像处理是指用计算机对图像进行处理、分析,并从中提取需要的几何信息及特征。利用数字图像处理技术,可快速测量并分析图像中的几何参数,如线性尺寸、形状和位置公差等。本文从理论与应用两个方面深入分析数字图像处理技术在几何量数字化、智能化测量中的作用与优势,旨在为工程应用提供新思路与手段。

关键词： 目标跟踪   边缘检测算子   颜色特征   尺度池  

摘要： 针对在跟踪目标受到严重遮挡或者尺度变化显著等复杂场景下原始核相关滤波算法(Kernel Correlati-on Filter, KCF)追踪目标失败的问题,本文提出了一种将边缘检测算子(Edge Detection Operator, EDO)、多特征融合、尺度自适应相结合的改进型KCF目标追踪算法。首先,通过引进高斯拉普拉斯算子(Laplacian of Gaussian, LOG),对初始帧图像进行处理以获取更多边缘信息。其次,将颜色特征(Color Naming, CN)与方向梯度直方图(Histogram of Gradient, HOG)进行线性融合,可以在处理目标被遮挡时获取更多目标图像的多特征信息。然后,通过使用尺度池自适应方法解决跟踪目标时尺度变化问题。最后,使用OTB-100数据集进行算法仿真和效果评估,证明了使用本文提出的改进型KCF目标追踪算法在复杂背景下依然具有较好的准确性和鲁棒性。In this paper, an enhanced KCF target tracking algorithm is proposed to address the limitations of the original Kernel Correlation Filter (KCF) in tracking targets under complex scenarios with significant scale changes or severe occlusion. The proposed algorithm integrates Edge Detection Operator (EDO), multi-feature fusion, and scale adaptation. Firstly, Laplacian of Gaussian (LOG) is introduced to process the initial frame image for obtaining more edge information. Secondly, a linear fusion of Color Naming (CN) and Histogram of Gradient (HOG) enhances multi-feature information extraction when the target is obstructed. Furthermore, the scale change issue is addressed using a scale pool adaptive method. Finally, simulation and evaluation on OTB-100 dataset demonstrate that the improved KCF target tracking algorithm maintains high accuracy and robustness in complex backgrounds.

关键词： 岩体   裂隙迹线   图像识别   Hessian矩阵   图像处理  

摘要： 针对以往研究中岩体裂隙图像识别方法的识别结果存在大量伪裂隙问题,提出了一种考虑几何特征的岩体裂隙迹线多尺度图像识别新方法.根据图像中不同像素点黑塞矩阵特征值大小的差异构建滤波响应函数,该函数在对线性裂隙进行增强的同时亦可抑制图像噪声;采用限制对比度的直方图均衡化算法解决了函数响应值不足的问题;基于连通域面积和连通域最小外接矩形长宽比两个参数准确获取了裂隙形态;利用形态学细化、毛刺去除和分段线连接的组合处理方式识别得到裂隙迹线.工程实测结果表明:所提方法裂隙迹线识别结果与手工描绘的参考裂隙极为相符,精度和敏感度的调和平均值D_(ice)达到88%以上.相较于改进Canny方法、暗区曲线结构增强(DRCSE)方法以及混合全局和局部阈值(HGLT)方法,本文方法表现出了更强的稳健性和鲁棒性.