关键词： 无人机   目标跟踪   分散注意力机制   特征金字塔  

摘要： 针对无人机平台的目标跟踪场景中目标小、形变大、背景复杂、易出现目标遮挡等问题,提出了一种基于分散注意力机制的无人机目标跟踪算法。首先,针对背景复杂、目标遮挡问题,在特征提取残差网络中引入分散注意力机制,增加卷积通道间的相互作用,赋予通道间自注意力权重。其次针对小目标、尺度变化大,添加特征金字塔结构,增加高语义信息在特征图中的占比,提高无人机场景下多尺度目标的跟踪能力,提高跟踪精度。在无人机公开数据集UAV123上采用一次通过评估模式进行测试,所提算法精度达到了82.7%,成功率达到了61.6%。实验结果证明论文所提算法的测试结果优于目前主流的目标跟踪算法,有效地提升了无人机在复杂场景下指定目标跟踪的精度和鲁棒性。

关键词： 图像处理   超分辨率重建   自适应权重   通道重组   残差聚合  

摘要： 近年来,注意力机制广泛应用于图像超分辨率重建,极大地提高了重建网络的性能。为了更有效地利用注意力机制,提出一种基于自适应双分支的图像超分辨率重建算法。该算法设计的自适应双分支模块包括注意力分支和无注意力分支,通过自适应权重层动态平衡双分支的权重,舍弃冗余特征以使两个分支达到自适应平衡;其次,设计通道重组坐标注意力模块,通过通道重组的方式实现跨组特征交互,关注不同网络层特征之间的相关性;最后,设计双层残差聚合模块,构建两层嵌套的残差结构,提取残差块中的深层特征,更有效地提高网络的特征提取能力,提高重建图像的质量。在标准数据集上的大量实验验证了所提方法具有更好的重建效果。

关键词： 图像处理技术   滤棒埋线检测   自动化质量控制  

摘要： 本系统采用自动化质量控制、提高检测精度以及实时监控与反馈等手段来实现滤棒制造过程埋线质量的有效监测。系统设计主要由图像采集模块、图像处理算法以及系统软硬件实现等部分组成,以保证检测的精度及实时性。在实践中,系统的使用减少了人工成本,经济与社会价值显著。

关键词： 果园   除草机器人   研究现状   图像处理   Hough变换  

摘要： 我国果园地面生草种植仍然以清耕法为主,但长期使用清耕管理会导致果园土壤有机质含量低、养分匮乏、土壤结构受损、果树根系受损等一系列问题。因此,迫切需要对割草机器人进行升级改造,以适应果园多种种植方式对割草作业的需求。在对除草机器人进行研究时,发现其轨迹规划方法的确定对作业的准确性和有效性有很大影响。因此,文章提出利用图像处理中的图像灰度化、去噪、图像分割、边缘检测、形态学特征技术等将杂草与农作物区分开,将信息传递给机器人,机器人既可将杂草去除,还可以在行走时避开障碍物。果园智能除草机器人在智慧果园管理的现代化、智能化发展中举足轻重,对于解决果园中耕除草过程中出现的劳动力不足、效率低下、环境污染、食品安全等问题具有重大意义。

关键词： 目标检测   YOLOv5   BiFPN   特征融合   特征金字塔  

摘要： 【目的】解决果蔬采摘机器人在背景复杂且苹果尺寸不一的情况下检测准确率低的问题,提供更加高效、便捷的农业管理手段。【方法】提出一种基于改进YOLOv5和BiFPN的苹果检测方法。首先,使用YOLOv5作为基础目标检测模型,以实现高效的目标检测。其次,引入BiFPN,通过权重系数和双向特征传播机制来增强特征融合能力,以更好地捕捉多尺度、多层次的特征,提高模型对不同尺度目标的检测能力和鲁棒性。【结果】将改进的模型在自建数据集上进行实验,改进后的BiFPN-YOLOv5模型同原始YOLOv5模型对比,在准确率上提高了2.2个百分点,召回率提高了2.4个百分点,平均精度提高了3.2个百分点,但是训练时间增加了0.6 ms/幅。【结论】训练时间的增加是由BiFPN的结构引起的,其他指标均有一定程度的提升,证明了改进算法的有效性,能够提高苹果小目标的检测精度。

关键词： 三维视觉理解   多模态   交互式融合   渐进式注意力   目标检测  

摘要： 三维视觉理解旨在智能地感知和解释三维场景,实现对物体、环境和动态变化的深入理解与分析。三维目标检测作为其核心技术,发挥着不可或缺的作用。针对当前的三维检测算法对于远距离目标和小目标检测精度较低的问题,提出了一种面向多模态交互式融合与渐进式优化的三维目标检测方法MIFPR。在特征提取阶段,首先引入自适应门控信息融合模块。通过把点云的几何特征融入图像特征中,能够获取对光照变化更有辨别力的图像表示。随后提出基于体素质心的可变形跨模态注意力模块,以驱使图像中丰富的语义特征和上下文信息融合到点云特征中。在目标框优化阶段,提出渐进式注意力模块,通过学习、聚合不同阶段的特征,不断增强模型对于精细化特征的提取与建模能力,逐步优化目标框,以提升对于远距离、小目标的检测精度,进而提高对于视觉场景理解的能力。在KITTI数据集上,所提方法对于pedestrian和cyclist等小目标的检测精度较最优基线有明显提升,证实了该方法的有效性。

关键词： 红外检测   单帧   滤波算法   视觉显著性   数据优化  

摘要： 红外探测技术具有探测距离远、抗干扰能力强、隐蔽性强和全天候等优势在天基预警、末敏弹制导等领域得到了广泛应用。通过红外成像技术能够得到目标图像从而对目标进行预警、识别和跟踪。在实际场景中,目标图像往往所占像素比例小,信号强度低,容易湮没在背景图像中;背景图像变化剧烈,存在较强的结构信息、边缘和噪声,红外图像信噪比低,目标检测难度较大,一直是目标检测领域的研究难点和热门话题。为提高红外图像弱小目标检测能力,大量的弱小目标检测算法被提出。现有的主流的检测手段根据图像数据检测方式分为单帧检测和多帧检测两大类,多帧算法依赖大量的图像数据支撑,响应周期长,应用潜力低,而单帧检测算法凭借复杂度低、时效性强、便于硬件实现等特点,被广泛应用在高速运动目标检测、预警等领域。因此本文以单帧红外弱小目标检测算法为主体,从技术方向入手,着重阐述了基于滤波、基于对比度与显著性分析、基于数据优化和深度学习四类单帧弱小目标检测算法的原理与近年来的典型应用,通过仿真试验和算法复杂度对比了不同算法的性能、优势和不足,总结了弱小目标检测算法的研究现状并对本领域的发展趋势进行了展望。本文的工作能帮助读者快速了解本领域的研究现状,为研究人员提供参考。

关键词： 养猪业   人工智能   计算机   视觉   目标   监测   畜牧业   研究进展  

摘要： 当前,实现对动物健康的连续和自动化监测,以及在发现动物异常时及时采取精准干预措施,已成为研究的热点。计算机视觉技术可以获取目标动物图像,并通过对所获取原始数据的分析,提取与目标行为相关的特征进行机器学习模型训练,从而实现动物异常行为的监测。本文综述了目标分类、目标检测、目标追踪、目标分割等计算机视觉技术在畜牧业中的应用,并分析了其应用原理,最后展望了计算机视觉技术在畜牧业中的应用前景及优化方向。

关键词： 全过程视频监控   电网运行   风险预警   关键触电帧   目标跟踪  

摘要： 以加强电网现场作业全过程风险管控,提升电网运行作业人员生命财产安全为目的,提出基于全过程视频监控的电网运行风险预警方法。通过对电网现场作业实施全过程视频监控来采集电网监控视频,利用约束最小二乘方滤波法复原视频,利用视频分割后序列搜索图像动态帧提取关键触电帧的特征,构建电网视频动作序列特征向量的特征集,通过匹配关联连续帧图像的目标特征数据建立初始目标模型,经迭代匹配检索出最优匹配模型以确定电网视频序列每帧图像中施工人员的位置。在此基础上,结合距离判断实现电网风险预警。实验结果表明:所提方法提取高空电力维修视频关键帧的保真度稳定在0.9~1.0之间,压缩比保持在0.5左右;在户外环境下,研究方法对单目标、多目标的距离预测精确度均较高,且单目标的精确程度最高可达99%;目标人员在10次电力维修作业中,有5次与电力设备之间的距离低于安全阈值,预警时刻与实际情况一致。

关键词： CARAFE   小目标检测   Head   PAAFCA  

摘要： 针对小目标图片分辨率低等问题,分别对YOLOv5s的Head层和BackBone层进行了优化。在Head层方面,采用轻量级通用上采样算子CARAFE,避免了网络结构冗余所带来的无效卷积运算,降低了模型复杂度;在BackBone层方面,针对现有的CNN体系中stridedconvolution和pooling结构导致的细粒度信息丢失和特征学习效率较低的问题,采用了全新的模块SPD-Conv,以最大程度地保留所有判别特征信息。基于此,构建了PAAFCA模型。实验结果表明,在VirDrone2019数据集上,PAAFCA模型的mAP值提升至37.7%。