关键词： 红外弱小运动目标   空中探测平台   复杂背景   目标检测   序列图像  

摘要： 红外弱小运动目标检测是空中红外探测的核心技术之一,且一直是光电探测领域研究的热点问题,尤其是复杂背景下弱小运动目标检测,尚缺乏有效的技术解决途径。针对当前红外弱小运动目标检测领域数据规模小、场景类型丰富程度不足的问题,本数据集面向空中红外探测设备远距离探测空中飞行目标应用,借助小型无人机平台搭载红外探测设备,通过实地拍摄、数据加工及仿真目标嵌入处理等,提供了一套数据规模大、场景类型丰富的复杂背景下红外弱小运动目标检测半仿真数据集。图像数据采集中设置多种实验条件,以求尽可能地全方位模拟典型应用场景:为体现探测平台与目标的相对高度,设置了仰视、平视和俯视三种拍摄视角;为模拟不同场景类型,数据集获取场景涵盖了天空、水面、植被、建筑物等多种场景;为模拟被探测目标不同运动情况,数据集中采用分段拟合的方式,设置了不同复杂程度的目标运动轨迹;本数据集仿真了不同灰度分布、不同信号强度的弱小运动目标,并高质量地嵌入图像背景中。本数据集共计350段数据、150185帧图像,标注文件中给出目标坐标位置的详细标注信息。本数据集可为复杂背景下红外弱小运动目标检测、跟踪等研究提供基础数据。

关键词： 自动驾驶   目标检测   激光雷达   点云   注意力机制  

摘要： 针对自动驾驶领域中,激光雷达获取的点云数据存在稀疏性以及边缘噪点误检等问题,提出一种基于改进PointPil-lars的点云车辆目标检测方法。首先,基于SimAM注意力机制改进体素化特征输入,使得网络特征提取阶段能更加关注关键信息,提高特征学习的全局性。其次,基于卷积块注意力模块(CBAM)改进骨干网络结构,提出全新的轻量化通道注意力模块Tiny-CAM和可变形空间注意力模块Deformable-SAM,构建Multi-CBAM骨干网络,提升网络特征提取及特征融合能力。在KITTI数据集以及非公开车库点云数据集上进行验证,实验结果表明,与原网络相比,改进PointPillars方法具有更高的检测精度,平均检测精度提升2.98%,针对遮挡小于30%的点云车辆目标检测精度提升6.51%,证明了该方法的有效性。

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： 图像处理   改进Retinex算法   海底地貌图像   图像纹理细节  

摘要： 为获取更清晰的海底地貌图像,研究基于改进Retinex算法的海底地貌图像增强方法。使用高斯低通滤波器进行低频入射分量的卷积操作,计算图像带色彩恢复输出值;构造一般表现形式,得到像素区域内对数修正的输出值;基于多尺度Retinex算法对色彩对比度进行增强处理;计算亮度值以及图像的入射分量,对海底地貌图像进行光照补偿;改进Retinex算法,实现海底地貌图像增强。由对比处理图像结果可知,所提算法的增强图像亮度更均匀、色彩更饱满且细节纹理更清晰。在客观参数对比中,所提算法对比度、清晰度以及信息熵也高于其他图像,有效提高了图像清晰度。

关键词： 紧固件松动   地铁车底   机器视觉   目标检测   图像分割  

摘要： 提高列车车底检测机器人中检测算法的适应性与准确性,对提升列车的智能化运维能力具有重要意义。针对现有紧固件检测算法中拍摄条件苛刻和防松线标记要求高等问题,提出应用于地铁车底检测机器人的紧固件松动检测算法。首先,在图像内紧固件完整且防松线无明显遮挡的情况下,采用改进的YOLOv5目标检测网络获取图片内每个紧固件目标,并将其分为3类;其次,使用DeepLabv3_plus图分割网络提取防松线图形轮廓,并将其转为二值图片;然后分别计算螺栓、螺母螺杆及金属管道接头这3类紧固件去噪后图片内两防松线的角度差、三防松线质心所接三角形内角极值以及多防松线与其最小外接矩形的面积占比,将对应计算值与拟定阈值对比,进行松动判定。最后,统计检测图片内实际松动情况,制定每类紧固件的二分类混淆矩阵,计算分析评价指标,与其他算法进行对比,并对实际地铁车底紧固件应用算法进行验证。结果显示改进YOLOv5目标检测网络模型MAP@0.5值由0.877提升至0.911,DeepLabv3_plus图像分割网络模型MIoU值高达0.950,松动判定检测所得658个紧固件MCA值分别为0.907、0.959以及0.888,表明算法可有效避免松动紧固件漏检。应用算法检测实际地铁车底各类紧固件,准确率均达90%以上。实验证明了目标检测算法改进的可行性、图像分割网络的适用性和松动判定算法的可靠性,为地铁车底紧固件松动检测智能运维工作提供重要技术支撑。

关键词： 红外目标检测   CenterNet   注意力机制   GSConv  

摘要： 随着机器学习技术的不断发展,对目标检测技术的研究也越来越火热。针对目标检测中精度低、实时性差的问题。本文采用了一种单阶段的目标检测算法CenterNet完成对目标的快速识别,在算法的主干网络ResNet50增加CBAM注意力机制,提升了网络对目标的识别精度;在网络的输出模块,采用一种新的GSConv卷积模块,在不损失精度的情况下提高了检测速度。改进后的算法在红外数据集上验证其检测的准确性,其检测准确率达到82.91%。研究结果表明:改进的CenterNet算法,可准确高效的完成对红外小目标的识别。

关键词： 无人驾驶   目标检测   知识图谱   多传感器融合   深度学习  

摘要： 随无人驾驶汽车智能等级不断提升,对目标检测精度的要求不断提高,有必要系统全面地梳理无人驾驶车辆目标检测领域的研究现状和前沿方向.本文利用知识图谱可视化软件Citespace在CNKI数据库中以“目标检测”&“车辆”为篇名进行文献检索分析,发现无人驾驶车辆目标检测研究热点主要聚焦于:基于人工智能辅助的智能车辆技术,基于深度学习算法的多元数据特征融合技术,基于点云数据目标检测图像深度补全技术,及基于深度学习算法的小目标检测技术.在分析研究热点的基础上通过“突现词”发现提升深度学习算法在复杂环境下低分辨率目标的适应性,及基于深度学习的自动驾驶技术数据轻量化、运算快速化和目标检索准确化是当前研究前沿问题.

关键词： 计算机视觉   深度神经网络   神经网络可解释性   特征可视化   网络剪枝   热力图  

摘要： 近年来,由于人工智能在各领域的普及,研究神经网络的可解释方法及理解神经网络的运作机理已经成为一个愈发重要的话题。作为神经网络解释性方法的一个分支,网络的路径可解释性受到了越来越多的关注。文中特别探讨了关键数据路由路径(Critical Data Routing Path,CDRP)这一面向网络路径的可解释方法。首先,通过Score-CAM(Score-Class Activation Map)方法分析了CDRP在输入域上的路径可视化归因,指出CDRP方法在语义层面的潜在缺陷。然后,提出了一种语义引导的Score-CDRP方法,从方法机理上提升了CDRP与原始神经网络的语义一致性。最后,通过实验从路径热力图可视化以及相应的预测与定位精度等角度验证了Score-CDRP方法相较于CDRP的合理性、有效性和鲁棒性。

关键词： 计算机视觉技术   农业机械自动化   智能化导航系统   精准农业   农产品处理  

摘要： 随着现代农业向自动化和智能化发展,计算机视觉技术在农业机械中的应用成为提升效率和精度的关键。文章阐述了计算机视觉技术的基础概念、核心功能及其在农业机械中的应用,提出了计算机视觉技术在农业机械中的智能化导航系统、田间作业机械自动化、农产品筛选分级和加工包装等方面的应用。研究结果表明:计算机视觉技术在提高农业作业效率、确保作物质量和促进农业可持续发展方面具有显著作用,为进一步推动农业机械化和智能化提供了条件。

关键词： 水上垃圾检测   轻量化   小目标   损失函数   通道剪枝  

摘要： 针对水上漂浮垃圾检测中微小目标物体数量占比高、检测画面易受到水面波动和岸边环境反光等多重因素的干扰、检测模型庞大的参数量和计算量对终端的部署的设备性能要求高等问题,拟提出一种轻量化、高精度、实时性的检测模型LS-YOLO。首先,该算法利用HS-FPN金字塔网络设计构造YOLOv8的Neck网络结构,构建的网络结构牺牲小部分精度,显著降低了模型的参数数量和计算复杂度。其次,通过引入CAA上下文锚定注意机制改进HS-FPN,捕获远程上下文信息来回升检测精度。然后通过更换损失函数为具有动态聚焦机制的Wise-IoUv3,大幅提升检测效果,增加模型鲁棒性。最后,使用LAMP剪枝技术对模型进行剪枝,减小模型的参数量和计算量。实验结果表明,改进后的LS-YOLO相比基准模型mAP50提升了0.9%,回归率提升了3.2%,参数量降至基准模型的19.83%,计算量降至基线的44.44%,模型大小降至基线的22.22%。经过优化后的检测算法不仅显著提升了检测性能与特征提取的精准度,同时也便于在资源受限的硬件平台上的部署操作。