关键词： 计算机视觉   智能识别   烟叶   特征   分级  

摘要： 计算机智能识别是一种模拟人类视觉和认知过程的技术,用于图像和视频的识别、判断以及模拟。本研究主要探讨了计算机视觉和智能识别技术在烟叶分级领域的应用。文章详细介绍了烟叶图像和近红外线光谱的采集方法,烟叶特征提取方式,以及智能识别模型的应用实例。通过比较不同烟叶特征智能识别技术的优缺点,总结了现有不同烟叶特征智能识别模型在准确性和鲁棒性方面的不足,指出未来的研究方向将集中于提高智能识别模型的性能,并通过多维度特征数据融合,进一步提升烟叶等级判定的准确性。

关键词： 目标检测   番茄钵苗检测   YOLOv5s   注意力机制   WIOU   可变形卷积  

摘要： 番茄钵苗分类识别对自动移栽机精准和高效完成钵苗移栽作业具有重要意义,目前钵苗检测存在精度较低,检测实时性较差,有误检和漏检的问题。为建立番茄钵苗监测系统,保证检测实时性,提高钵苗识别精准度,基于改进YOLOv5s目标检测算法提出一种番茄钵苗分类识别模型。研究工作包括构建番茄钵苗数据集;引入全局注意力机制(global attention mechanism,GAM)注意力机制;采用动态非单调聚焦机制损失函数(wise IoU,WIOU)损失函数策略;运用可变形卷积DCN V3;采用上下文信息模块(context augmentation module,CAM)模块。改进后模型平均检测速度约为12 ms,平均精度(average precision,AP)较基础模型上升3.8个百分点,MAP@0.5提高1.9个百分点,召回率提升3.2个百分点。相同实验条件下,将改进后YOLOv5s模型与当下常用模型对比,其检测速度更快,符合钵苗检测要求,精度更高,总体效果更优,保证实时性的基础上有效提高番茄钵苗的识别精度。

关键词： 蔬菜   图像检测   目标检测   YOLOv5  

摘要： 蔬菜的准确分类与检测对蔬菜的生产加工效率具有重要意义。为了提升蔬菜在生产加工过程中的效率,提出了基于YOLOv5的常见蔬菜图像检测方法。首先,通过LabelImg工具对常见的6类蔬菜图像进行位置信息和类别的标注,为YOLOv5的训练提供数据集。其次,搭建基于YOLOv5的目标检测网络对蔬菜图片进行特征提取,获取蔬菜图像检测网络。最后,在蔬菜测试集上对本文方法的性能进行验证。实验结果表明,本文方法可以有效实现常见蔬菜的图像检测任务。

关键词： 目标检测   YOLOv7   轻量化   COCO   VOC  

摘要： 针对现有YOLO系列目标检测器存在网络参数量过大和检测精度低的问题,提出了一种基于YOLOv7-tiny模型的高性能通用目标检测器YOLOv7-TT。首先,在其Backbone和Neck网络中引入GF-ELAN模块拓展网络的宽度和深度,剔除网络产生的冗余特征,从而减少参数量、降低计算成本;然后,采用改进的SimOTA样本分配方法,优化训练过程中正样本的分配,加快网络收敛速度;最后,使用知识蒸馏方法对模型进行蒸馏训练,使得模型在保证轻量化的同时提高检测精度。实验结果表明,在VOC2007和COCO2017数据集上,YOLOv7-TT相较于YOLOv7-tiny的网络参数量分别减少11%和9.7%,AP分别提高4.2和3.0个百分点,并且利用知识蒸馏的方法,使其模型检测精度进一步提升,在VOC2007数据集上AP达到59.4%,提高了5.3个百分点,有效解决了模型参数量大和检测精度低的问题。

关键词： 荧光高光谱   塑料包装材料   大肠杆菌   图像处理   生物膜  

摘要： 本研究基于荧光高光谱技术,采用365 nm波段紫外光作为激发光源,获得塑料包装表面421~700 nm波段范围内的荧光高光谱图像,确定多种塑料包装材料(聚乙烯、聚丙烯、聚酰胺)表面大肠杆菌污染的荧光特征光谱,并确定生物膜检测限。结果表明,聚乙烯、聚丙烯和聚酰胺表面大肠杆菌荧光光谱特征波长分别位于550、543、540 nm;基于上述特征波长处的单波段图像经过处理能够准确检出3种塑料包装材料表面的大肠杆菌接种点,检出率均大于98%;对聚乙烯、聚丙烯和聚酰胺表面大肠杆菌生物膜的检测限分别为1.39、1.39(lg(CFU/cm^(2)))和1.59(lg(CFU/cm^(2)))。本研究可为包装食品微生物检测及食品安全监控提供有力的技术手段和理论支持。

关键词： 目标检测   多尺度特征融合   双模态   注意力机制  

摘要： 基于可见光图像的目标检测,难以适应弱光、无光、强光等复杂光照条件,而基于红外图像的目标检测,受背景噪声影响大,且红外目标缺乏颜色信息,纹理细节特征弱,给目标检测带来较大挑战。对此,提出了一种能够有效融合可见光与红外图像特征的双模态目标检测方法。对输入的成对的双模态图像分别提取其初级特征;提出了多尺度特征注意力模块,对输入的红外与可见光图像分别提取其多尺度局部特征,并引入通道注意力和空间像素注意力,从通道和像素两个维度聚焦双模态图像的多尺度特征信息;提出双模态特征融合模块,对双模态特征信息进行自适应融合,得到双模态图像的多尺度融合特征。在大规模双模态图像数据集DroneVehicle上,与基准算法YOLOv5s利用可见光或红外单模态图像进行检测相比,所提算法检测精度分别提升了13.42和2.27个百分点,同时检测速度达到164 frame/s,具备端到端的实时检测能力。所提算法有效提高了复杂场景下目标检测的鲁棒性和准确性,具有良好的应用前景。

关键词： 目标检测   域适应   深度学习  

摘要： 领域自适应目标检测是指在有标注的源领域训练一个目标检测模型,并将其迁移到无标注的目标领域的计算机视觉任务。它将领域自适应方法与目标检测技术相结合,解决了领域偏移导致的目标检测模型性能下降的问题,成为众多学者研究的焦点。本文对基于深度学习的域适应目标检测算法进行综述。首先介绍了域适应目标检测的研究背景,其次按照发展演变过程,阐述了近年来基于深度学习的经典域适应目标检测算法,并对其优劣进行分析对比,接着介绍了域适应目标检测的常用数据集。最后,我们通过详细的分析,对域适应目标检测具有潜力的几个发展方向进行探讨与展望。Domain adaptive object detection refers to a computer vision task, which trains an object detection model on an annotated source domain and transfers the model to an unlabeled target domain. It combines domain adaptive methods with object detection techniques to solve the problem of performance degradation of object detection models caused by domain shift, and has become the focus of research by many researchers. This paper provides a review of domain adaptive object detection algorithms based on deep learning. Firstly, the research background of domain adaptive object detection is introduced. Secondly, according to the development and evolution process, we elaborate on some classic domain adaptive object detection algorithms based on deep learning in recent years. Furthermore, we analyze and compare the advantages and disadvantages of these algorithms. Then, the commonly used datasets of domain adaptive object detection are introduced. Finally, we discuss and prospect several potential development directions of domain adaptive object detection through detailed analysis.

关键词： 风景园林   城市街道绿化泛类结构   街道空间   计算机视觉   语义分割   Robust回归  

摘要： 在全球城市化和环境压力加剧的背景下,对城市街道绿化泛类结构(urban street greening general structure,USGGS)的量化是加强城市区域碳汇、缓解城市热岛效应以应对全球气候变化的重要前提。通过量化与分析不同城市的USGGS,探究其与城市建成环境之间的关系。使用改进的DeepLabV3+神经网络模型,对天津、杭州、深圳的城市全景街景图像进行语义分割,并结合细粒度数据量化USGGS,使用Robust回归模型分析USGGS与城市功能属性POI的关系。研究显示,天津的USGGS主要由单乔木和乔-灌结构组成,与商业属性和生活属性的POI紧密相关;而杭州和深圳则展现出包括草本植物在内的多样化USGGS与休闲文化设施的POI更强的关联性。通过对3个城市USGGS的量化、分析与比较,为城市绿色基础设施规划和管理奠定了一定的数据基础,同时基于城市街景图像对USGGS的分析也为城市碳汇计算与城市热环境研究提供了新的视角。

关键词： 目标检测   轻量化级神经网络   注意力机制   多尺度特征融合  

摘要： 由于YOLOv5目标检测模型中参数多、计算复杂度高,无法满足边缘设备进行智能计算和实时反馈的需求,提出了基于多尺度特征融合的轻量级目标检测算法。首先,针对标准卷积模块参数量大、计算复杂度高的问题,提出基于幻影卷积的特征提取卷积模块代替原模型的特征提取模块,在保持检测精度的前提下,减少模型的参数量和计算量。其次,设计出ShuffleNetv2_2下采样模块,进一步减少算法的参数量。再次,针对模型轻量化后的特征提取能力不足问题,将低维特征充分融合到Neck网络中并添加跨层级联以降低浅层语义的丢失,在增强目标特征的表达的同时提高模型的检测效率。最后,提出LAM注意力融合模块,为模型的颈部网络提供具有更丰富的语义特征图。实验结果表明,相比于原模型,改进模型的参数量和计算量更少,并且在PascalVOC和MSCOCO数据集的检测准确率分别提高了2.1%和2.4%。

关键词： 医工交叉   智能寻穴   图像处理   深度学习  

摘要： 在当前人工智能迅猛发展的今天,如何将人工智能、物理学、材料学等与医科相结合,最大限度地提高诊疗水平,实现科技以人为本、造福人类的目标,以医工交叉相结合的项目为抓手,开展医院与高校在产、学、研、用等方面的全方位合作是十分必要的。笔者通过自身的经历,依托“上海市第七人民医院——苏州科技大学数智医学研究院”的科研平台,开设了一项医工交叉项目,在此基础上,将获得用于研究生培养的实际应用场景,从目前项目的进展来看,初步达到了培养复合型人才、推动科研成果转化成新质生产力的效果。事实证明,将医工交叉项目应用于研究生培养是完全可行的。