关键词： 深度学习   YOLOv8   目标检测   评价指标   应用前景  

摘要： 深度学习作为机器学习领域的关键分支,其核心在于构建精妙的人工神经网络结构,并通过训练模型来实现对特定数据的特征学习和有效处理,目前已广泛应用于计算机视觉领域。YOLOv8算法的问世对计算机视觉的发展产生了巨大影响。本文对YOLOv8算法基本原理的独特性、网络结构的优化和训练策略进行了深入的研究分析,并探究了从不同角度对分类模型进行评估的具体方法。通过研究分析最终得出了结论:YOLOv8算法检测速度快、精度高、具有强大的通用性与可扩展性,在当今许多重要领域都具有良好的应用前景。

关键词： 电力视觉   视觉大模型   目标检测   图像分割   深度学习   图像处理  

摘要： 随着无人机、巡检机器人和远程监控系统在输电、变电、配电、安监等电力场景中的广泛应用,利用电力视觉技术完成对海量巡检图像的自动处理,能够进一步提升电力系统智能化运维水平,对我国源网荷储一体化进程的快速推进具有至关重要的作用。随着通用视觉大模型的兴起,电力视觉技术正处于从传统深度学习时代向大模型时代跨越的重要节点。该文首先综述了电力视觉技术和通用视觉大模型的最新研究进展,结合视觉大模型在多种公共场景的应用先例,探讨视觉大模型在电力视觉领域将面临的3重能力边界问题。从初步探索通用视觉大模型的潜力,到逐步构建电力视觉大模型的过程,提出4种模型应用范式以突破视觉大模型能力边界。最后分析了视觉大模型对电力视觉研究者的影响,并对大模型浪潮下电力视觉技术的发展方向进行了展望。

关键词： 配电部件检测   红外图像   Concat_BiFPN   小目标检测层  

摘要： 针对当前模型,对配电设备在复杂背景下存在识别准确度低的问题,构建了配电设备红外图像数据集,提出了一种基于深度学习的配电设备红外目标检测模型。基于YOLOv8s模型进行改进,在Neck部分将Concat替换为Concat_BiFPN,促进多尺度特征融合;在Neck部分加入上下文聚合模块Context Aggregation,助力小目标检测;使用Wise-IoU v3代替原来的损失函数,聚焦训练过程中难以拟合的锚框的预测回归;最后,在YOLOv8s分类器与回归器部分增加小目标检测层,提升小目标的识别能力。研究结果表明,改进后的模型与原模型相比,准确度、召回率、MAP和F1分数分别提升了4.5%、3%、2.1%和3.7,可有效应用于配电设备的部件检测。

关键词： 人机协作装配   场景认知   目标检测   人物交互图  

摘要： 人机协作装配场景的快速理解对提高协作机器人认知能力、实现人机协作装配具有重要的现实意义。针对非结构化人机协作装配场景认知过程中目标尺度差异较大、缺少统一场景描述框架等问题,首先构建了一种轻量级多尺度目标检测网络LMS-Net,并在网络训练过程中引入目标检测框聚类机制以提高多尺度目标检测精度;然后将LMS-Net检测结果转换为人物交互图并建立了人机协作装配场景元描述模型,提出了基于多尺度目标检测的人机协作装配场景认知方法。在自建数据集HRC-Action上的实验结果表明所构建多尺度目标检测网络具有较高的准确率(平均89%)和较快的速度(深度学习工作站平均58.7 FPS,Jetson Nano B01嵌入式开发板平均25 FPS),所提人机协作装配场景认知方法具有较好的可行性和实用性。

关键词： 电力运维   数据审计   目标检测   机器视觉   YOLOv4  

摘要： 针对电力运维数据审计过程中存在实际检修人员与计划统计不一致的问题,文中基于机器视觉技术提出了一种改进的YOLOv4模型。其通过对原始模型中主干和颈部网络的模块、结构加以修改,并使用GIoU损失函数完成对信息机房视频帧图像的提取与识别,从而准确地对检修人员进行检测,实现了智能审计。在公开数据集CrowdHuman上进行的实验测试结果表明,改进后模型的准确率达到87.9%,每秒帧率FPS值为73。与其他主流模型相比,所提方法的图像处理速度更快,还可以有效提高电力运维数据审计的准确性。

关键词： 激光雷达   单光子计数   信号处理   目标检测  

摘要： 当前在单光子激光雷达的目标检测领域,存在检测速度较慢的问题。为了提升检测速度,提出了一种快速恒虚警检测方法(F-CFAR)。首先,按照雷达回波信号的特点重新设计了单光子激光雷达信号的数据格式,通过数据处理使数据量降低,最后对处理后的信号数据进行恒虚警检测。这种方法能在不过多地降低目标信号检测性能的情况下提升检测速度,能较快地对目标回波信号进行检测。仿真显示和实验表明,与传统的信号检测方法相比,在相同数据量的情况下,所提出的方法能将目标的检测速度至少提高1个数量级,同时检测性能也能相对保持稳定。

关键词： 计算机网页设计   图形图像处理技术   构图设计   LOGO设计  

摘要： 图形图像处理技术在现代数字化产业中发挥着重要作用,广泛应用于各个领域。该文简单介绍了计算机网页设计与图形图像处理技术,分析了网页设计中应用图形图像处理技术在美化网页、强调网页主题和重心、优化网页图形图像质量等方面所发挥的作用,并围绕网页设计中的构图设计、色彩设计、LOGO制作、导航条制作、图片加载速度控制等维度,探讨相应的实践策略,希望能给相关人士提供一些参考。

关键词： 多无人机   远程动目标跟踪   信息传输算法  

摘要： 针对轻型无人机群在远程动目标信息传输中面临的通信距离限制、带宽受限、信号干扰及无人机数量限制等问题,为提高信息传输的效率、可靠性与准确性,本文改进存储转发(store and forward,SF)算法,以有效解决无人机之间因通信受限造成信息无法传回测控站的问题。首先,对多无人机远程动目标跟踪系统模型进行设计;其次,设计与优化信息传输算法;最后,通过实验来验证本文提出的信息传输算法的可行性与有效性。以期为更多领域的远程信息传输与动目标跟踪问题提供有益借鉴与指导,并为航天任务的成功执行提供有力技术支撑。

关键词： 可见光图像   红外图像   特征融合   交互   YOLOv5  

摘要： 目标检测是自动驾驶系统的关键技术,普通RGB目标检测算法在夜间和恶劣气候等场景往往表现一般,融合可见光和红外信息的目标检测算法因而受到诸多研究关注.现有方法通常融合结构复杂,且忽视了模态间信息交流的重要性.对此,本文以YOLOv5为基本框架,提出一种可见光–红外特征交互与融合的目标检测算法,使用一种新的主干网络跨阶段局部(CSPDarknet53-F),采用双分支结构分别提取可见光和红外特征.然后,通过特征交互模块重构各模态的信息成分和比例,提升模态间信息交流,使可见光和红外特征进行更充分的融合.在FLIR-aligned和M3FD数据集上的大量实验证明,本文算法使用的CSPDarknet53-F在协同利用可见光和红外信息方面更加出色,提升了模型精度,同时,拥有对抗光照强度骤变的鲁棒性.

关键词： 高斯分布   世说新语   概率统计   线性回归   聚类分析   图像处理   正态分布   噪声模型  

摘要： 高斯分布学科:地理信息系统高斯分布又称“正态分布”和“钟形曲线”,是概率统计中最常见的连续概率分布之一。在自然科学、工程学和社会科学等领域中,高斯分布经常用于描述连续型的随机变量,如测量误差、气温、人口智力等。许多统计学和机器学习的方法都基于高斯分布假设,如线性回归、聚类分析、异常检测等。此外,高斯分布在金融领域的风险评估、图像处理中的噪声模型、语音识别等领域也有广泛的应用。