关键词： 全空域   航天测控   目标跟踪   校相  

摘要： 随着我国航天测控(Tracking Telemetry and Command, TT&C)领域的不断发展,面向全空域相控阵TT&C的工程应用越来越多,传统TT&C系统中的校相及跟踪方法无法适应新的工程应用。针对目前全空域相控阵TT&C系统中校相及目标跟踪方法与传统TT&C系统不通用的问题,结合工程实践应用,介绍了全空域相控阵TT&C系统中的校相及目标跟踪方法。实践表明,所提方法具有良好的目标跟踪能力,可满足工程需要。

关键词： YOLOv5s算法   人员行为辨识   目标跟踪算法   卡尔曼滤波算法  

摘要： 研究针对电网带电区域施工人员行为监测存在的难点问题,设计了一种基于目标跟踪的人员行为辨识系统。该系统结合计算机视觉技术和传感器技术,采用双向特征金字塔网络(BiFPN)和优化损失函数的方式对YOLOv5s进行改进,并引入卡尔曼滤波模型实现对施工人员行为的目标跟踪。结果显示,在NEU Pole和Baidu FSG数据集中的辨识正确率为92%以上,当准确率为0.9时,对应的召回率分别为0.82和0.84。研究系统在两种场景分别正确识别标注13个和44个。对比以上数据可知,研究系统能对电网带电区域施工人员行为进行精确辨识和实时跟踪检测。

关键词： 混合式教学   Photoshop图形图像处理   教学实践  

摘要： 混合式教学模式作为传统课堂与在线学习相结合的新形式,在提升教学效果与增强学习体验方面呈现出独特的优势。将线上线下混合式教学模式运用到Photoshop图形图像处理教学中,可推动Photoshop图形图像处理教学改革并提升教学质量。

关键词： YOLOv8   遥感图像   非对称检测头   注意力模块   特征提取  

摘要： 针对现有基于深度学习的轻量级目标检测算法,在应用于光学遥感图像船舶目标检测任务时所面临的精度低、检测速度慢的情况,提出一种基于YOLOv8s的轻量级光学遥感图像船舶目标检测算法。引入一种新的轻量级非对称检测头,使模型在复杂背景中更加关注船舶对象;主干网络融合选择注意力模块,通过动态调整特征提取主干的感受野来提高目标检测的性能;引入Slim-FPN的思想来改进颈部,在保持检测精度的同时减少参数数量;设计快速卷积模块FasterConv,基于此重构C2f中的Bottleneck结构,命名为Faster_C2f,增强了网络的特征提取能力。实验结果表明,改进的算法在保证检测速度的同时取得了95.2%的检测精度,比基线模型提高1.4%,每秒检测帧数提高8%,模型参数减少33%,较主流算法在检测效果上有一定的提升。

关键词： 生物医学工程   图像处理   脑机接口   生物医学信号处理   医疗卫生装备   生物医学成像   技术研究成果   神经工程  

摘要： 为促进我国生物医学工程领域的繁荣与发展,提升卫勤保障装备研发速度和质量,我刊“论著-研究与设计”栏目特面向全国征稿。该栏目主要报道生物医学工程领域最新的理论和技术研究成果、新型医疗卫生装备及器械的研制、医院数字化及智能化建设,选题包括但不限于:(1)基础研究类,如生物医学工程关键技术研究、生物系统建模及仿真研究、生物医学信号处理技术研究、生物医学成像与图像处理研究、脑机接口与神经工程研究。

关键词： 煤矸检测   目标识别   Eswish激活函数   注意力机制   BiFPN结构  

摘要： 煤与矸石具有目标密集、特征差异小等特征,基于图像处理的识别方法普遍存在检测速度慢、精度低等问题。为了进一步提高煤矸检测的速度和精度,提出一种GE-YOLOv5s煤矸检测模型。首先在YOLOv5s的基础上引入Ghost Conv代替卷积操作,并设计新模块GhostCSP,在提升模型检测速度的同时实现网络的轻量化;其次在预测层中加入GC自注意力机制,融合SENet的轻量化和NLNet长距离信息全局捕获的优势,使网络记忆、放大煤矸图像间的细微差异特征,提升模型的表现力;然后在Neck部分采用双向特征金字塔网络(BiFPN)结构,利用BiFPN融合3个不同维度的特征,通过加权特征融合机制提高模型计算效率,进一步提升煤矸检测速度;最后设计一种新型激活函数Eswish替代SiLU激活函数,提高参数利用率的同时加快模型收敛速度并提升鲁棒性。实验数据表明:相较于YOLOv5s模型减少了34.1%的参数量和38.6%的浮点运算量,并且在mAP 0.5:0.95指标上提升了1.9%。对比实验显示,相较于YOLOv3、SSD、FasterR-CNN和YOLOv5-scSE的mAP 0.5:0.95指标分别提高了16.6%、4.8%、13.6%和3.8%。将GE-YOLOv5s模型应用于煤矸石目标检测过程中,具有更优的识别性能、鲁棒性、网络泛化能力,可有效避免漏检、误检和重叠现象。

关键词： 浅地层剖面仪   水下管线调查   Frangi滤波   目标检测   深度学习   状态诊断  

摘要： 为填补SBP(sub-bottom profiler,SBP)图像水下管线掩埋状态自动诊断研究空白以及提升水下管线巡检的自动化程度,给出了一套完整的水下管道掩埋状态自动诊断方法与流程。首先利用高效数据预处理方法准确还原了管线真实信息;其次基于Frangi滤波增强技术实现了海底线的准确提取;然后利用深度学习技术实现了管线目标的高可靠性检测;最后,给出了管线掩埋状态的判断准则,利用管线检测结果与海底之间的位置关系自动判断出管线的掩埋状态。利用多种型号浅地层剖面仪实测数据进行实验,结果表明,水下管线的检测精度可以达到了0.952的召回率和0.962的平均精度均值,基于目标检测结果能够实现管线掩埋状态的准确诊断。

关键词： 加香加料   喷嘴雾化效果   在线多维监测   图像处理  

摘要： 为有效监视烟草制丝线加香加料雾化效果,避免因雾化不均给产品质量带来风险,通过设计一种香糖料喷嘴雾化效果在线监测装置,实现实时对加香加料喷嘴雾化效果进行判断。结果表明:该装置可在线对滚筒内喷嘴雾化情况进行实时有效监测,及时发现并警示喷嘴雾化的异常情况,有效提高卷烟加香加料的稳定性和均匀性,稳定烟丝质量,保障卷烟品质。

关键词： 目标检测   注意力机制   特征增强   自适应决策  

摘要： 针对当前野猪目标检测方法存在检测精度低、复杂背景下算法失效等不足,提出一种基于改进YOLOv5s算法与自适应决策的野猪目标检测方法。实验结果表明,所提出的方法目标检测精度高,具备复杂背景下目标检测能力,且在多个评价指标上均高于SE-ResNeXt、FasterR-CNN、SSD、YOLOv5s基准算法四种方法,为野猪目标检测提供了一种新手段。

关键词： 智能交通   违禁品检测   深度学习   计算机视觉   目标检测   注意力机制  

摘要： 为了提高X光下违禁品检测的准确性与效率,解决长时间、高强度的安检工作导致安检人员疲劳、检查准确性降低的问题。研究以行李物品中违禁品检测为对象,提出了一种将人工智能技术与安检仪相结合的高精度X光下违禁品检测方法。该方法利用基于深度学习的计算机视觉技术,自动检测并标注X光图像中的违禁品。高精度X光下违禁品检测方法在设计时采用了多种创新技术,以确保其在实际应用中的高效性和可靠性。具体而言,高精度X光下违禁品检测方法采用α-IoU损失函数,以缓解正负样本表达不均衡的问题。同时结合SimCSPSPPF空间金字塔池化方法和卷积块注意力机制,融合多层次语义信息,生成丰富特征表达,从而显著增强检测性能,使得高精度X光下违禁品检测在复杂的X光图像环境中也能保持较高的检测准确性和稳定性。此外,此方法还利用Merge极大值抑制方式减少误检情况,提升检测精度。从试验结果来看,在配置良好的环境下,此方法在EDS数据集和VOC数据集上均实现了较高的检测精度。同时在EDS数据集上的mAP达到了81.20%,表现出了良好的检测准确性和稳定性,满足实际安检工作的需求,对比近年来其他被广泛使用的目标检测模型,平均提升达到10.81%。研究结果表明,高精度X光下违禁品检测方法可以有效提高违禁品检测的准确率与效率,同时显著增强安检的智能化水平,为保障公共运输安全提供了重要支持。