关键词： YOLOV5   动态卷积   绝缘子缺陷检测   目标检测  

摘要： 针对绝缘子缺陷部分识别精度低问题,提出一种改进的YOLOv5算法,在原模型的特征融合部分引入动态卷积模块ODConv(omni-dimensional dynamic convolution),其通过并行多维注意力机制策略,增强模型对目标的特征提取能力.实验结果表明,改进后的算法比原算法召回率提高2.2%,精度提高3%,平均精度(MAP)提高2%,在NVIDIA GeForce RTX 30606G显存设备上速度达到172帧/s,对比多种主流目标检测算法,本文算法综合性能较优,可为输电线路绝缘子故障巡检提供技术参考.

关键词： 图纸信息   目标检测   文字识别   信息提取  

摘要： 针对电气端子排二次图纸信息提取困难的问题,首先提出基于改进的YOLOv5算法模型,利用该模型提取端子排图纸中的有效信息区域;接着利用CRNN算法模型对提取的有效信息区域中的文字信息进行识别,同时提出利用注意力机制算法和CRNN算法进行融合,改进CRNN文字识别算法准确度不高的问题。最后利用5000张图纸进行仿真实验,实验结果验证了所提算法的有效性和鲁棒性。

关键词： 图像处理   量子图像处理   大津阈值   量子图像分割   量子乘法器   量子除法器   量子线路设计  

摘要： 为解决量子计算机上图像分割的问题,研究一种基于大津阈值的量子图像分割方法。设计量子加法器、量子减法器、量子乘法器、量子除法器和直方图的基本模块,在此基础上,设计累积直方图、累积平均值、类间方差等子模块,通过对每个灰度级所对应的类间方差进行排序,选取所有类间方差的最大值作为大津阈值,对得到的大津阈值进行图像二值化量子线路设计。通过在经典计算机上的仿真验证了方法的执行效果,基于所用基本量子门数量,分析量子线路的复杂度,其结果表明,所提方法可以实现对经典方法的加速。

关键词： 海上目标   OpenMV   卷积神经网络   检测  

摘要： 海上目标检测技术在海洋监测、海上救援以及军事应用等方面扮演着重要角色。文章设计了一套基于OpenMV模块和控制模块的海上目标检测系统。该系统能实时采集并处理图像,以实现对海洋环境中小目标的高效精确识别、定位及预警,从而提升海上安全监测的效率和精确度。具体而言,系统运用深度学习框架实时检测海上船舶等目标,突破了传统目标检测技术在效率和性能上的局限,并成功将模型部署到OpenMV平台。实验证明了检测方案的有效性。

关键词： 目标检测   电力梯子   深度学习   特征提取   特征融合  

摘要： 针对传统电力监控存在效率低下、防控不全面和安全风险高等问题,设计了一种基于广义交并比的电力梯子自动化监测方法。首先,从大量监控视频中抽帧处理并制作一组电力梯子检测数据集,用于训练和测试算法。然后,在保证检测精度的前提下,使用MobileNetv2的主干网络替代YOLOv3的主干网络,适度地降低计算冗余度。最后,利用广义交并比损失提升检测精度。结果表明,与现有同类网络相比,提出的检测网络在电力场景梯子检测数据集上的检测精度为93.1%,具有更高的检测精度和速度,适合实际工程应用。

关键词： 目标检测   深度学习   生猪   YOLO V3算法   图像处理  

摘要： 将基于深度学习的图像目标检测技术引入到养殖个体图像目标检测,可以提高养殖视频图像智能分析技术,提高科学养殖能力。试验将深度学习的YOLO V3算法应用到生猪图像目标检测,结合畜牧养殖实际情况,进行了类别选择、遮挡物处理和图像增强等设计,实现了基于深度学习技术的生猪图像目标检测算法。利用该算法对采集的生猪个体图像数据进行训练、验证和测试,对测试图像目标检测漏检率约6%,错检率约1%,精度较高;同时也与其他深度学习目标检测算法进行了对比和分析,测试结果反馈检测精度良好,检测速度较快,对比Fast R-CNN深度学习目标检测算法,mAP-50提高了7%~8%,检测速度提高了约5倍。与SSD算法比较,mAP-50指标和检测速度相当,但是由于YOLO V3算法网络模型比SSD算法简洁,算法移植兼容性更高。研究与试验结果表明,YOLO V3算法检测速度快,适合畜牧养殖图像智能识别工程化目标检测的要求。

关键词： 单目3D目标检测   高深约束   边缘融合   多尺度特征   注意力机制  

摘要： 单目3D目标检测旨在通过单目图像完成3D目标检测,现有的单目3D目标检测算法大多基于经典的2D目标检测算法。针对单目3D目标检测算法中通过直接回归的实例深度估计不准,导致检测精度较差的问题,提出了一种基于高深约束与边缘特征融合的单目3D目标检测算法。在实例深度估计方法上采用几何投影关系下的实例3D高度与2D高度计算高深约束,将实例深度的预测转化为对目标的2D高度以及3D高度的预测;针对单目图像存在图像边缘截断目标,采用基于深度可分离卷积的边缘融合模块来加强对边缘目标的特征提取;对于图像中目标的远近造成的目标多尺度问题,设计了基于空洞卷积的多尺度混合注意力模块,增强了对最高层特征图的多尺度特征提取。实验结果表明,所提方法在KITTI数据集上的汽车类别检测精度相比基准模型提升了7.11%,优于当前的方法。

关键词： 小目标检测   特征提取   特征融合   多尺度特征   边界框回归损失函数  

摘要： 为了从小目标有限特征中获取关键的有效信息,提升小目标的定位能力和检测精度,文中提出窗口锚定的偏移受限动态蛇形卷积网络航拍小目标检测方法.首先,构造偏移受限动态蛇形卷积,在不同方位动态偏移,受限蛇形卷积核自适应地关注不同大小和形状的特征区域,使特征提取聚焦于微小局部结构,促进小目标特征的捕获.然后,采用双阶段多尺度特征融合方法,对不同层阶特征图进行特征对齐、融合和注入,增强底层细节信息与高层语义信息的融合,并强化不同尺寸目标信息传输,提高小目标的检测能力.与此同时,设计窗口锚定的边界框回归损失函数,基于辅助边界框和最小点距离进行边界回归,获得准确的回归结果,提高小目标的定位能力.最后,在3个航拍数据集上的实验表明,文中方法对小目标的检测性能有不同程度的改善和提高.

关键词： 铁路接触网   异物识别   目标检测   人工智能平台   卷积注意力模块  

摘要： 针对铁路接触网异物类别多样、场景多变的开放目标检测问题,提出基于改进DINO目标检测算法的铁路接触网异物检测方法。首先,基于铁路接触网异物图像特征,利用EfficientNet网络替换原始模型中的Resnet主干网络,并结合卷积注意力模块(Convolutional Block Attention Module,CBAM)对EfficientNet网络进行改进,在颈部结构采用改进后的加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN),以增强模型对重要特征的关注度,提升检测性能;其次,通过马赛克数据增强和环境干扰等多种数据增强技术对输入图片数据进行处理,丰富样本数据的特征;最后,利用铁路人工智能平台实现铁路接触网异物检测的应用。结果表明:所提方法在性能方面表现优异,其平均精度均值可达89.87%,与YOLOv5,DETR和原始DINO这3种典型的目标检测算法相比,分别提高了6.40%,7.31%和5.75%。该方法能够满足行车线路上接触网异物的准确、快速及智能化识别要求,为接触网异物检测提供重要的技术支撑。

关键词： 目标跟踪   传感器数据融合   信息融合   箱粒子滤波   标签多伯努利滤波  

摘要： 随着复杂跟踪场景的大量涌现,常规多源传感器多目标跟踪算法存在计算量大、跟踪精度低、无法估计目标航迹等不足,已无法满足现代战争的需求。笔者以主动传感器和被动传感器组成的多源传感器系统为背景,重点研究多源传感器多目标跟踪问题的实现算法。针对“多主动+多被动”多源传感器系统量测无法充分融合且整体算法计算复杂度较高的问题,提出一种多源传感器箱粒子标签多伯努利(MS-BPF-LMB)滤波算法。首先,对传感器依据不同主动传感器进行分组,即将所有传感器划分为若干“单主动+多被动”传感器组;然后,通过并行运算,对各传感器组运用基于角度关联的多传感器信息融合算法,得到跟踪所需的有效量测;最后,在跟踪滤波阶段,通过引入箱粒子滤波数值计算方法,将获取的量测点划分为若干箱粒子,并对箱粒子滤波下的多传感器量测更新系数进行重新定义,以较低的计算复杂度实现LMB(Labeled multi-Bernoulli,LMB)滤波。仿真结果表明,所提算法在保证跟踪精度的前提下,误差明显降低且算法复杂度下降约40%,能够有效处理异构数据多源信息融合问题。