关键词： 合成孔径雷达   深度学习   Ghost卷积   注意力机制  

摘要： 基于星载合成孔径雷达(synthetic aperture radar,SAR)图像的舰船目标检测中,为了平衡模型大小与检测精度,提出了一种基于Ghost卷积的SAR图像舰船目标检测方法Ghost-YOLOv5s。在YOLOv5s的颈部引入Ghost卷积,以减少模型参数和压缩模型体积;将高效的通道注意力机制(efficient channel attention,ECA)融入到颈部的C3模块里,以突出重要特征,从而保持较高的检测性能;使用SIoU损失函数替换原来的CIoU损失函数,以减少预测框和真实框之间的偏差,提高检测算法精度。实验结果表明,在SSDD遥感数据集上,改进模型与YOLOv5s相比,模型参数量减少了6.28%,模型体积减小了6.21%,检测精度达到了98.21%,实现了模型大小与检测精度的平衡。

关键词： YOLOv5模型   MobileNetV3网络   双向特征金字塔网络   EIoU函数   化工袋目标检测  

摘要： 针对化工厂中化工袋种类繁多、遮挡干扰、放置复杂等因素,导致化工袋识别模型的定位效果较差、实时性不佳等问题,提出一种基于MBE-YOLOv5的轻量化化工袋目标检测方法。首先,用MobileNetV3网络替换YOLOv5的主干网络,降低模型的参数和运算量,提高模型的检测速度;然后,在YOLOv5的颈部网络引入双向特征金字塔网络结构进行多尺度特征融合,提高模型的识别准确率;最后,采用EIoU函数优化损失,提高模型的定位精度。实验结果表明,MBE-YOLOv5模型相比YOLOv5模型,参数量下降了37.7%,运算量降低了58.1%,检测速度提升了9.5%,mAP@0.5提高了0.7%;在检测速度和检测精度之间取得较好的平衡,能满足化工袋在线检测识别定位的要求。

关键词： 机器视觉   网络代维管理   图像处理  

摘要： 随着网络规模的快速增加,综合代维服务商工单数量显著上升。同时降本增效的管理要求也越来越高。传统的人工方式难以高标准进行回单图片稽核,难以发现疑似虚假的回单图片。该文应用机器视觉技术,实现回单图片清晰度、相似度和光缆盯防场景工作真实性的自动稽核。创新机器视觉在网络代维管理领域的应用。

关键词： YOLOv5算法   UNet++   小目标   语义分割  

摘要： 针对实际工况中小目标检测困难的问题,本文提出了一种基于改进的YOLOv5算法的小目标检测方法。该方法通过对YOLOv5算法进行了改进,以提高其对小目标的检测能力。首先,通过工业相机获取原始图像,然后将其输入深度学习网络模型,以在保证速度和精度的前提下对YOLO算法进行改进。;其次,在UNET++语义分割模型理论基础上,对YOLO骨干网络的neck颈部网络添加网络分割头,完成端到端的多任务检测。试验结果表明,本文提出的小目标检测方法比传统的YOLOv5算法在小目标检测任务中有着更好的性能表现,具有较高的准确率和鲁棒性。

关键词： 注意力机制   缺陷识别   深度学习   深度可分离卷积   特征融合   轻量级网络   漏磁   目标检测  

摘要： 针对漏磁缺陷识别率低、检测速度慢等问题,提出了一种基于注意力特征融合的漏磁缺陷识别方法。所提算法以CenterNet为基础进行修改,主干网络选取了一种轻量级网络PP-LCNet,相较于现在流行的主干特征提取网络既保证了低计算量又保证了高精度。采用注意力网络CBAM主动学习低层特征中的重要信息并与高层特征进行融合,使模型同时获得低层细粒度信息与高层语义信息,进而提升小缺陷识别的准确率。结果表明,当IOU大于0.5时,所提算法的准确率为94.3%,推理时间为9.6 ms。

关键词： 飞机线束   卡箍装配质量   螺纹螺距   数字化检测   图像处理  

摘要： 飞机线束是电气线路互联系统(EWIS)的装配单元,重要的飞机线束常以线束捆的方式用P型金属带垫卡箍固定在飞机上。卡箍固定线束的装配质量检测要求之一是卡箍螺栓与螺母拧紧后,螺栓应露出螺母螺距数量大于规定值。为实现飞机线束装配检测智能化,提出一种基于图像自动识别P型卡箍螺栓伸出螺母螺距数量的方法。分析确立螺栓伸出螺母单侧牙顶中点为需要识别的图像特征点,并建立利用牙顶特征点计算螺距数量的公式;通过对图像进行预处理、边缘检测、轮廓提取及拟合、极值点检测等得到牙顶特征点个数;针对不同具体图像实例进行了实验验证。

关键词： 数字图像处理   数学建模   计算机视觉   人工测量   千分尺   最佳方法   植物生长发育   数学模型  

摘要： 植物叶面积是衡量植物生长发育状态的重要指标之一。测量植物叶面积的传统方法主要是人工测量法,需借助工具,如剪刀和千分尺。传统测量法费时费力且容易产生误差。随着数字图像处理和数学建模技术的应用,利用计算机视觉和数学模型测量植物叶面积成为最佳方法。该方法快速准确且无破坏性。数学建模广泛应用于测量植物叶面积。

关键词： 舰船尾流   激光探测   图像处理  

摘要： 通过探测舰船尾流与环境不同的激光后向散射特性,可反演出舰船的航向、航速、吨位等关键信息,具有极高的军事价值。本文基于激光主动照明探测模式,结合工业相机与高重频激光器构建了一套舰船尾流成像探测系统,实现了针对舰船尾流气泡的大视场、大动态范围的有效探测。利用蒙特卡洛方法构建了舰船尾流成像探测仿真平台,验证了该方法的可行性;搭建了基于激光主动照明的舰船尾流图像探测系统样机,并在室内实验室水池条件下开展了大量实验,验证了系统性能,并就实验结果分析了不同系统参数对探测性能的影响;同时开展了可见光干扰条件下探测性能的评估,验证了本系统同时存在较强的抗可见光干扰能力,为激光主动照明成像探测模式在舰船尾流探测中的实践提供了理论支撑。

关键词： 鸟巢   目标检测   网络优化   检测平台   YOLO  

摘要： 为提高电力系统的安全运行水平,针对输电线路上的鸟巢识别问题,提出基于YOLO的输电线路鸟巢检测网络。首先通过构建GhostNet模块搭建骨干网络,并优化了特征层提取方式;随后通过改进特征金字塔连接层,并结合PANet结构构建了瓶颈网络的特征金字塔,最终搭建了YOLO-NEST网络。构建并扩充数据集进行训练,将提出的网络与其他目标检测算法进行对比,结果表明所提网络在进行输电线路的鸟巢检测时效率更高。

关键词： 车道线检测   数据增强   rotation forest block(RFB)   暗通道先验法   目标检测  

摘要： 针对黑夜和大雾天气下车道线检测的问题,在数据预处理阶段采用改进的自适应伽马变换对过暗或漂白的图片进行增强,并利用暗通道先验法对大雾场景下的图像进行数据增强,从而降低干扰.在特征提取阶段,采用改进的rotation forest block(RFB)网络提取车道线的特征信息,并通过基于锚点的分类方法实现了快速而准确的车道线检测功能.