关键词： 三维点云图   随机抽样一致性(RANSAC)平面拟合   海底检测   欧式聚类   多特征数据关联  

摘要： 针对无人艇水下目标探测过程中声呐图像受干扰多、单个目标可能分裂为多个亮斑等问题,开展了基于三维成像声呐的无人艇水下目标检测技术研究。首先,考虑水面无人艇水下目标检测跟踪识别的需要,建立了三维点云图像模型;然后,提出了基于随机抽样一致性(RANSAC)平面拟合的海底检测算法,以完成三维点云图中海底平面提取与分离,通过基于欧式聚类的三维点云检测技术和多特征数据关联技术等手段提高了目标的检测概率;最后,在湖上进行了试验,试验结果验证了该算法对水下目标检测识别的有效性。

关键词： 轮胎X光图像   图像处理   深度学习   缺陷检测  

摘要： 在图像处理的基础上使用深度学习方法对轮胎X光图像缺陷进行自动检测。轮胎X光图像具有高分辨率、形状狭长、缺陷目标较小的特点,通过将每张X光图像按照640×640像素进行切割,对切割出的每个区域进行标注,把存在缺陷的区域划分到训练集,对训练集进行直方图均衡化以增强图像前景与背景的对比度,进而继续对训练集进行数据增强以提高模型的泛化能力,最后在Faster R-CNN深度学习缺陷检测模型上训练出最优权重。在模型推理阶段,完整的X光图像会被送入模型,缺陷范围被框出,重组为原始X光图像;若某个缺陷具有多个选框,则将所有邻近的选框合成为一个选框。该方法能够有效降低小缺陷目标的漏检率,提高检测的准确率,间接解决了原始X光图像特征丢失的问题。

关键词： 图像处理   破片场   三维测试   摄影测量   重心法  

摘要： 针对靶板法人工检靶效率低、人为误差大以及无法实现破片场三维测试的问题,利用摄影测量技术,提出灰度加权重心法计算破片穿孔位置坐标,采用基于单点标志的靶板轮廓识别和编码标志的大范围、位姿改变靶板三维拼接,二维坐标到三维空间坐标转换,实现了破片场的三维空间测量,通过设计试验,验证了方法的可靠性,结果表明:采用该方法破片尺寸大于3 mm识别率为100%,且准确获取了破片相对于爆心位置的三维坐标,实现了破片场三维测试,与人工检靶比较测试效率提高了10倍以上。此结论可为破片战斗部爆炸威力场的精确测试提供技术支撑,具有一定的工程应用价值。

关键词： 指针仪表   读数识别   目标检测   位姿不变   对抗学习  

摘要： 针对指针仪表采用人工读数方式存在的成本较高、读数不准确、时效性较差的问题,提出一种基于对抗学习的指针仪表位姿自适应读数识别算法。该算法通过目标检测模型识别图像中的指针仪表的位置和姿态,将指针仪表进行校准后并利用数字图像处理技术进行读数识别。为了提升目标检测模型对位姿不同的指针仪表图像的识别效果,本文提出了基于对抗学习的数据增强技术,通过优化搜索模型识别不准的图像旋转角度、平移距离以及缩放比例构造训练数据,提高目标检测模型在指针仪表位姿发生变化时的准确率。以工矿企业中常用的SF6压力仪表为实验对象,实验结果表明读数识别的误差在1%以内,证明了所提算法的有效性。

关键词： 高处作业   安全防护品   样本库   YOLOv5   目标检测  

摘要： 在高处作业过程中,确保作业人员安全防护品的正确穿戴,是预防人员受伤的有效途径之一。针对识别高处作业人员施工过程中是否按规范要求穿戴多种安全防护品的问题,提出一种多目标检测方法,为高处作业人员提供有效的安全保障。构建了高处作业人员安全防护品图像样本库,利用该样本库对YOLOv5、Faster R-CNN、SSD模型进行训练和测试,开展多目标检测实验,结合算法框架、模型参数及评价指标对比分析。结果表明:三种算法均能实现对安全防护品的多目标检测,YOLOv5算法的mAP(mean Average Precision)值可达90.13%,FPS(Frames Per Second)达99帧/s,是效果最佳的检测模型。

关键词： 钢轨缺陷   图像处理   边缘检测   阈值分割   缺陷分类  

摘要： 以钢轨为研究对象,结合图像处理技术,对钢轨表面质量进行检测。首先,对钢轨图像进行预处理,通过线性灰度变换对图像进行增强,并采用自适应滤波进行图像去噪;其次,采用Ostu阈值分割算法对预处理后的钢轨图像进行缺陷分割;最后,以离心率、矩形度和致密度作为分类依据,通过决策树分类法对钢轨表面缺陷进行分类。实验结果表明:基于图像处理的钢轨表面质量检测方法能够有效对钢轨缺陷进行检测,分割准确率为96.7%,分类准确率为90%,为钢轨表面质量检测提供了一种有效的检测方法。

关键词： 深度学习   智慧交通   目标检测   YOLOv5s  

摘要： 为快速准确识别道路凹坑,研究提出一种基于改进YOLOv5s的道路凹坑检测算法。在YOLOv5s算法的主干网络中结合高效通道注意力机制,提高对凹坑区域的关注度;然后在检测头使用高效解耦头,有利于对凹坑进行准确预测;同时在边框损失函数中增加归一化Wasserstein距离损失,提升对小目标的检测能力。改进后的算法对复杂路况的凹坑检测具有较高的精度,在Pothole Dataset扩展数据集上,mAP和Precision上均超过原算法。将算法用于智慧交通领域,以便能更快地修复道路上严重凹坑。

关键词： 偏振成像   目标检测   图像融合   YOLOv5   图像增强   注意力机制  

摘要： 为解决偏振暗光场景下常见目标识别结果准确性不高的问题,提出了基于卷积神经网络的偏振度图像与可见光图像融合算法,设计了新的损失函数以形成无监督学习过程,引入拉普拉斯算子提高融合图像的质量,最终将被测目标的偏振信息与可见光信息有效结合;提出了基于改进的YOLOv5算法对融合后的目标进行目标检测,在网络框架中加入CA注意力机制,将通道注意力机制与空间注意力机制相结合;在自制的数据集上对提出的网络进行训练测试,结果表明,融合图像在主客观上都达到了较好的视觉效果,将改进的YOLOv5算法相比最优的YOLOv5s模型,精确率和召回率分别达到了89.3%和82.5%,均值平均精度分别提高了2.6%和1.8%。

关键词： 密集连接   空洞卷积   任务对齐   目标检测   小目标   上下文信息   特征提取  

摘要： 针对当前基于卷积神经网络的单阶段目标检测算法(YOLO系列、TOOD等)对高空拍摄场景下的小目标检测存在精度低、漏检、误检等问题,在TOOD算法基础上,提出一种基于密集连接任务对齐的小目标检测算法DATNet。为提升网络的检测能力,采用CSPDarkNet网络提取输入图像特征,通过密集连接的方式融入空洞卷积,添加注意力模块捕捉感兴趣的目标区域,引入DIoU回归损失函数通过任务对齐的检测头来训练模型。实验结果表明,DATNet在VisDrone-DET数据集上相对于TOOD算法平均准确率提升1.7%,为小目标检测场景提供了一种技术方案。

关键词： 多智能体强化学习   分布式空间功率合成   跟踪辐射   路径规划  

摘要： 针对分布式空间功率合成中单平台微波发射装置有最大发射功率限制的问题,提出了一种基于Friend-Q多智能强化学习的微波发射装置路径规划方法,以实现对目标施加持续4 min及以上的10 mW/cm^(2)~15 mW/cm^(2)的辐射强度。在所提方法中通过变ε-贪婪策略平衡探索和利用的关系,同时提出一种具有选择性的输入功率方案,以减少系统耗能。通过对三种具有代表性的仿真场景进行训练,实验结果表明:(1)相比于分散远离场景和单一接近场景,路径结合场景的成功率分别提高了55.7%和120.9%,证实了微波辐射源的合理位置排布可以在很大程度上提高模型的成功率;(2)采用多智能体强化学习训练的模型相比于采用随机策略的模型,三种仿真场景中的成功率分别提高了48.8%、72%、41.8%,进一步验证了该算法的有效性。