关键词： 深度学习   目标检测   红外小目标检测   注意力机制   YOLOv5  

摘要： 随着图像中显著目标检测准确率的提高,如何提升小目标的检测精度逐渐成为人们关注的重点。现有的目标检测方法主要研究以可见光图像作为输入的通用目标检测问题,小目标检测领域的大部分方法主要针对可见光图像,面向红外图像的较少。红外小目标不含颜色信息,与常规目标尺度差别大,更加依赖上下文信息。针对这些问题,提出一种基于YOLOv5的红外小目标检测模型。在标准的YOLOv5模型基础上,为了有效结合目标周围的局部信息和整体特征中的全局信息,同时适应红外小目标的细微形态变化,提出了动态上下文信息提取模块,引入通道-细节注意力模块汇聚红外小目标的通道信息和细节信息,提高回归精度。考虑到网络卷积过程中细节特征丢失的问题,在保证模型特征尺度相对应的情况下,上采样新的特征尺度与浅层特征融合,以捕捉更多红外小目标细节信息,避免特征混叠。为了证明方法的有效性,在公开的红外数据集ITTD、IRSTD-1k和NUAA-SIRST上进行验证。实验结果表明:在ITTD数据集中所提方法的mAP值超过对比方法5.1%。对比YOLOv5s基准模型,mAP值提高了3.7%,在IRSTD-1k和NUAA-SIRST数据集中也展示出良好的检测效果,并对自身模型进行了消融实验。本文所提出的红外小目标检测模型对复杂场景下的红外小目标鲁棒性很好,有效地提高了小目标检测的精度,降低了小目标的漏检率。

关键词： 黄花菜   采摘机器人   神经网络   机器视觉   图像处理   目标检测  

摘要： 传统的目标检测算法仅能得到目标框,无法确定黄花菜的生长姿态。针对这一问题,在现有目标检测算法的基础上优化神经网络(Neural Network)结构,由检测框预测改为关节点的预测。首先,按照锚点匹配的方式确定黄花菜的生长方向及长度,统计黄花菜目标生长角度和长度,按照统计结果设置多个锚点,实际生长角度和长度与锚点进行比较,获得目标的相对长度和角度,并将其作为模型预测值进行训练;其次,在模型中加入热力图预测分支,对4个关节点进行预测;最后,利用目标长度和角度信息连接关节点得到黄花菜目标的生长姿态。设计针对线段拟合特点的评估模型方法,在计算精度的过程中引入部分亲和度字段。并据此改进非极大值抑制算法(Non-Maximum Suppression)。试验结果表明:采用热力图校准后的模型对采摘目标识别精度达91.02%,定位精度达99.8%。

关键词： 工具检测   稀疏可学习   多尺度特征   Swin-Transformer   多头注意力  

摘要： 针对车间工具不同型号之间尺寸存在较大差异、形状种类繁多等问题,提出了一种基于稀疏可学习proposal的车间工具检测算法。首先,融入稀疏表示和可学习的proposal机制来提升模型的鲁棒性,并减少检测过程中所需的参数量;其次,引入Swin-Transformer结构,旨在增强模型的全局以及细节学习能力,有效地解决传统卷积神经网络在高层语义信息融合方面存在的不足;然后,使用一种改进的多尺度特征融合网络架构,通过有效融合不同尺度的特征,提高了模型对于各种尺度目标的检测能力;最后,将多头注意力和动态卷积结合,在不同特征层之间建立更精确且细致的联系,从而进一步提升了目标检测的准确性;采用了CIoU损失函数,通过综合考虑位置、尺度和形状信息,使得模型对边界框的回归预测更加全面与准确。实验结果显示,本文算法在车间工具目标检测任务上的平均检测精度达到了91%,较当前主流算法至少提升了2.3%以上。同时,单张图片的检测速度大约为53 ms,满足了实时检测的需求,体现了综合性能优越。

关键词： 图像处理   微光图像增强   图像去噪   盲点网络   直方图均衡化  

摘要： 针对现有的低照度图像增强算法在增强的同时其图像中仍含有残留噪声、网络训练中将产生恒等映射以及成对数据集获取困难的问题,本文提出了一种基于盲点网络的自监督微光增强网络。首先,采用双边多尺度融合直方图均衡化的方法对图像亮度进行调整,以此来克服传统直方图增强方法中的信息颜色损失;其次,所设计的去噪网络可以自适应地从原始图像中进行学习,同时采用像素混洗下采样解耦相邻像素空间中的相关性;最后,为保持图像空间和颜色的一致性设计了相关的损失函数。实验证明,本文算法克服了现有算法存在残留噪声、网络训练中产生恒等映射的问题,有效地提高了低照度图像质量。

关键词： 系统偏差   非高斯噪声   最大相关熵准则   量测差分   卡尔曼滤波  

摘要： 针对传感器存在系统偏差且噪声非高斯条件下目标状态估计精度较差的问题,提出一种有偏量测下基于最大相关熵卡尔曼滤波(Maximum Correntropy Kalman Filter,MCKF)的目标跟踪方法。该方法通过引入差分机制,利用目标相邻时刻的有偏量测之差构建差分量测方程,有效克服了系统偏差的影响。随后基于最大相关熵准则(Maximum Correntropy Criterion,MCC)量化估计误差的高阶矩信息,并以差分量测为先验条件推导出有偏量测下算法的滤波迭代方程。仿真结果表明,当系统观测值受传感器系统偏差和非高斯噪声干扰时,与现有方法相比,所提方法具有更好的跟踪性能。

关键词： 图像处理   语音提示   导航功能   定位与导航  

摘要： 【目的】以提升视障人士的生活质量和独立性,基于OpenCV技术开发一种创新的视障人士辅助装置——智能盲杖。【方法】通过摄像头实时采集环境图像,借助OpenCV技术进行图像处理和分析,并且融合了语音提示和导航功能,帮助视障人士更加准确地定位和导航。【结果】研究结果表明,该装置可以成功辅助视障人士感知周围环境,并提供准确而及时的视觉信息。使用该装置后,视障人士展现出更高的独立性和安全性。【结论】基于OpenCV技术的视障人士辅助装置是一种创新、实用的设计,显著提高了视障人士的生活质量和日常行动能力。未来的研究方向包括优化硬件设计,提高系统的稳定性和耐用性,以及扩展语音提示和导航功能,以适应更多日常场景,从而为视障人士群体带来更广泛、更深远的益处。该设计对提升社会包容性和促进科技助力残障人士生活品质方面具有积极意义。

关键词： 高机动目标   目标跟踪   自适应交互多模型   强跟踪CKF   SVD分解  

摘要： 为提升高机动目标跟踪精度,提出了一种改进的强跟踪CKF自适应交互多模型跟踪算法。在IMM算法运动模型集中引入CS-Jerk模型,增强对高机动目标的适应能力,采用奇异值分解(SVD)算法解决模型集中因模型扩维而导致CKF算法无法Cholesky分解的问题;提出了一种改进的强跟踪CKF算法,降低强跟踪CKF算法的计算量;利用模型的后验信息对IMM算法模型转移概率进行自适应调整,提高跟踪精度。仿真结果表明,基于所提算法目标的位置均方根误差均值和速度均方根误差均值较IMM-CKF算法分别降低了22.50%和16.58%,有效提高了目标跟踪精度。

关键词： 工厂阀室   注意力机制   可变形卷积   边缘设备  

摘要： 在工厂阀室内,安全问题一直是一项关注的重点,为了防止工厂阀室内员工未佩戴安全帽、阀室内抽烟、打电话分心等异常行为对工厂设备和员工造成伤害,目标检测技术常常被应用于工业安全场景下进行员工异常行为的识别,从而保证工业生产安全进行。目标检测技术作为工业安全监控的核心组成部分,其在真实场景下应用、算法识别性能尤为关键。为了进一步研究应用于工业生产安全领域的人体异常行为识别算法,本文进行了如下工作:(1) 本文提出了一个近两万张工厂阀室背景下的数据集,数据集共2万多张真实工厂阀室下的监控拍摄图片。将其按照训练集(验证集)和测试集按照4:1的比例进行划分。为了数据集的实用性,对风险等级最高的8种异常行为以及三种安全行为进行数据标注形成了11类标签的USDA数据集,并且为了提高模型的鲁棒性,还对USDA数据集进行数据增强扩充,使其更具有在真实场景下应用的实用性。(2) 本文提出了改进的SD-YOLOv7模型进行异常行为的识别。在该模型中,首先在核心网络Backbone内集成了Squeeze-and-Excitation Networks (SENet)的注意力机制。其中,SENet引入了一个创新的特征重标定方法,它能够自动学习并分配各个特征通道的权重,从而提高关键特征通道的权重值,通过自学习的方式自动获取每个特征通道的权重,增大目标重要特征通道的权重值,同时加入可变形卷积DCNv4来替换传统卷积,以更好地捕捉各种角度和姿态的目标以加强SD-YOLOv7模型在工厂监控下在不同角度下的目标检测能力,此外还提出了一种符合工厂阀室场景特征的加权损失函数FA loss。本模型在自建的2万多张图像数据集下与传统YOLOv7、YOLOv9等模型做了对比实验。结果表明本模型在召回率、平均精确率(mAP)比传统YOLOv7、YOLOv9等模型有较大提升,改进后的SD-YOLOv7算法在增加较少复杂度的情况下明显提升了算法的性能。此外,该模型已经成功部署在边缘设备上,可以成功地为合作单位进行实时检测。本研究为工业安全监控领域提供了一个高度实用的数据集和一种高效的目标检测模型,未来将探索在更多实际工业场景中的应用。

关键词： Jetson Nano   YOLOv5   饮料瓶盖分类   目标检测   计算能力  

摘要： 文章采用YOLOv5目标检测模型实现了一种基于Jetson Nano的饮料瓶盖分类检测系统。传统瓶盖分类方法通常需要耗费大量的人力和时间资源,存在准确性和效率低的问题。为提高瓶盖分类的准确性和效率,文章利用计算能力强和功耗低的Jetson Nano搭建了YOLOv5模型,并对饮料瓶进行了精确的分类检测。其中,首先介绍了YOLOv5模型的原理和特点,其次详细描述了基于Jetson Nano的饮料瓶盖分类检测系统的设计和实现过程。该系统在饮料瓶盖分类检测方面的准确性和效率较高,具有很高的应用价值。

关键词： 酵母计数   活细胞率   霍夫圆变换   图像处理  

摘要： 酵母活细胞率作为评判活性干酵母质量优劣的重要指标之一,准确快速地检测出结果显得尤为重要。本文针对传统方法进行活细胞率检测存在效率低、过程复杂等问题开发了一款计数软件,并将血球计数板替换为96孔细胞培养板进行计数。对比人工计数和软件计数在检测酵母活细胞率的误差以及采用不同容器进行检验的效率,结果表明,相对于人工计数,软件计数耗时更短,且误差较小;采用96孔细胞培养板批量检测比采用血球计数板耗时更短。