关键词： 计算机视觉   目标检测   深度学习   特征金字塔网络   注意力机制  

摘要： 针对道路障碍物目标检测任务中多尺度目标检测精度低,以及在不同场景下检测鲁棒性和泛化能力差等问题。改进算法基于传统特征金字塔网络,提出一种自上而下和自下而上结合的双路径特征金字塔网络模块,通过特征拼接和融合操作保留预测特征层中更多的浅层和深层次语义信息。在此基础上,提出一种空间和通道机制串联的注意力网络模块,通过采用不降维的局部跨通道交互策略,进一步提升网络模型检测性能。经实验验证,改进算法相较于原始算法目标检测准确率提升4.6个百分点;小目标检测准确率提升11.76个百分点;中目标检测准确率提升5.78个百分点;大目标检测准确率提升3.7个百分点。

关键词： 城市轨道交通   接触网   受电弓   燃弧检测   目标检测   三维重建  

摘要： [目的]为提高弓网燃弧检测准确率,针对背景噪声和亮度变化的鲁棒性较弱,以及受到隧道光源、日光、接触线反光及其他异物干扰等问题,提出了一种基于目标检测和三维重建的弓网燃弧检测方法。[方法]首先,采用双目相机的图像获取模块对受电弓和接触网进行拍摄,获取微秒级实时同步的两幅受电弓与接触网图像;其次,将经过预处理后的图像送入第一检测模块,即进行受电弓与接触网的接触区域以及受电弓与接触网接触点的目标检测;再次,将图像送入燃弧第二检测模块,实现双目图像中的燃弧目标检测;最后,对检测出双目图像中的燃弧进行三维重建,得到燃弧空间三维坐标,用于计算燃弧和受电弓与接触网的接触点的距离,并根据距离滤除错误结果。通过构建YOLOv5-3DR算法模型,对所研制双目立体视觉模块进行试验验证。[结果及结论]所提出的检测方法对复杂应用场景有更好的适应力,能够精准识别燃弧。采用所提出的方法能够极大提高弓网燃弧检测准确率。

关键词： 自动驾驶汽车   目标物检测算法   深度预测   BEV特征融合   KITTI数据集  

摘要： 为提高自动驾驶汽车对周围目标物的检测精度,提出了一种激光雷达和单目图像数据在鸟瞰图特征上融合的目标物检测算法(monocular-bird’s eye view fusion,Mono-BEVFusion)。为构建相机BEV特征,搭建了简单高效的深度预测网络预测相机特征的深度,基于显式监督的方法用深度真值对其进行监督。构建激光雷达BEV特征时,将激光点云体素化为柱状网格转化到BEV特征下,设计BEV特征融合网络将激光点云BEV特征和相机BEV特征融合,将融合特征输入到目标检测框架得到目标物(汽车、行人和骑行人)检测结果。利用KITTI数据集和实车路采数据对Mono-BEVFusion融合算法进行评估,实验结果表明该算法相较于现有融合算法综合平均精度提升了2.90个百分点,其中汽车类和行人类单项检测精度分别提升3.38个百分点和4.13个百分点。Mono-BEVFusion融合算法对遮挡目标或者距离较远的目标有较稳定的检测效果,能够有效避免单传感器的漏检现象,具有较好的实际应用价值。

关键词： 浙贝母   炮制自动化   智能制造   切片工艺   注意力机制   深度卷积网络   目标检测   模型轻量化  

摘要： 目的:基于改进的YOLOv7-tiny算法实现浙贝母切片角度的自动识别。方法:通过数据增广构建16000张包含不同角度浙贝母的图像数据集。对YOLOv7-tiny算法进行改进,将普通卷积替换为鬼影卷积(GhostConv),优选添加坐标注意力机制(CA),将部分激活函数替换为计算量更小的HardSwish函数,在损失函数中添加角度识别误差的惩罚项,并针对同一目标有多个识别结果的现象修改非极大值抑制(NMS)策略。为验证不同改进点对算法模型优化的有效性,对所有的改进点进行消融实验,通过对比在原模型或增加了已验证有效性的改进点的模型基础上增加某改进点前后的预测结果,以评价指标的改善,证明该改进点的有效性。结果:改进的浙贝母切片角度识别算法所需参数量约为原算法的55.4%,计算量约为原算法的59.4%,交并比(IoU)为0.5时的平均精度均值(mAP@0.5)上升了12.2%,识别角度的平均绝对误差(MAE)为5.02°,较原始算法降低了4.58°,在本研究实验环境中,单张图片平均识别时间可达8.7 ms,远快于人类平均反应时间。结论:该研究使用改进YOLOv7-tiny算法实现了浙贝母切片角度的识别,且较原模型更轻量,识别准确度更高,为稳定、准确的浙贝母切片自动化提供了新方法,同时为其他中药的自动化炮制提供了一定的参考。

关键词： 采后处理   百香果   图像处理   目标检测   神经网络   分选  

摘要： [目的]提高百香果品质分级的精细化与智能化水平。[方法]利用OpenCV与轻量化神经网络(MobileNetV3_large_ssld)对百香果的果径、成熟度与皱缩情况进行了检测。通过最小外接矩形的短边测量果径;在HSV颜色空间中,分析H分量值在特定范围内(H∈[0,10]∪[156,180],[11,25],[26,34],[125,155])的像素占比来判别果实的成熟度;建立MobileNetV3_large_ssld轻量化神经网络模型,用于判别果皮的皱缩情况。基于对果径、成熟度与皱缩情况3个指标的检测结果,进一步采用评级量表法构建了果实品质综合评价模型,并开发了在线检测及分选系统。该系统利用KNN背景减去模型从传送带上运动的百香果视频流中提取目标并去除果柄,采用区间取帧法从视频中捕获单张图像,依据多指标综合评价模型对百香果品质进行分级,并通过分选机构的拨爪将百香果拨至相应的等级通道。[结果]测试结果显示,系统分选与人工分选的整体吻合度为97.02%,特级吻合度为95.51%,一级吻合度为97.84%,二级吻合度为100.00%。[结论]该系统可用于不同等级百香果品质的在线检测与分选。

关键词： 高分辨率遥感影像   目标检测   单阶段算法   轻量化网络  

摘要： 基于高分辨率遥感影像的目标识别技术被广泛应用于国土资源监测和情报收集等领域,精确、快速的目标检测方法是目前遥感图像研究的热点与难点。然而,许多检测方法过于追求提升检测精度却忽略了检测速度。为此,基于YOLOX提出一种改进型轻量化网络,以实现检测速度和精度权衡。首先,针对特征提取主干模块,提出一种Mobilenetv3tiny网络,进行轻量化改进,通过减少网络参数量,提高检测速度;其次,在特征金字塔结构中引入Ghost网络,在保证检测精度的前提下,降低网络复杂性;最后,使用Alpha-IoU和VariFocal_Loss优化损失函数,提高网络收敛速度和定位精度。在NWPU VHR-10数据集进行消融实验,结果表明改进网络较基础网络,检测精度提升0.76%,速度提升19.72%,权重为11 M(Mega)且参数量减少65.66%,网络整体效果较好。此外,对DIOR数据集进行对比实验,在保证较高检测精度的同时,检测速度提高26.88%,证明了改进网络的有效性。因此,改进网络能够有效权衡检测速度和精度,易于设备部署,适用于遥感图像目标实时检测应用场景。

关键词： 可逆信息   隐藏算法   通信图像   处理技术  

摘要： 随着我国通信技术与图像处理技术水平的不断提升,对于通信图像处理的质量提出了更高的要求。现阶段采用的图像处理技术已经无法满足对图像恢复性能提出的更高要求,正因如此,提出基于可逆信息隐藏算法的通信图像处理方法的研究课题具有较强的现实意义。本文首先简述了基于可逆信息隐藏算法的通信图像处理方法,并思考基于可逆信息隐藏算法的通信图像处理系统的设计方案,以此来判断该方法的处理效果,提升载体图像恢复性能。

关键词： 簧片   X光片   间距检测   图像处理  

摘要： 针对磁保持继电器中的簧片在经过高强度测试后会发生形变,而形变量的检测较为困难的问题。提出了一种针对簧片X光片图像的处理方法。首先对X光片图像进行灰度提取,以减少图像的数据处理量;再通过图像模式匹配精准定位,以截取出目标簧片所在位置的图像区域;最后通过轮廓提取,获取到较为精准的簧片轮廓曲线,此曲线中包含有簧片轮廓的像素点坐标信息,直接计算两曲线的像素点坐标距离,就可得到两簧片间的最短距离,即所要检测的簧片形变量。经过实验验证,此方法可以准确而高效地完成对簧片形变量的检测。

关键词： 深度学习   缺陷检测   YOLOv7模型   Canny算法   Swin Transformer  

摘要： 针对当前军工工业产品缺陷检测能力不足的问题,以生产中普遍存在的小目标缺陷检测为切入点,提出了一种基于Canny-YOLOv7算法的融合增强模型。该模型主要通过Canny边缘检测算法识别图像中的潜在缺陷区域并对缺陷区域特征进行增强,在此基础上对YOLOv7模型进行针对性改进以提升泛化能力。首先,为增强模型对于细微缺陷特征的提取能力,使用Swin Transformer (STR)模块替换原始主干网络中的ELAN模块。其次,采用SIOU损失函数使得改进模型能快速学习到准确的目标定位。最后,采用LeakyReLU激活函数减少函数计算开销,进一步提升模型检测速度。实验结果表明,在相同数据集下,提出的增强模型平均检测精度达到97.5%,相较于原始YOLOv7模型提升了4.6%,检测速度(FPS)为52.45,满足实时检测需求。

关键词： 无线传感器网络   移动目标跟踪   状态向量   粒子滤波   多模态数据   传播延迟  

摘要： 为了实现对移动目标的跟踪,提出了一种新颖的基于目标状态可观测性和多模态数据粒子滤波(Particle Filter,PF)的跟踪方案。通过部署在目标移动区域中的传感器获得跟踪目标的距离和到达方向测量值,对接收到的数据进行预处理来计算PF的观测值,以形成一个临时距离图像。通过利用状态更新函数和形成的候选图像模板确定目标状态向量;在PF器中加入额外的加权阶段,使得PF器可自适应地同步多模态数据流,以实现鲁棒的目标跟踪。仿真实验结果验证了所提方案能够有效地跟踪移动目标。