关键词： 水稻病虫害   图像识别   监测   预警  

摘要： 水稻病虫害是影响水稻产量与质量的重要因素之一,加强病虫害的防治意义重大。从需求分析、技术系统架构、功能模块3个方面详细阐述了水稻病虫害检测预警平台的研发过程,通过周围环境信息与图像识别技术实现了水稻病虫害监测预警功能,提升了水稻病虫害防治效率。分析和调研发现,水稻病虫害检测预警平台仍然存在一些问题,未来将从增强系统的地域适应性、提高小型害虫的识别效果、构建高质量农业病虫害数据集3个方面开展进一步研究。

关键词： 小目标检测   无人机   注意力机制   特征融合   YOLOv5  

摘要： 小目标由于可用特征少、纹理模糊等因素,一直是目标检测领域中的一个难点。针对无人机小目标检测中的误检与漏检问题,提出了一种无人机小目标检测算法LASD-YOLOv5。设计了一种极化自注意力机制,以更准确地提取微小特征;引入加权双向特征金字塔网络,替换路径聚合网络,以加强对底层特征的利用,对检测头进行解耦,以提高模型的收敛速度。同时,针对当前无人机小目标数据集中小目标占比少与场景不全面的问题,贡献了一个多场景低慢小无人机目标数据集LASD-D。结果表明,所提算法在LASDD数据集上的平均精度为98.29%,相比原网络提升了2.87%,同时也优于YOLOv7, YOLOv8与QueryDet等主流算法,完全满足无人机小目标检测领域的需求。

关键词： 光学晶体   维氏硬度   YOLOv5s   概率霍夫直线  

摘要： 硬度是衡量材料软硬程度的一种性能指标。针对镥铝石榴石(lutetium-aluminum garnet,LuAG)和镥镓石榴石(lutetium-gallium garnet,LuGG)等光学晶体弹性小、受压易破损、压痕边界不清晰的特点,提出一种基于图像处理的光学晶体维氏硬度测量方法。利用深度学习YOLOv5s网络,从图像中分割出维氏压痕目标位置,进行自适应二值化,选取最大连通域、骨架提取,进一步通过概率霍夫直线检测特定方向线段,得到压痕4个顶点的准确位置。实验结果表明,平均相对误差可以控制在1.5%以内,有效降低了传统网络算法和传统图像处理算法的计算误差,适用于对光学晶体维氏硬度的自动化精确测量。

关键词： 霉变花生   机器视觉   HSV色彩空间   图像处理   双边滤波  

摘要： 花生霉变产生的黄曲霉毒素具有强致癌性,严重影响食品安全。为精准快速的识别霉变花生,提出一种基于机器视觉的霉变花生检测方法。首先对花生图像进行双边滤波降噪,然后将图像转为色调、饱和度、亮度(HSV)空间,通过在色调、饱和度空间内提取的霉变颜色范围叠加亮度空间的开运算处理结果来实现对霉变花生的识别检测。实验结果表明,该方法对于霉变花生的识别精度达到95.3%,处理单帧花生图像耗时为0.6s,通过与其它算法对比,该方法具有快速、准确率高等优点,可以满足霉变花生的实时检测,对花生霉变的分级处理也更加实用。

关键词： 容积卡尔曼滤波   导航定位   目标跟踪   弹道数据处理  

摘要： 容积卡尔曼滤波由于其良好的滤波稳定性和高精度,是目前应用最为广泛的滤波算法。通过介绍迭代容积卡尔曼滤波、平方根容积卡尔曼滤波和自适应容积卡尔曼滤波3种容积卡尔曼滤波的原理及优缺点,结合具体实例,分析其在导航定位、目标跟踪、弹道数据处理中的应用情况,为选取合适的容积卡尔曼滤波进行数据处理提供参考。研究表明,容积卡尔曼滤波具备优异的非线性逼近性能、数值精度以及滤波稳定性,能有效处理高维数非线性系统滤波问题,为解决实际问题提供了有效手段。

关键词： 铸件表面缺陷   目标检测   CCD-YOLOv5  

摘要： 针对铸件表面缺陷检测对象种类繁多、目标不明显、特征多样等因素,提出一种基于改进YOLOv5算法的铸件表面缺陷检测模型。对数据样本做翻转、旋转、调色处理,使用9-Mosaic数据增强,丰富样本数量特征;将CSPDarknet53模块替换为C2f模块,丰富轻量化网络梯度信息;引入CA注意力机制,提升模型泛化能力;将耦合头模块替换为解耦头模块,提升拟合速度。改进CCDYOLOv5对铸件表面缺陷检测的准确率由78.2%提升至82.9%,召回率由74.3%提升至76.7%,mAP@0.5值由76.4%提升至81.0%。结果表明,改进模型有效提升了综合识别检测效果。

关键词： DDPG   无人船   运动控制   运动目标追踪  

摘要： 为了实现无人船在复杂海况上对目标的追踪,使用DDPG(Deep Deterministic Policy Gradient)算法对无人船进行运动控制,使无人船完成对运动目标的快速追踪。在Simulink中使用Nomoto模型对无人船的运动模型进行建模。针对无人船的运动具有大迟滞性的特点对无人船的状态量进行重构,使无人船智能体可以通过重构的状态空间观测到状态量的高阶差分量。为无人船对运动目标追踪的任务设置了不易陷入局部最优解的奖励函数,最终强化学习智能体通过与环境的交互学会了有效地控制无人船对运动目标进行追踪,验证了算法的有效性。

关键词： 显著性目标检测   特征融合   毫米波雷达   雷达点云转换   动态互补注意力机制  

摘要： 为了解决单传感器在复杂环境下目标检测精度低问题,提出了一种基于RD-YOLO的毫米波雷达和视觉融合的显著性目标检测方法。首先设计了能够将毫米波雷达点云转换为图像的方法,使毫米波雷达和视觉数据在模型输入时实现特征融合;然后通过动态互补注意力机制,对两个图像分支生成特征设置空间和通道动态注意力权重;最后采用YOLOv8检测融合后特征,引入改进损失函数Focal Loss以解决样本不均衡问题。在数据集nuScenes上开展的相关实验表明,与YOLOv5、YOLOv7、YOLOv8、Faster R-CNN和FCOS相比,所提方法目标检测综合性能良好,均值平均精度比原始YOLOv8提升了9.19%。

关键词： 采掘工作面   小目标检测   YOLOv8n   安全防护装备检测   多尺度目标识别  

摘要： 为有效检测和识别煤矿井下采掘工作面人员是否佩戴安全防护装置,针对井下光照条件差、安全防护装备目标尺寸小且颜色与背景相似等情况,提出了一种基于改进YOLOv8n的采掘工作面小目标检测方法。在YOLOv8n骨干网络C2f模块中融合动态蛇形卷积(DSConv),构建C2f−DSConv模块,以提高模型提取多尺度特征的能力;在Neck层引入极化自注意力(PSA)机制,以减少信息损失,提高特征表达能力;在Head层增设1个专门针对小目标的检测头,形成4检测头结构,以扩大模型检测范围。实验结果表明,改进YOLOv8n模型对井下人员及其所佩戴安全帽、矿灯、口罩、自救器检测的平均精度分别为98.3%,95.8%,89.9%,87.2%,90.8%,平均精度均值为92.4%,优于Faster R−CNN,YOLOv5s,YOLOv7,YOLOv8n模型,且检测速度达208帧/s,满足煤矿井下目标检测精度和实时性要求。

关键词： 计算机视觉   智能照明   照明系统  

摘要： 计算机视觉技术的引入增强了智能照明系统的自动调节能力,使之能够根据环境变化和人员行为自动优化照明设置,从而达到更高的能效和更好的用户体验。本文将基于计算机视觉对智能照明控制系统的设计与开发展开全面、系统的探讨,以期为智能照明技术的进一步优化和实际应用提供理论基础和技术支持。