关键词： YOLOv5s模型   深度学习   目标检测   智能监控   注意力机制  

摘要： 针对海上平台注水流程现场原油泄漏问题,提出基于双通道注意力机制的改进YOLOv5s模型,实现漏液智能检测。首先,通过监控摄像头及单反相机采集海上平台注水流程现场漏液数据并对其进行标注。其次,将双通道注意力机制引入YOLOv5s模型,增强模型的特征提取能力,构建高精度漏液检测模型。最后,对该模型进行功能及性能测试。测试结果表明,该检测模型可大幅度提升海上平台注水流程现场漏液检测能力。

关键词： 人工智能   自然语言处理   计算机视觉   机器学习   图像识别   专家系统   语言识别   机器人  

摘要： 人工智能是新一轮科技革命和产业变革的重要驱动力量,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学,主要包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习,计算机视觉等。发展新一代人工智能是推动我国科技跨越发展、产业优化升级、生产力跃升的重要战略资源,对促进新质生产力发展、完善现代化产业体系、助力高质量发展具有重要意义。

关键词： 上下文   样本不平衡   互斥性   最优传输问题  

摘要： 为了解决传统潜艇目标检测缺乏对复杂背景和噪声的鲁棒性、对光照变化和视角变化敏感、难以处理大规模数据集等问题,提出了一种基于改进YOLOv5潜艇目标检测器。通过C3_Transformer结构,有效提升了特征的全局上下文建模能力和长距离依赖性捕捉能力;通过simOTA解决anchorbased算法中正负样本不平衡问题,增强模型对小目标和困难样本的学习能力;利用decoupledhead的思想解决分类和位置预测任务的互斥性问题,提高检测精度和鲁棒性。实验结果表明:相较于原始YOLOv5,改进后的模型Precision、Recall、mAP0.5、mAP0.5:0.95分别提高了2.8%、10.9%、3.8%、14.7%,这表明改进后的模型在潜艇目标检测的准确性、召回率以及在不同置信度阈值下的平均准确率等方面取得了明显的进步,同时在实际检测任务中改进后的模型有效解决了“漏检”、“误检”的问题。

关键词： YOLO   目标检测   网络结构   卷积神经网络   YOLO算法发展  

摘要： YOLO(You Only Look Once)目标检测算法自2015年提出,如今已经发展到YOLOv6,检测速度和精确度更强,是当前研究的热点方向。文章着重介绍了YOLO系列算法的基础网络结构,综述YOLOv1~YOLOv6算法的创新点、优点和局限性,梳理了YOLO检测算法及其改良算法在工业、农业以及安防领域的应用情况,在此基础上对YOLO算法未来可能的发展趋势进行展望。

关键词： 深度学习   红外图像   航拍目标检测   YOLOv5   结构重参数化  

摘要： 无人机进行红外航拍目标检测在交通、农业和军事等方面有着广泛应用。该领域的主要挑战有目标较小、相互遮挡、非刚体形变大以及红外成像纹理信息少、边缘特征弱等。针对以上问题,基于YOLOv5和结构重参数化优化思想,提出了一种针对航拍场景的目标检测模型Rep-YOLO。首先,在主干网络中引入RepVGG模块,提升模型特征提取能力;在模型推理时对RepVGG模块的多分支进行结构重参数化,减少网络分支和结构复杂度。其次,结合数据特征,改进检测网络颈部的路径聚合网络,提升检测算法在机载平台的精度-速度均衡能力。最后,在两个公开红外数据集进行对比实验,表明该算法的有效性。以南航ComNet航拍数据集为例,统计结果显示主要检测指标各类平均精度(mean Average Precision,mAP)提升5.9%,同时参数量和模型大小分别减少约29.7%和23.2%。另外,对Rep-YOLO在典型机载平台Jetson Nano上进行了模型部署验证,为航拍场景的检测算法改进和实际应用提供了可靠的技术支撑。

关键词： 箱式变压器部件检测   红外图像识别   深度学习   YOLOv8  

摘要： 为解决高原风电箱变巡视问题,减少巡视工作量,提高设备运行稳定性,针对基于红外图像处理的箱式变压器组件检测技术展开研究。构建YOLOv8模型作为本文实验的主要算法,在红外图像基础上,通过特征提取、目标检测头部网络、位置预测等步骤,设计检测算法,配置实验参数,训练模型。最后的实验结果表明,YOLOv8n模型mAP达到95.1%,在实验设备上识别速度达到0.35 s,与YOLOv3识别速度相比提升了74%,证明了YOLOv8算法在实际运用中可行性和有效性。

关键词： 偏振光谱成像   图像处理   草地伪装识别  

摘要： 目前高光谱成像技术在森林、草原、农业资源的遥感监测中得到广泛应用,其能够很好地利用植被在可见与近红外波段的反射光谱特征做到识别,但是依然存在无法区分具有相似光谱特征的伪装物的问题,在可见波段具有一定相似性。而由于表面材质和粗糙度的不同,偏振成像能够很好地区分相似光谱的植被和伪装物。本文旨在研究植被表面偏振光谱特征,一方面通过结合偏振成像与高光谱成像技术,丰富信息维度,解决单一光谱研究的不足,另一方面提取空间多角度下植被的偏振光谱特征,为植被和伪装物的识别打下基础。

关键词： 金工实习   计算机视觉   图像处理   检测  

摘要： 针对金工实习钳工作品的夹角、对边距离、螺孔中心位置检验是由人工采用目测方式使用量角器、卡尺测量的,存在效率低、误差大、结果易受人为因素影响等问题,提出了应用计算机视觉技术进行检测。首先以工件的边缘特征为检测目标,设计硬件系统采集图像、图像预处理、边缘特征提取及细化,得到精准的各加工边缘特征;然后采用最小二乘法拟合直线及圆特征,计算相邻两直线夹角及圆心到六边形各边的距离;最后根据所得结果判定作品质量。基于LabVIEW软件开发了界面友好、操作简单的计算机视觉钳工作品质量检测系统,实际使用结果表明:该系统准确率、效率、可靠性及精度均达到检测要求,检测结果客观、直观,稳定性好,效果良好。

关键词： 遥感图像   小目标检测   特征协同   细粒度感知  

摘要： 针对遥感图像中小目标多、排列密集导致的漏检问题,提出一种特征协同与细粒度感知的遥感图像小目标检测算法。首先,构造精细特征协同策略,通过智能调整卷积核参数,优化了特征间的交互和整合过程;通过精确控制信息流,实现从粗糙到精细的渐进式特征精化。在此基础上,本文设计一个细粒度感知模块,将感知注意力与移动反向卷积结合形成一个增强型检测头,显著增强网络对于极小尺寸物体的感知能力。最后,为了提升模型训练的效率,采用MPDIoU和NWD作为回归损失函数,解决位置偏差,加快模型收敛。在DOTA1.0数据集和DOTA1.5数据集上的实验结果表明,改进后算法相比于基准方法,平均精度分别提高7.4%和6.1%,相较于其他算法具有明显优势,显著改善遥感图像中小目标的漏检情况。

关键词： 计算机视觉技术   纤维检验   人类视觉系统   人工智能   视觉信息   纺织工业   人工检验   确保产品质量  

摘要： 一、引言在科技日新月异的时代,计算机视觉技术作为人工智能领域的核心技术之一,正以其独特的优势在各个行业领域展现出前所未有的应用价值。作为纺织工业的关键环节,纤维检验对于确保产品质量和生产效率具有决定性的影响,由于传统的人工检验方法不仅效率低下,而且容易受到主观因素的影响,难以满足现代工业对于高精度和高效率的要求,因此,探索和发展基于计算机视觉技术的纤维检验方法,已成为当前纺织工业技术革新的重要方向。计算机视觉技术通过模拟人类视觉系统的功能,赋予计算机处理和理解视觉信息的能力,使我们能够以非接触式、自动化的方式对纤维样品进行细致地观察和分析。