关键词： 森林火灾检测   YOLOv5   深度学习   目标检测  

摘要： 针对人工监测森林火灾困难等问题,提出一种基于YOLOv5的森林火灾检测方法,旨在提高火灾监测的效率和准确率。首先,对所使用的公开火灾图像数据集进行预处理;然后,通过模型训练提高森林火灾检测的准确率和实时性;最后,将YOLOv5s、YOLOv5m和YOLOv5l等3种网络模型进行评估对比。试验结果表明,YOLOv5l模型构建的森林火灾检测方法在火灾图像识别中体现出了较高的准确率,其准确率达到90%,检测速率提高了2.4%。

关键词： 人工智能   自然语言处理   计算机科学   计算机视觉   机器学习   智能行为   机器人技术   出版单位  

摘要： 人工智能技术飞速发展,在出版领域的应用效果逐渐显现。现通过探讨人工智能与出版融合的发展路径,分析人工智能与出版融合发展优势,并根据融合发展面临的挑战,探索适合出版单位智能化发展的路径,推动人工智能与出版的健康融合发展,促进出版行业升级转型,推动其实现可持续发展。人工智能(Artificial Intelligence,简称AI)是近年来迅速发展的新兴技术,它涵盖多个领域,包括计算机视觉、机器学习、自然语言处理、机器人技术等。同时,人工智能是一门交叉学科,结合了数学、计算机科学、心理学、哲学等多个学科的理论和技术。这些技术通过模拟人类的智能行为和思维过程,使计算机具有类似人类的分析、学习、推理、判断等能力。当前,人工智能已应用于很多行业领域,如制造、金融、医疗、教育、娱乐等,对于推动科技进步、提高生产效率、改善生活质量等方面具有重要意义。

关键词： 单目相机   激光雷达   三维目标检测   目标跟踪   轨迹预测  

摘要： 实时、鲁棒的三维动态目标感知系统是自动驾驶技术的关键。提出了一种融合单目相机和激光雷达的三维目标检测流程,首先,在图像上使用卷积神经网络进行二维目标检测,根据几何投影关系生成锥形感兴趣区域(region of interest,ROI),在ROI内对点云进行聚类,并拟合三维外包矩形;然后,基于外观特征和匈牙利算法对三维目标进行帧间匹配,并提出了一种基于四元有限状态机的跟踪器管理模型;最后,设计了一种利用车道信息的轨迹预测模型,对车辆轨迹进行预测。实验结果表明,在目标检测阶段,所提算法的准确率和召回率分别达到了92.5%和86.7%。在仿真数据集上对轨迹预测算法进行测试,与现有算法相比,所提算法在直线、弧线和缓和曲线3种类型的车道上均有较小的均方根误差,且算法平均耗时约为25 ms,满足实时性要求。所提算法鲁棒、有效,在不同车道模型下均有较好的结果。

关键词： 深度学习   目标检测   空间金字塔池化   自适应空间   餐具检测与识别  

摘要： 构建渐进式餐具检测与识别网络,将快速空间金字塔池化融合到渐进式颈部网络,得到不同尺度特征并逐级融合。首先,通过主干网络从原始图像提取不同语义信息的多尺度特征图。其次,通过融合相邻低级特征,将高级特征融合到自适应空间,形成渐进式颈部结构,得到3个不同尺度的特征代表。最后,通过解耦检测头获得识别结果。实验结果表明,餐具检测与识别精确度为96.9%。

关键词： 合成孔径雷达   生成对抗网络   数据增强   舰船检测   位置信息  

摘要： 针对现有合成孔径雷达(SAR)图像数据生成方法大多无法同时生成舰船图像及其检测标签的问题,面向SAR舰船图像生成及目标检测任务,构建基于位置信息的条件生成对抗网络(PCGAN).首先,提出将舰船位置信息作为约束条件用于限制生成图像中舰船的位置,并将其作为舰船图像的检测标签;随后,引入Wasserstein距离稳定PCGAN的训练过程;最后,利用生成的SAR舰船图像及对应检测标签完成YOLOv3网络的端到端训练,实现舰船数据增强与目标检测的协同学习,进而获得更耦合目标检测实际应用的多样性数据.在HRSID(high resolution SAR image dataset)数据集上的实验结果表明,PCGAN方法能生成清晰、鲁棒的SAR舰船数据,舰船检测准确度最高提升1.01%,验证了所提出方法的有效性.

关键词： 事件相关电位   脑机接口   快速串行视觉呈现   目标检测   特征提取  

摘要： 目标检测是一个广泛应用于多个领域的研究课题。传统的计算机视觉方法存在复杂度高、泛化能力差、模型对象可迁移性差等缺点,而人脑在目标检测方面具有较强的认知能力和感知能力,仅需要很少的训练样本就可以达到较好的检测效果。基于事件相关电位(Event-Related Potentials,ERP)的脑机接口(Brain-Computer Interface,BCI)是一种全新的提升目标检测性能的方法,它能够将脑内信息与外部环境进行交互。在此基础上,Gerson提出了一种以脑电信号为基础的快速串行视觉呈现(Rapid Serial Visual Presentation,RSVP)范式,包括显示方式、有效视觉范围、目标复杂度、刺激频率和持续时长等。该文还对ERP信号的预处理、特征提取及分类等方法进行了综述,并对该领域的局限性和发展趋势进行了探讨。

关键词： 故障诊断   顶板支护斜盘   对称极坐标   卷积神经网络   故障特征  

摘要： 斜盘是顶板支护设备中的重要零件,为了能够保证顶板支护的安全可靠,需对支护斜盘的健康状态进行检测。针对顶板支护斜盘的故障检测问题,提出了一种基于对称极坐标(SDP)图像处理算法的矿用顶板支护斜盘故障诊断方法,该方法将振动数据转换为对称极坐标图像,再利用神经网络提取故障特征,实现对斜盘的故障诊断。实验中模拟了4种不同的斜盘故障信号,并分析了卷积神经网络使用不同的网络层数、尺寸、卷积核个数和学习率对诊断结果的影响,经过综合考虑模型的稳定性、训练时间及对故障识别的准确率,确定了最佳的参数。故障诊断模型可实现对斜盘4种不同故障的准确识别,识别准确率达92.25%,表明该模型可高效地完成顶板支护斜盘的故障诊断工作。

关键词： 机器视觉   袋式输液器   缺陷检测   图像处理   边缘检测  

摘要： 人工质检液袋组件会因主观性和疲劳带来质检风险,还会降低生产线的自动化程度。为解决这一问题,采用机器视觉系统对液袋组件挂绳、加药两通进行组装质量检测。设计图像采集辅助机构,解决因液袋组件形态不固定而难以进行图像采集的难题;在确定缺陷检测策略的基础上,选用Canny算法以最短时间提取液袋管路区域的清晰轮廓,相较于其他算法节约160~520ms;采用虚拟直线法,结合本文根据轮廓外接矩形框位置特征选定的感兴趣区域(ROI),完成轮廓数的统计,最终实现缺陷检测目标。实验表明,管路缺失检出率达100%,检测最高耗时438ms,检测一组液袋组件仅需要1.75s,远小于工厂生产线上生产一组液袋组件的单工位工时8s。该方法能代替现有人工肉眼检测,减少企业用人成本。

关键词： 目标检测   YOLOv7   迁移学习   草莓   成熟度分类  

摘要： 【目的】为实现自然环境下草莓及其成熟度的高效准确检测,设计了一款改进的YOLOv7的草莓成熟度检测模型。【方法】模型采用YOLOv7作为基础网络对草莓成熟度进行检测。首先,使用PConv卷积替换原Head部分的3×3卷积以提高检测速度。其次,在部分特征层添加CBAM注意力机制提高模型关注重要信息的能力;再将原本上采样中简单的双线性插值算子替换为CARAFE,增加模型对草莓果实细节的感知能力。最后,利用迁移学习实现草莓数据集的训练和微调。【结果】改进前的模型mAP50为85.6%,改进后的模型mAP50为87.7%,参数量从原来的9.14×10^(6)下降为7.32×10^(6),GFLOPs下降为19.8,提高了检测速度。【结论】改进后的模型在草莓及其成熟度的检测中具有更高的检测精度和速度,可以在实际应用场景中实现草莓果实的生长监测。

关键词： 遥感图像   目标检测   区域掩码对比蒸馏   旋转定位损失函数  

摘要： 为解决遥感图像中存在背景干扰以及目标密集分布的问题,采用了一种以区域掩码对比蒸馏为基础的目标检测方法,旨在提高遥感图像目标检测性能.首先,通过对目标特征区域进行掩码操作,以区分前景和背景并捕捉目标的细节纹理,生成细致的特征掩码.其次,结合对比蒸馏算法,通过对教师网络和学生网络的区域掩码进行对比学习,使学生网络更加充分地吸收教师网络在目标特征纹理检测方面的知识.同时,在检测阶段引入了一种旋转定位损失算法,该算法通过量化真实边界框和预测边界框之间的格点向量差来进行损失估计,从而减小了预测边界框与真实边界框之间的旋转损失.结果表明,改进算法的均值平均精度在DOTA和HRSC2016数据集上分别较传统算法提高了3.57%和5.22%.