关键词： 缺陷检测   裂缝分割   双层卷积   多特征融合   图像处理   深度学习  

摘要： 针对复杂背景下道路裂缝分割方法存在的边缘细节易缺失、目标误判问题,提出双层卷积和多特征融合的路面裂缝分割网络。首先,采用U-Net网络为基础架构,设计双层卷积网络改进编码部分,增大感受野,提取丰富的上下文信息.其次,引入坐标注意力模块优化解码部分,进一步加强网络对裂缝边缘细节的学习.最后,将产生的多级特征反馈至特征融合模块,堆叠通道有效融合深层和浅层特征。此外,损失函数采用二值交叉熵损失和Dice损失函数相结合的方式,有效解决了背景大于裂缝像素点导致的样本不均衡问题。通过在CRACK500、CFD、Cracktree200公开数据集上的实验结果表明:该方法实现MIoU分别为76.8%、65.3%、53.0%,比现有方法MIoU平均提高3.5%,可以实现优异的道路裂缝自动分割效果.

关键词： 智能焊接   多层多道焊   图像处理   特征提取   路径规划  

摘要： 基于视觉的机器人多层多道焊路径规划技术可以大幅缩减人工示教时间,提高焊接效率和质量,受到了广泛关注。然而,焊接过程中受强弧光、飞溅等因素的干扰和焊缝特征提取精度低等的影响,对机器人多层多道焊路径规划技术提出了严峻挑战。通过分析多层多道焊路径规划过程的传感器开发设计、图像处理、特征提取及多层多道焊缝填充等关键技术,阐述了机器人多层多道焊路径规划技术的应用现状,并对其发展趋势进行了分析与展望。

关键词： 红外目标   检测与识别   深度学习   轻量化   YOLOv5n  

摘要： 基于深度学习算法的红外目标检测与识别技术是学术界研究的一个重要领域。基于对红外目标检测与识别的高精度和算法的轻量化两个目标的前提之下,在YOLOv5n网络模型的基础上,首先使用扩张式残差卷积(DWR)替换网络中的C3模块,实现了网络的轻量化,并且使网络可以灵活的提取不同尺度的特征。然后针对红外图像分辨率低且细节模糊的特点,用AF-FPN代替原来的FPN结构,提高了多尺度红外图像目标识别的能力。最后采用iRMB注意力机制插入到检测层,使得模型轻量化的同时检测精度仍能与原来的YOLOv5n相近。实验结果表明,改进模型较原YOLOv5n网络值提升了0.8%,模型体积下降了17%,实现了模型轻量化的同时基本不影响模型检测精度,满足体积小和轻量化需求,适合部署到嵌入式设备。

关键词： 船舶目标检测   YOLOX   尺度自适应   特征强化   分配策略  

摘要： 现有船舶目标检测算法大部分只是基于传统目标检测算法的优化改进,没有考虑船舶具有尺度长宽比例的外观特性,在多尺度目标检测中出现漏检误检问题。为了解决此问题,在YOLOXs基础上,提出一种尺度适应性感受野的船舶检测方法(SAF-YOLOX)。首先,对主干网络提取的不同特征层通过构建双向特征金字塔进行特征融合,增强每个尺度下的特征描述力;同时,设计自适应特征强化模块,抑制不同尺度的特征融合引入的冗余信息,弱化背景信息;然后在预测时,采用多路并行感受野的检测头,利用具有适应目标大小以及比例的感受野提取目标尺度适应性特征信息进行预测;最后,采用先筛选再分配的收敛感知策略,根据网络的收敛状态动态地分配样本,保证检测速度的同时提高检测精度。实验结果显示,所提方法在大型海事监控数据集SeaShips和MCShips上的平均检测精度分别达到93.21%和92.34%,与传统YOLOXs相比,分别提高了1.01%和1.09%。实验结果证明,所提方法利用尺度适应性感受野能实现多尺度船舶目标的高精度检测。

关键词： 水下射弹   高速摄像   线阵相机   弹形复原   超空泡   图像处理  

摘要： 针对水下环境恶劣、光线条件差、难以拍摄并复原高速射弹运动姿态及其超空泡演化过程等问题,采用线阵相机的交汇测量原理,设计基于线阵相机的水下射弹图像采集系统、搭建基于双线阵相机的图像采集靶面,提出一种针对水下高速超空泡目标识别与弹形复原算法。利用超空泡射弹几何关系与相机标定数据推导出射弹过靶坐标、姿态角与过靶速度公式,搭建12.7 mm滑膛枪垂直发射入水实验,对系统的可行性进行验证分析。实验结果表明:该系统能够有效地进行水下射弹图像的快速采集,较完整的对弹形及空泡形态进行分离与复原,解算出射弹水下运动速度、姿态角及超空泡形态参数;系统解算出的速度与同时部署的高速摄像所处理的速度误差在1%以内,证明该系统具有较高的可靠性与实用性。

关键词： 四轴飞行器   高速公路   动态规划   深度确定性策略梯度   目标跟踪  

摘要： 针对无人机(unmanned aerial vehicle,UAV)平台采集运动目标图像信息过程中因UAV自身的飞行状态、环境的干扰、目标的随机性等原因易产生运动目标丢失等问题,提出了一种基于运动目标识别的深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法UAV跟随方法。面向高速公路的车辆目标,分析了UAV高度、位姿与高速车辆运动之间的关系,建立了移动平台目标检测帧率的速度自适应模型,根据目标的运动状态计算能够相匹配UAV的飞行状态,实时修正飞行姿态与速度,使UAV能够保持与目标的相对位置和角度。继而基于DDPG算法价值网络估计UAV在不同状态下采取特定动作的价值,策略网络生成UAV在给定状态下采取动作的策略,给予UAV飞行高度、速度控制参数用于目标跟踪,使UAV能够根据目标的运动变化自动调节飞行状态,实现运动目标的自适应跟随。仿真实验表明:DDPG算法能够提供稳定的飞行姿态数据,为UAV的跟随任务提供了可靠的控制基础;通过在真实场景下实验验证,UAV能够实时跟踪速度范围0~33 m/s、半径为120 m的圆形面积内的地面运动目标,且在续航范围内能够实现持续稳定跟随。

关键词： 苹果叶部病害   目标检测   YOLOX   动态跨阶段局部网络(ODCSP)   Varifocal Loss  

摘要： 针对目前苹果叶片数据集的叶片病害种类不全以及图片背景单一等问题,构建了复杂背景下包括苹果叶部六种常见病害的苹果叶片病害数据集。针对目前主流苹果叶片病害检测模型检测精度不高、模型复杂和不满足实时监测等问题,提出了一种基于YOLOX-S(you only look once X-S)改进得到的复杂背景下的苹果叶片病害自适应检测模型Dynamic-YOLOX。设计并使用ECA-SPPFCSPC模块(efficient channel attention cross-stage partial fast spatial pyramid pooling module)更换YOLOX-S模型主干网络尾部Dark5中的空间金字塔池化(SPP)以及跨阶段局部网络(CSPNet)模块来增强模型关注深层语义特征、抑制无用信息的能力,并减少硬件内存开销。设计了动态跨阶段局部网络(ODCSP)模块,并用其更换YOLOX-S模型主干网络中Dark2、Dark3、Dark4部分以及颈部网络中所有的CSPNet模块,使得模型在面对不同输入特征时有更强的自适应性,在减少模型的参数量和计算量的同时提高了模型的平均检测精度。引入Varifocal Loss更换模型中分类置信度损失的BCEWithLogits Loss来提升模型对苹果叶片中密集小目标病害的检测精度。在自制数据集上Dynamic-YOLOX相对原始YOLOX-S模型的mAP提升了4.54个百分点,达到84.63%,同时模型的参数量和计算量分别下降了11.97%和13.45%,检测速度达到44.07 FPS。对比主流苹果叶片病害检测模型,Dynamic-YOLOX具有一定优越性。

关键词： 车辆工程   电气化公路   智能识别   计算机视觉   受电弓  

摘要： 针对当前电气化公路受电弓-接触网系统的弓网接触点检测方法无法适用于电气化公路重型卡车的问题,本文提出了一种基于计算机视觉的检测方法,用于实现对弓网相对位置的智能识别。该方法首先使用BiSeNet v2轻量级语义分割算法,对受电弓和接触网进行分割,通过筛选滤波得到弓网接触点的位置坐标,推算出弓网横向位移、速度值,提取受电弓-接触网系统的横向摆动的空间信息,为横向智能跟踪控制提供闭环输入支持。

关键词： 钢结构   表面锈蚀   损伤检测   计算机视觉   滑动窗口法  

摘要： 针对钢结构表面锈蚀损伤,传统的人工检测方法耗时、费力,且受检测人员技术水平限制。计算机视觉技术为钢结构表面锈蚀的检测和分类提供了一种快速准确的替代方法。目前常用的锈蚀程度检测技术多基于卷积神经网络结构,由于网络结构自身的缺陷,在进行锈蚀程度分类时存在忽略图像中部分锈蚀特征的问题,导致错误的检测结果。为此,提出了一种基于Vision Transformer网络结构的钢结构表面锈蚀程度识别方法,通过引入自注意力机制(SA)在进行特征提取的过程中保证数据的完整性,并在自建的锈蚀程度图像数据集上进行验证,该方法对锈蚀程度的分类准确率可达到90%。此外,还提出一种基于滑动窗口法的钢结构表面锈蚀程度检测方法,对待检测的钢结构图像进行切割,利用训练好的网络结构进行锈蚀程度检测,将检测后的图像重新拼接,实现钢结构表面锈蚀程度的可视化。

关键词： 行人重识别   计算机视觉   遮挡   局部特征   特征互补  

摘要： 本研究致力于解决行人重识别领域面临的挑战,特别是由于遮挡等问题导致的识别难题。现有方法通常在整体图像上进行处理,容易忽略被遮挡的细节信息,从而可能导致错误的识别结果。为了应对这一问题,本研究提出了一种局部特征互补的遮挡行人重识别方法。该方法通过对局部特征提取、学习以及特征间互补,有效地减轻了背景干扰和遮挡对行人重识别准确性的负面影响。研究结果表明,该方法在提高行人重识别准确性方面表现出明显的优势,为解决遮挡问题提供了新的思路,具有重要的实际意义和应用前景。