关键词： 接触网   异物检测   YOLO   目标检测   损失函数   注意力机制  

摘要： 接触网是为列车行驶提供电力的输电线路,附着在接触网的塑料袋等异物会对列车运行造成安全隐患。针对目前人工检查效率低下、劳动成本高等问题,本文提出一种基于YOLOv7改进的接触网异物检测模型YOLO-CDBW。首先,在特征提取阶段构建一种使用残差瓶颈结构和深度分离卷积层的特征提取模块,避免因网络深度增加造成的小目标特征丢失问题,并降低网络运算量;其次,颈部改用BiFPN结构,捕捉多尺度信息,改善细节特征丢失问题,同时嵌入BiFormer注意力机制,重新分配融合后特征图的权重,提高网络对异物的关注度;最后,使用WIoU损失函数优化模型,通过动态聚焦机制,将注意力聚集在普通质量锚框上,提高预测精准度。经实验,YOLO-CDBW模型平均精度均值mAP 0.5达到87.1%,检测速度FPS达到66.5 frame/s,较YOLOv7模型分别提高5.0和10.8个百分点,满足接触网异物检测需求。

关键词： 病变叶片检测   WeightedDetect   CBAM   GhostModule   BiFPN   目标检测  

摘要： 目的旨在解决植物叶片病害检测中目标检测技术参数量大、计算复杂度高及病害检测准确率低等问题.方法提出一种改进型轻量级YOLOv5模型.该模型通过集成CBAM(convolutional block attention module)、GhostModule以及BiFPN-Concat模块,降低了特征通道融合的计算复杂度,同时提升了特征提取性能.还创新性地设计了WeightedDetect结构,替代了传统的检测头部,以实现对不同尺度目标的自适应识别.结果与原始YOLOv5模型相比,提出的模型在病害检测准确度上提升了2.7%,同时在参数量上增加了9.5%,而在计算复杂度的指标FLOPs(floating point operations)上降低了10.5%.还在VOC数据集上进行了模型的通用性测试,与YOLOv5相比,准确度提高了3.7%.结论提出的改进型YOLOv5模型不仅提高了植物叶片病害检测的准确性,而且通过优化计算复杂度,提高了模型的实用性和效率.这一改进对于提高农业生产的智能化水平,以及更有效地预防和管理植物病害具有重要意义,并为相关领域的研究提供了新的解决方案.

关键词： 智能手杖   超声波测距   YOLO模型   目标检测   计算机视觉   卷积神经网络  

摘要： 传统盲人手杖只注重盲人使用过程中的多功能性和舒适性,而忽视了与信息技术的结合,为此设计了一款基于计算机视觉的智能盲人手杖系统,旨在解决盲人出行中遇到的实际问题。系统利用计算机视觉进行目标检测和人脸识别,采用超声波模块测量盲杖前方障碍物的距离,通过耳机语音实时播报,帮助盲人更好地感知周围环境。系统由K210主控制器、超声波模块、摄像头模块、LCD显示屏和语音提示器等组成,使用YOLO模型对图像进行处理分析,将识别结果显示在LCD屏幕上,并实现同步实时的语音提示。经验证,系统运行稳定,且具有通用性和适配性,可以嫁接到其他盲人手杖上,并可根据用户需求进行升级,具有较广阔的应用前景。

关键词： 无人机   航拍图像   注意力机制   损失函数   轻量化  

摘要： 针对无人机视角下航拍图像目标检测中存在的目标尺度变化多样、背景复杂、小目标聚集以及无人机平台计算资源受限等问题,提出了一种改进YOLOv8目标检测算法YOLOv8-CEBI。首先,在骨干网络引入轻量级Context Guided模块,显著降低模型参数量与计算量,同时引入多尺度注意力机制EMA,捕获细粒度空间信息,提升对小目标和在复杂背景下的检测能力。其次,引入加权双向特征金字塔网络BiFPN,对颈部进行改造,在保持参数成本的前提下,增强多尺度特征融合能力。最后利用Inner-CIOU损失函数生成辅助边框以更精准地计算损失并加速边界框回归过程。在VisDrone数据集上进行实验,结果表明,与原始YOLOv8s算法相比,改进方法参数量减少51.3%,运算量减少28.5%,mAP50提升1.6%。所提模型在轻量化的同时提升了精度,取得了在减少计算资源与保证精度之间的平衡。

关键词： 数字图像处理   教学改革   案例教学法   MATLAB  

摘要： 数字图像处理作为一门技术密集型学科,在研究生教育中占有重要地位。随着科技的快速发展,传统的教学模式往往难以满足学生对实际操作和问题解决能力的需求。采用工程案例的教学模式,能够更好地适应数字图像处理领域的特点,培养学生的创新能力并提高学生的实践能力。本文阐述了在研究生“数字图像处理”课程中采用案例教学法的教学改革,分析其必要性、实施过程,以及评估案例教学法对研究生学习数字图像处理知识的成效,并提出相应的教学改革建议。实践与研究表明,在研究生“数字图像处理”课程教学中,引入工程案例,运用MATLAB仿真,获得了良好的教学效果,解决了数字图像处理实践教学中存在的问题。

关键词： 目标检测   旋转测量   轨迹预测   深度学习   检测精度  

摘要： 物体在高速运动过程中受到的外力改变了其角动量,从而导致旋转的发生,而旋转产生的马格努斯力使物体轨迹变得难以预测。想要完成高速旋转目标的准确测量与轨迹预测离不开目标的检测、追踪以及运动建模。为提高研究人员对高速旋转目标转速测量与轨迹预测的了解程度,梳理体育、军事、自动驾驶等领域中关于高速旋转目标的研究文献,涵盖了从传统方法到深度学习算法的演变,重点分析计算机视觉算法及其难点、旋转测量与轨迹预测方法。通过全面梳理相关内容,发现现有高速旋转目标的转速测量及轨迹预测算法仍存在稳定性和实时性不足等挑战,后续仍需深入探索与实践。

关键词： 织物疵点   YOLOv8   GhostNet   注意力机制   轻量化   目标检测  

摘要： 为应对织物疵点目标检测中背景纹理复杂以及硬件资源有限问题,本文提出一种基于改进YOLOv8n的轻量化织物疵点检测算法(GSL-YOLOv8n)。首先,为减少YOLOv8n模型参数量与网络结构复杂度,结合Ghost思想构建C2fGhost模块,并用Ghost卷积层替换YOLOv8n网络结构的普通卷积(Conv);其次,在主干网络末端嵌入无参注意力机制SimAM,去除冗余背景,增强小目标语义信息和全局信息,增强网络特征提取能力;最后,设计轻量化共享卷积检测头LSCDH,运用Scale层对特征进行缩放,在保证模型轻量化的同时尽可能减少精度损失。改进后的算法GSL-YOLOv8n相比原YOLOv8n模型平均精度提升0.60%,达到98.29%,检测速度FPS基本保持不变,模型体积、计算量和参数量分别减少66.7%、58.0%和67.4%,满足纺织工业生产对织物疵点检测的应用要求。

关键词： 大卷积核   目标检测   时空行为检测   行为识别   特征融合  

摘要： 目前大卷积核模型在图像领域已经证明其有效性,但是在视频领域还没有优秀的3D大卷积核模型。此外,之前的工作中忽视了时空行为检测任务主体是人的特点,其中的骨干网络只针对通用目标提取特征。针对上述原因,提出了一种含有特征融合结构的3D大卷积核神经网络(FFConvNeXt3D)。首先,将成熟的ConvNeXt网络膨胀成用于视频领域的ConvNeXt3D网络,其中,预训练权重也进行处理用于膨胀后的网络。其次,研究了卷积核时间维度大小和位置对模型性能的影响。最后,提出了一个特征融合结构,着重提高骨干网络提取人物大小目标特征的能力。在UCF101-24数据集上进行了消融实验和对比实验,实验结果验证了特征融合结构的有效性,并且该模型性能优于其他方法。

关键词： 外辐射源雷达   低轨卫星互联网   无源探测   目标检测   多源协同  

摘要： 相较于地基外辐射源雷达，基于卫星信号的外辐射源雷达(即卫星信号外辐射源雷达)具有全球、全时、全天候覆盖等优势，可弥补地基外辐射源雷达在海上覆盖范围不足的限制;相较于中高轨卫星信号，低轨通信卫星信号具有接收功率强、卫星数目多等优势，可为海上目标无源探测提供可观的探测距离与探测精度。面向未来发展需求，该文详细论述了卫星信号外辐射源雷达研究现状与应用前景，给出了以铱星、星链两类低轨通信卫星系统构建高低频宽窄带融合的低轨通信卫星信号外辐射源雷达系统的可行性分析，据此总结了研发低轨通信卫星信号外辐射源雷达系统面临的技术挑战与候选解决思路。上述研究可为广域范围内，外辐射源雷达探测提供重要参考。

关键词： 目标检测   YOLOv5   行人检测   可变形卷积  

摘要： 行人检测在智能交通、人流统计等场景发挥着重大作用。针对当前密集场景下遮挡行人和小尺度行人容易漏检的问题,提出一种改进YOLOv5的目标检测算法。首先,在主干网络中采用C2f模块替换原有的C3模块,该模块可在轻量化的前提下获取更加丰富的梯度流信息,提高对小目标的检测能力;其次,在主干网络中引入可变形卷积模块,该模块能够增强卷积神经网络的感受野,改善对目标形变的建模能力,提高遮挡环境下行人特征的提取能力;最后,优化边界框回归损失函数,将FocalLoss与EIOULoss融合,加速收敛,提高回归精度。实验结果表明,与现有的YOLOv5s相比,召回率提升2.9%,mAP0.5提升1.3%。