关键词： 毫米波雷达   横向目标检测   自动驾驶   传感器融合  

摘要： 恶劣天气下,单一的毫米波雷达在进行近距离横向目标的检测时存在探测精度不准确、传感器损坏、稳定性差等问题,为此提出了一种基于双毫米波雷达融合的自动驾驶车辆横向目标检测和跟踪方法,在双车道同向行驶情况下,主车A融合两个毫米波雷达来检测横向目标车辆B的加速度、速度和位置;在误差允许的情况下,主车A进行横向目标障碍物的检测和跟踪,并在适当条件下完成A车换道并超车。仿真结果表明,融合毫米波雷达的自动驾驶车辆横向目标检测和跟踪方法具有准确度高、稳定性好的特点。

关键词： 喷雾   锥角   OpenCV   图像处理  

摘要： 喷嘴作为船用内燃机的核心部件,其喷雾锥角直接影响了内燃机的雾化效果和燃烧效率。常规喷雾锥角测量采用人工观察锥角投影面,具有操作要求高和测量精度低的问题。为避免这一问题,采用视觉摄像头捕捉喷雾形态,基于OpenCV视觉开发包,结合Python编程平台,采用感兴趣区域(ROI)提取、腐蚀、膨胀、边缘检测、直线检测和锥角计算等系列算法对图像特征进行处理,实现喷嘴喷雾锥角自动计算,获得了较好的自动锥角计算效果。该算法可拓展应用于各类喷嘴的性能试验。

关键词： 计算机视觉   EfficientNet   指针式水表   读数识别   CA注意力机制  

摘要： 指针式机械水表主要依靠人工进行抄表和识别,存在耗时长、人工成本高、识别错误率高等缺点。近年来随着深度学习技术的发展,研究人员将其应用于水表读数识别方面。设计一套基于深度神经网络的指针式机械水表读数识别算法(PWMR-DL),可准确地识别指针式机械水表的读数,并构建指针式机械水表数据集用于算法训练和测试。针对子表盘的检测和矫正,引入MaskRCNN模型实现表盘定位与分割,并设计了高效的矫正策略对各个子表盘进行旋转校正,以提升指针式机械水表图像在不同旋转角度下识别的鲁棒性,减少误差。在子表盘读数识别阶段,引入CA注意力机制改进EfficientNet模型,以提升读数识别的准确率,并通过增加分类维度到20类,细化了指针位置处于数字间隙时的判断精度。同时,结合子表盘读数序列相关性校正逻辑设计读数生成方法,有效减少了读数错误。实验结果表明,PWMR-DL算法在子表盘读数识别方面,与改进前的EfficientNet模型相比精度提升了约2.4%,而且经过优化的模型仅增加了少量参数,维持了其轻量级的特性。在低分辨率图像下,PWMR-DL算法的整体识别精度可达到96.8%。

关键词： 开放词汇   开放世界   零样本学习   开放场景目标检测   视觉语言模型  

摘要： 目标检测方法针对特定场景进行训练,需要识别的物体都要人工标注,检测器只能识别被标注的物体。随着目标检测应用场景逐渐增加,特定场景下训练的目标检测器不能满足多样化场景需求,目标检测方法的泛化性能成为研究者关注热点。不同场景中存在同一物体标签不一致,不同物体特征差异较大等问题,导致在特定场景下训练目标检测器无法泛化到其他场景。针对上述挑战,研究者提出面向开放词汇目标检测方法,利用大量图像-词汇知识将目标检测器从特定场景扩展到开放场景。检测器扩展到开放场景通常有两种方式,即基于大规模图像标题数据方法和基于预训练视觉语言模型方法。基于图像标题数据方法通常需要从大量数据中提取与物体相对应的词汇知识注入检测器,基于视觉语言模型方法则直接利用预训练的知识扩展检测器。开放词汇目标检测模型无需重新训练即可应用在不同场景,更加实用有效。

关键词： 目标检测   遥感图像   实时检测Transformer   卷积块注意力模块  

摘要： 针对遥感图像目标排列紧密、背景复杂和小目标众多导致检测精度低的问题,提出了一种基于改进实时检测Transformer(Real-Time Detection Transformer, RT-DETR)的遥感图像检测算法。将Mosaic9数据增强应用到遥感数据中,丰富训练数据中场景和目标的组合,增强模型对不同环境下目标的识别能力。在主干网络中添加卷积块注意力模块(Convolutional Block Attention Module, CBAM),增强复杂背景下目标的关注度和图像特征提取能力,在模型中额外添加一个针对小目标的检测层,使小目标的细节特征更加突出,提升模型对小目标的检测能力。在DSTD舰船遥感数据集和NWPU VHR-10多类别遥感数据集上的实验结果显示,改进后的算法在交并比(Intersection over Union, IoU)阈值为0.5时,平均精度均值(mean Average Precision, mAP)分别达到了94.9%和94.5%,较原始RT-DETR算法分别提升了1%和1.3%,体现了改进算法在遥感图像检测上的有效性和通用性。

关键词： 机器视觉   图像处理   火焰完结点   垃圾焚烧炉   炉排炉  

摘要： 炉排炉是国内垃圾焚烧厂中最主流的技术。当垃圾在焚烧炉内燃烧时,为了防止出现偏烧导致炉排被损坏以及安全事故的发生,需要时刻检测垃圾在炉排上的位置与燃烧状况。目前对垃圾焚烧炉内燃烧状况的检测主要是通过人工观察实现,此种方法存在很大的弊端。通过机器视觉技术,对提取到的垃圾燃烧图像进行数字图像处理,检测图像中火焰的边缘并标注燃尽线的距离供操作人员调整炉排的翻滚。试验表明:基于机器视觉的垃圾焚烧火焰完结点提取克服了“人工观火”的主观性影响,提高了火焰完结点的检测效率与准确率,使用此方法得到的火焰拟合线的距离误差在±10 cm以内。

关键词： 多目标跟踪   YOLO   计算机视觉   深度学习  

摘要： 【目的】针对监控视频跨域环境下的多目标跟踪画面中,频繁遮挡、轨迹开始终止时刻未知、目标太小、目标间交互、表观相似以及摄像头视角变化等问题,提出一种改进的多目标跟踪算法。【方法】该算法最大化利用低分检测对象,将未匹配的低分对象进行二次匹配,目标跨域后,依据摄像头拓扑排序规则,以及相邻摄像头的未匹配跟踪轨迹,同时对检测器YOLOv5算法进行优化改进,通过信息流的层层递进,有效解决多尺度问题和小目标信息提取不充分等问题,在相邻的摄像头中快速匹配到跟踪对象,以提高跨域环境下特定多目标跟踪的精度。【结果】对比消融试验表明,本改进算法MOTA达到了62.8%,IDswitch也显著降低。

关键词： YOLOv8   无人机   红外图像   目标检测   GSConv  

摘要： 针对当前无人机红外航拍图像目标检测精度低与红外小目标检测困难的问题,提出了一种基于YOLOv8改进的无人机红外航拍目标检测方法。引入双通道特征融合结构,增加网络特征融合能力,减少特征信息的丢失;增加轻量化小目标检测层,提高模型对红外小目标的检测能力;使用轻量级卷积模块GSConv替换颈部网络C2f中的传统卷积,减少模型的大小,提高模型的检测速度;最后在主干网络的SPPF模块后面加入卷积注意力模块,进一步增加模型对红外目标信息的关注,提高模型检测的准确率。通过实验验证了改进后网络的可行性,与基准模型YOLOv8n相比,准确率提高了4.1%,平均精度mAP50提高了3.7,并与8种当前主流模型对比,在所有模型中,提出的模型准确率最高,达到了83.3%,同时FPS达到153,证明了方法的有效性。

关键词： 水果采摘   目标检测算法   深度学习   卷积神经网络   计算机视觉  

摘要： 中国在水果产量方面处于全球领先地位,但因人力资源减少和老龄化问题,传统的人工采摘方式已经无法满足快速高效的采摘需求,研发集成计算机视觉的自动化水果采摘设备成为解决劳动力短缺难题的关键。水果大多呈类球状,相关的识别算法研究居多,探讨了柑橘、蜜桃等类球状水果的识别算法。根据应用场景的不同,分析了传统类球状水果识别算法与基于深度学习的类球状水果识别算法在网络结构方面的差异与改进,对水果采摘识别算法进行总结并提出算法的未来发展趋势。传统算法在简单场景下表现有效,但在复杂环境中往往会受到设计特征的限制,基于深度学习的算法因其高效性和准确性更适合自动化水果采摘的需求。总结了类球状水果识别算法的研究进展,在处理复杂环境时深度学习算法具有良好的有效性和适应性,更适合部署在自动化采摘设备;也提出了未来的研究方向,即通过优化算法性能、数据集构建及扩增,以及结合多模态数据提升算法的精度和适应性。

关键词： 高超声速滑翔目标   空气动力学模型   自适应滤波   参数估计   变分推断   KL散度   密度估计  

摘要： 针对非合作高超声速滑翔目标跟踪中动力学模型参数未知且时变的问题,提出了一种基于变分推断的自适应跟踪方法。先在半速度坐标系中建立目标的空气动力学模型,将机动控制量增广到状态中,把模型中的未知参数视为随机变量;然后,利用变分推断自适应滤波策略对目标运动状态和模型中的未知参数的概率密度函数进行联合估计和辨识。两种典型机动轨迹的跟踪仿真结果表明,所提方法能够较好地适应阶跃机动和连续幅值机动,跟踪精度优于基于运动学的自适应跟踪方法。