关键词： 车辆轨迹提取   实时检测   YOLOv8   DeepSORT   交通安全  

摘要： 为应对传统方法研究车辆轨迹存在精度和效率局限的问题，加快推进道路交通数字化治理模式，本文提出了一种基于多目标跟踪优化的路口车辆轨迹提取方法。首先，基于YOLOv8s算法框架，引入多分支卷积模块并设计了一种结合标准卷积与深度可分离卷积的图像处理方法，以提高模型对不同场景的鲁棒性并保持帧率稳定。然后，通过精确量化角度差异和距离损失，改进了DeepSORT算法的损失函数，以提高模型的收敛速度和处理不规则物体的准确度。最后，通过推导出像素坐标系与真实世界坐标系的转换关系，确保了车辆轨迹的准确提取。实验结果表明，改进模型较原模型mAP、召回率和MOTA分别提升了2.9%、5.6%和0.7%，编码变换次数（IDS）下降64%，在检测的同时能够保持帧率稳定，能够准确提取车辆在监控录像中的轨迹信息。这对于深入研究车辆特性和道路交通风险提供了方法支撑，具有较高实战应用价值。

关键词： YOLOv7   目标检测   Wise-IoU   LAMP剪枝   通道知识蒸馏   TensorRT  

摘要： 针对矿井下输送机特殊运行环境下输送带撕裂的检测难题，提出一种线激光辅助下的改进YOLOv7轻量化检测算法。首先，针对输送带撕裂以小目标为主，不需要最大的检测层，从而简化网络模型，达到减小模型体积和减少参数量的目的。此外，采用动态非单调FM的Wise-IoU损失函数，使模型更加关注普通质量的样本，提高模型检测性能。然后，使用LAMP(layer-adaptive magnitude-based pruning)剪枝方法，提高模型的计算速度并降低计算复杂度，实现检测网络的轻量化，采用通道知识蒸馏无损提高模型精度，最后使用TensorRT加速模型，达到更快的检测速度。实验结果表明，与基准模型相比，改进后模型的参数量和计算量分别减少了86.8%、49.2%，mAP@0.5:0.95达到了62.4%，并且检测速度提升151.0FPS，模型大小从71.3MB减少到12.8MB。经过改进后的模型，提高了对输送带撕裂故障检测的准确性和实时性。

关键词： 特征蒸馏   模型轻量化   卷积神经网络   计算机视觉   深度学习   掩膜策略   自适应特征连接  

摘要： 针对现有特征蒸馏方法中存在教师-学生之间特征连接依靠人工设计，且难以确定特征之间的蒸馏强度导致学生模型学习无用信息的问题，文中提出了一种随机掩膜和自适应特征知识蒸馏（Random Mask and Adaptive Feature Distillation， MAFD）算法。该算法通过引入自注意力机制来自适应地确定教师-学生候选特征层之间的蒸馏强度。在学生特征生成阶段，引入随机像素掩膜策略使教师模型指导学生特征生成，以提高剩余像素的代表性，从而增强学生网络的表征能力。实验结果表明，该知识蒸馏网络在CIFAR100和ImageNet数据集上使学生模型相对基线性能提升2.0%～6.2%，在任务CUB-200、indoor、Actions和Dogs上相对于基线分别提高27.27%、14.75%、25.55%和12.55%。验证了对RetinaNet模型在COCO-2017数据集上的性能提升，说明MAFD能够更好地减少教师模型和学生模型之间的知识转移损失，并取得了竞争性的结果。

关键词： 半监督   作物   图像处理   目标检测   图像分割   图像分类  

摘要： 半监督学习通过结合少量标注数据和大量未标注数据，显著减少数据标注需求和成本，同时提高模型的泛化能力和性能，为深度学习和机器学习在资源受限环境中的发展提供了新的路线。随着半监督学习在图像处理领域取得突破性进展，本综述以现代农业为调查对象，探讨半监督学习方法在农业生产中的作用。首先，根据半监督基础定义和假设提出半监督概念模型，同时按照利用监督信号的差异将半监督学习分为伪标签和无监督正则化。其次，从目标检测、图像分割、图像分类和多任务联合学习出发，对农业作物管理、杂草管理、水果检测、植物健康、植物表型和叶片分类等具体任务进行全面回顾。最后，分析并讨论了半监督学习在农业图像处理领域的未来研究方向。

关键词： 目标检测   YOLOv7-tiny   激活函数   集中综合深度可分离模块   注意力机制  

摘要： 实现实时印刷电路板（Printed Circuit Board, PCB）表面缺陷检测是提高PCB制作工艺流程智能化的基础，针对原始PCB检测方法耗时长、精度低、不易移动的问题，提出了一种基于YOLOv7-tiny的改进模型。将YOLOv7-tiny中的SiLU激活函数替换为ELU函数，引入集中综合卷积模块（C3模块），将深度可分离卷积与C3相结合，构成集中综合深度可分离模块，并添加卷积块注意模块。经实验，改进后的模型在检测准确性、召回率以及均值平均精度上都表现出色，相较于原模型大小下降了2.8 MB。与其他主流的目标检测方案对比，也表现出较好的检测效果。改进后的YOLOv7-tiny能够保持更高的准确性，同时还减少了模型的内存需求，这为PCB缺陷的实时检测以及边缘部署提供了新的可能性。

关键词： 视觉位置识别   金字塔主成分   位置聚类   图像处理  

摘要： 视觉位置识别是计算机视觉和机器人领域中重要的研究内容。自然场景中由于视点改变所带来的图像内容变化会对位置识别造成一定的难度。为了解决这一问题，提出一种基于位置聚类的特征重组方法。首先，提出一种通用的金字塔扩展方法 PyramidVLAD用于直方图特征提取。此外，为了进一步提升效率，将距离在一定阈值内的图像聚类至同一位置，然后再进行相似性计算。通过多组实验验证所提方法的有效性，使用PyramidVLAD与先进方法 APANet进行比较，在Recall@1方面，所提方法在两个数据集中分别取得了1.02和2.54百分点的提升，实验结果表明所提方法能够在两个位置识别的基准数据集中获得比现有方法更好的效果。

关键词： 铝熔体   氧化铝   润湿性   座滴法   悬滴法   图像处理  

摘要： 高温下熔体的润湿性对焊接工艺的改进具有重要研究意义，良好的润湿性能够提高焊缝质量，减少焊接缺陷，从而降低制造成本，提高生产效率。本研究搭建了一个低成本的由管式炉、相机、光源、真空泵和计算机构成的实验平台，利用座滴法和悬滴法开展了真空环境中不同温度条件下熔体Al在Al2O3基板上的润湿性实验，获得了边缘轮廓清晰、对比度明显的高质量图像，并采用开发的润湿性参数测量程序，计算了接触角、表面张力、热膨胀系数、铺展速度等参数。结果表明，润湿性参数的测量具有较高精度，温度升高能够促进熔体Al在Al2O3基板上的润湿，表现为接触角明显减小，铺展半径明显增大。

关键词： 金属带钢   缺陷识别   图像处理   特征融合   主成分分析法  

摘要： 带钢是现代制造业的重要原材料，其表面缺陷严重影响了最终产品的性能。为实现热轧带钢表面缺陷的准确识别分类，本文提出了一种基于特征加权融合的带钢表面缺陷识别方法。针对6种类间差异小、类内差异大的热轧带钢表面缺陷，分别从特征提取、特征融合、特征降维三个方面改进机器学习算法，获取低维度、高信息度的缺陷特征。通过支持向量机（SVM）训练特征，实现缺陷分类。实验结果表明，融合特征较单一特征具有更强的表征能力，本文方法的缺陷识别率达到了98.33%，具有较强的实用性。

关键词： 目标检测   联合优化   YOLOv8   复杂天气   图像去噪  

摘要： 针对自动驾驶车辆视觉感知系统在雾天、雨天等复杂天气下因环境噪声导致目标检测效果不佳的问题，提出基于自适应图像去噪与多重关注的联合优化目标检测算法DMC-YOLO（Denoising and Multiple Concern-based YOLOv8）。构建一个图像去噪网络，融合暗通道先验算法和ACE图像增强技术模块，提升复杂天气下的图像质量；进一步地，将该网络与YOLOv8主干网络相连，并在YOLOv8网络中运用SCDonw卷积代替标准卷积，集成点卷积与深度卷积，降低网络计算成本，同时获得更丰富的下采样信息；采用SEAM注意力模块，整合网络局部信息和全局信息；引入SA检测头，广泛关注上下文特征以保留更多细节信息；在损失函数中引入线性区间映射重构IoU，以提升网络对于不同复杂环境的适应性。实验结果表明，相较于基线模型，改进算法在参数量降低15%的情况下，平均精度提升2.9个百分点，有效增强了自动驾驶车辆在复杂环境下对目标的识别能力。