关键词： 目标检测   棉叶病虫害   主干网络   损失函数   注意力机制  

摘要： 棉叶病虫害是影响棉花产量的关键性因素,为解决传统人工棉叶病虫害识别准确率低的问题,提出一种基于YOLO v5s的改进模型来实现真实环境下的棉叶病虫害精确识别,该模型将YOLO v5模型的原主干网络改进为一种新的纯轻量级卷积网络架构RepViT,它与YOLO v5原有的主干网络CSPNet相比不但参数更少且具有更高的平均精度均值;再使用一种基于MPDIoU的边界框回归损失函数MLPDIoU来减小背景损失在置信损失中的占比,使得模型收敛更快速,模型训练更加充分,提高本模型在复杂背景下的目标检测精度;最后针对棉叶病虫害检测时存在的叶片背景复杂、病虫害叶片与健康叶片高度相似、同一张图像可能出现数种不同病虫害叶片的问题,在SPPF层之前添加ECA注意力机制,使本模型能更好的提取病虫害叶片的特征,减少背景的干扰。通过以上改进,该模型在真实环境下对棉叶病虫害检测的准确率达到了91.4%,均值平均精度达到85.8%,相较于SSD、YOLO v3、YOLO v4、YOLO v5等传统模型,准确率分别提高了6.3、2.7、7.5、3.4百分点,平均均值精度分别提高了4.0、5.2、4.6、4.8百分点,可以有效识别出各种棉叶病虫害,为棉花种植户进行参考。

关键词： 遮挡场景   无人机集群   多对地目标跟踪   伸缩系数   视频序列  

摘要： 为了确保目标在被遮挡场景下依旧可以稳定、准确得知目标的位置和状态,提出了遮挡场景下无人机集群多对地目标跟踪算法。通过负反馈控制器令无人机传感器的视线对准目标,消除方位角与俯仰角位置误差。结合前一帧中心加权数值,确定局部搜索区域并设置内插特征,得到目标连续域多信道特征。利用核相关滤波器求解最大响应位置和伸缩系数,更新分类器系数,完成无人机集群多对地目标跟踪。通过实验,证明所提算法能够实现在遮挡场景下无人机集群多对地目标跟踪,可及时更新目标的位置和状态信息,提高跟踪的准确性和效率。

关键词： 飞行目标   目标跟踪   核相关滤波算法   尺度变化   视角变化   YOLOv5l  

摘要： 在飞机等飞行目标的尺度以及视角发生变化时,核相关滤波(KCF)算法由于跟踪边框固定和滤波器准确性较低而易导致目标跟踪丢失。针对这一问题,在KCF算法基础上增加一种模型更新策略以提高模型准确性,并适时利用YOLOv5l检测网络实现对目标尺度的精确估计。在构建的飞机目标数据集上进行了实验验证,结果表明:相比原算法改进KCF算法在精确度和成功率上分别提升了0.315和0.285,在目标尺度及视角发生变化时具有较强的跟踪性能。

关键词： 智能化造纸   图像处理技术   纸张功能信息   智能化识别  

摘要： 纸张功能信息识别系统可以帮助相关人员快速掌握纸张的各类型功能信息,从而对纸张进行质量检测、库存管理、产品分类等。为提升当前主流纸张功能信息识别工作的效率,基于数字化图像处理技术开发了一种纸张功能信息识别系统,该系统硬件部分包含多模态传感单元、边缘计算终端、人机交互单元等;软件部分包含数据采集层、智能分析层、业务应用层等。系统通过纸张送入、数据采集、边缘计算等步骤可以实现对纸张功能信息的识别。

关键词： 茶叶病害检测   目标检测   通道注意力   空间注意力   特征融合  

摘要： 准确、快速检测茶叶病害对茶叶产业经济意义重大。然而,病害叶片尺度变化、相互遮挡、复杂背景等问题大大降低了检测精度。提出了一种融合通道和空间注意力的茶叶病害目标检测方法,以实现准确、高效的病害检测。首先,利用多层的自注意力机制提取茶叶病害的多尺度特征,以获取茶叶图像在不同尺度下的局部细节特征;其次,引入新的通道注意力模块以提取更丰富的通道信息,同时抑制复杂背景噪声并增强模型特征表示能力。此外,设计一种新的空间注意力模块进一步提取特征的空间关系、减少冗余信息并优化计算开销。实验结果表明,融合通道和空间注意力的茶叶病害检测方法能应对叶片的尺度变化、相互遮挡和背景复杂等挑战。

关键词： 电弧熄灭监测   计算机视觉   深度学习   图像处理   高压直流继电器  

摘要： 高压直流继电器的电弧熄灭监测对电力设备稳定运行意义重大,传统监测方法存在精度低、实时性差、适应性弱等问题。文章提出基于计算机视觉与深度学习的监测算法,经图像处理提取电弧特征,结合卷积神经网络(Convolutional Neural Networks,CNN)与深度学习模型,可实现电弧熄灭精确识别。实验验证,优化算法在不同环境下精度高、响应快,能有效提升高压直流继电器故障诊断能力,保障系统安全可靠。

关键词： 通道注意力   降维   并行池化   多特征融合增强   自适应   目标检测  

摘要： 针对通道注意力降维时导致细节信息损失和特征融合不充分的问题,提出一种并行池化注意力及多特征融合增强方法。首先,对输入图像使用两种池化模块并行处理,实现特征注意力增强。其中:熵引导池化模块利用通道信息熵生成特征权重系数,加强边缘纹理等细节信息;方向感知池化模块捕获图像在垂直和水平方向上的空间方向信息,再计算通道均值实现逐步降维保留关键特征。其次,多特征融合增强模块利用特征图尺度的对数函数自适应选取卷积核的大小,再将卷积后的特征分组重塑为与输入图像维度相同的通道、高度和宽度方向上的三个特征子图,并进行元素相乘获得增强特征图。最后,增强特征图与输入图像加权融合,同时增强目标的位置和细节信息。实验结果表明,文中方法在参数量不变的情况下,在VOC2007数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.62%、4.46%,在COCO数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.57%、4.63%。

关键词： 目标检测   YOLOv11   手眼标定   机器人上料  

摘要： 【目的】解决多品种、小批量生产时停产换线的问题。【方法】创新了一种基于深度学习的物料识别与机器人上料技术。首先,对相机、机器人、PLC等硬件进行选型和接线,完成试验平台的搭建;其次,比较目标检测的深度学习算法,选择YOLOv11算法对图像进行训练、验证、识别;再次,对相机进行标定,对手眼进行标定,计算得出图像与机器人末端之间的转换关系;最后,根据图像识别结果,计算机器人末端应偏移的变量,实现机器人自主上料。【结果】该试验平台识别准确率达99.5%,准确抓取率达99.0%,能够对不同种类工件进行上料,解决停产换线问题。【结论】未来的研究可考虑工件的高度变化,利用深度摄像头获取工件的深度信息,结合Z轴的偏移变量以实现不同高度品类工件的自动上料。

关键词： 平面设计   格式兼容   图像处理  

摘要： 在数字媒体迅速发展的背景下,平面设计师常常面临处理和管理多种图像格式的挑战。文章通过探讨现有的多格式兼容图像处理技术,分析其在提升设计效率和维持作品质量方面的作用,基于对智能格式识别、自动化转换流程以及云计算支持等技术的研究与分析,揭示了这些技术在优化图像处理流程中的优势。结论表明,深入应用这些技术可为平面设计行业提供更加高效和灵活的工具支持,有助于推动设计工作的智能化发展。

关键词： 目标检测   主动视觉   参数调整   视点规划   智能感知  

摘要： 目标检测是计算机视觉领域的基础研究方向之一。由于图像采集时物体摆放密集、光照条件差等因素导致图像失去细节,当使用此类图像作为输入时,常规的目标检测算法对目标物的检测结果无法满足任务需求。为了解决这类问题,面向目标检测的视点规划这一智能感知方法应运而生,其可自主分析当前条件下影响检测任务的因素,调整相机的位姿参数规避影响,实现目标物准确检测。面向目标检测的视点规划方法不仅可以辅助计算机视觉的其他领域,也会为未来的智能化生活提供便利。为了反映其研究现状和最新进展,本文梳理了2007年以来的文献,对国内外的研究方法做出概括性总结。首先,以算法应用的场景维度和调整参数作为分类依据,将面向目标检测的视点规划方法分为二维像素调整的规划方法、三维空间移动的规划方法以及两者结合的规划方法3类,本文重点对前两类方法进行分析与总结。其次,解析每类方法的基本思想,并指出各类方法需解决的关键问题,然后对解决问题的主要研究方法进行归纳和分析,并总结各自的优点和局限性。除此之外,本文也对各类场景下可使用的数据集和评价指标进行简要介绍。最后,在目前方法的分析基础上,探讨面向目标检测的视点规划领域所面临的挑战,并对未来研究方法进行展望。