关键词： 自适应融合   多级注意力机制与全局统筹信息融合方法   三维目标检测  

摘要： 传统的三维感知任务是获取二维目标特征和复杂的深度测距信息,通过线性变换和几何处理得到三维目标信息。为了有效提高目标检测的准确性,提出了基于多级注意力机制与全局统筹信息融合(multi-level attention mechanism and global overall information fusion,MAMGOIF)的三维目标检测方法。首先,在轻量级ResNet-50网络的基础上,与卷积操作和全连接操作相结合,用于提取多尺度图像特征信息;其次,利用多级注意力机制网络对多尺度局部信息进行自适应融合和增强通道信息;再次,构建全局信息融合网络,用于学习鸟瞰图(bird's-eye view,BEV)图像特征,通过卷积层获得三维目标信息;最后,将所提出的方法在公开的三维目标检测数据集nuScenes上进行实验。结果表明,提出的MAMGOIF模型比现有主流目标检测算法具有更好的性能。

关键词： YOLOv8s   红外小目标检测   深度非跨步卷积   Shape_IoU损失函数   双注意力机制  

摘要： 针对红外成像面积小、分辨率低、易被遮挡导致漏检、检测精度低等问题,本文提出了一种基于SSE-YOLO的红外小目标检测算法。首先在YOLOv8s的基础上引入深度非跨步卷积模块,避免检测过程中细粒度信息的丢失并提高特征学习的效率;其次在特征提取阶段增加专门针对小目标的检测层,以提升模型对红外小目标的提取能力;此外设计了一种高效的双注意力机制(efficient dual-attention mechanism,EDAM),自适应地学习每个通道和空间位置的重要性,从而更好地捕捉图像中的关键信息;然后使用Shape_IoU损失函数来聚焦边框自身形状与自身尺度,进一步提高边框回归的精确度;最后在FLIR数据集和艾睿光电公司拍摄的数据集上进行了一系列实验。结果表明:本文所提方法在两种数据集上的平均精度分别达到了89.8%与92.1%,相比于原始的模型分别提高了3.3%与2.9%。

关键词： 计算机视觉   矿用皮带机   YOLOv8网络模型   图像处理  

摘要： 工业生产环境中的皮带机经长期运行后,容易出现偏移现象,引发生产事故。针对该问题,提出了一种基于视觉系统的矿用皮带机调偏方法,通过高分辨率摄像头捕获现场图像,经改进的YOLOv8网络模型定位调偏区域后,对定位区域进行灰度处理,使用设计的偏移判定算法对皮带边缘像素进行提取计算,绘制得到皮带边缘线,最后根据边缘线位置获得当前皮带位置与标准位置的偏移差,将该距离值送入下层硬件系统,使皮带调节装置设备产生正确响应调整,从而完成皮带机的实时检测及自动矫正偏移过程。

关键词： Python技术   《煤化学》   图像处理   清晰度   化工教学  

摘要： 针对矿物加工领域煤炭絮团图像中模糊颗粒对图像识别干扰的问题,研究利用Python中的内置Laplacian函数完成煤炭絮团图像的去模糊化,并通过引入区域平均灰度的方法实现了煤颗粒絮体清晰度的识别,实现了传统图像处理技术与Python技术的结合,将该方法应用于《煤化学》实验教学中,探索基于Python的图像处理技术在化工专业教学中的应用,对图像处理教学改革提供了新思路。

关键词： 计算机视觉技术   电子通信设备检测   性能优化   效果评估  

摘要： 电子通信设备复杂性攀升,将传统检测技术推向极限边缘。领域内人员全力革新检测效能,深入挖掘计算机视觉技术应用,通过算法优化降低计算负担、硬件加速提升处理效能,并以检测精度等关键指标全面评估成效。实证数据表明,该技术显著提高检测精度与效率,为电子通信设备检测筑牢防线,推动行业迈向新的发展高峰。

关键词： 深度学习   生活垃圾检测   YOLOv8   目标检测  

摘要： 随着社会的进步和生活水平的逐渐提高,生活垃圾也日益增加,垃圾分拣工作面临着工作环境复杂、对工作人员体力要求高等挑战。为了提高生活垃圾分拣效率,提出一种加强特征模块融合、引入注意力机制和MPDIoU损失函数的改进YOLOv8的生活垃圾检测模型,用于生活垃圾检测和分类。首先,利用GOLD-YOLO中的Gatherand-Distribute机制对特征融合模块进行改进;其次,将注意力机制的目标检测头添加到模型中,并将损失函数替换为MPDIoU,从而提高模型对生活垃圾的检测性能;再次,在改进算法结构后,通过实验数据比较对训练策略加以改进;最后,在生活垃圾数据集上进行了验证。结果表明,经过改进后的模型检测精度明显提升,mAP@0.5和mAP@0.5∶0.95分别提高了0.4%和2.9%,生活垃圾检测能力得到有效提升。

关键词： 目标检测   黑烟检测   YOLOv8   轻量级模型   注意力机制  

摘要： 柴油车辆排放黑烟是道路交通环保执法的重点和难点。由于受复杂环境条件的影响,针对目前黑烟检测存在精度和速度方面的不足,提出一种基于改进YOLOv8的轻量级柴油车辆排放黑烟的检测模型。首先,在YOLOv8主干网络的基础上,设计一种轻量化特征提取模块C2f-FasterRep提高模型的特征提取能力,同时C2f-FasterRep模块引入上下文锚框注意力机制模块来捕捉长距离的上下文信息,利用全局平均池化和条形卷积增强特征图中心区域的特征,从而提高检测精度;其次,在颈部部分提出一个新的网络结构用于融合主干网络提取的特征,并使用通道注意力模块和维度匹配机制对不同尺度的特征进行融合,增强了模型的多尺度特征融合能力;最后,使用Transformer解码器结构优化YOLOv8模型的检测头,同时,采用交并比感知的查询机制,有助于解码器查询的优化,提高了模型的分类和定位的性能。为保证实验的真实性和有效性,利用部署在河南许昌某道路断面的检测设备采集数据并进行测试验证。实验结果表明,该方法的mAp为95.4%,精确率为94.5%,召回率为97.5%,与现有的黑烟检测方法相比,具有更高的检测精度和更快的检测速度。消融实验结果表明该轻量化特征提取模块、特征融合模块和检测头有利于提高模型检测精度。

关键词： Wahba问题   四元数算法   计算机视觉  

摘要： Wahba问题是指在旋转矩阵估计中求解两组向量之间的最佳旋转矩阵,该问题常出现在航空航天工程、机器人应用和计算机视觉等领域。尤其在卫星姿态估计、图像拼接、3D重建等应用有着重要作用。在这些应用中,数据往往受到测量误差和异常值的影响,导致估计结果的精度下降,因此,如何在这些不理想条件下求解Wahba问题,成为了研究的核心问题之一。为了应对这些问题,要求算法具有更强的抗噪性和鲁棒性,以确保在不完全准确的数据条件下仍能获得可靠的结果。本文主要研究在三维空间中的Wahba问题,介绍了几种针对误差和异常值影响的算法,包括四元数解法(QUASAR)、快速全局配准算法(FGR)、RANSAC算法,此外,本文还在四元数解法的基础上提出了一种新的算法思路,旨在提高算法性能。文章简单阐述了算法的计算原理和推导过程,通过计算机进行数据仿真,对比了不同算法在存在误差和异常值情况下的精度、计算时间和鲁棒性。

关键词： YOLOv8   多尺度检测   通道注意力机制   特征融合   深度可分离模块  

摘要： 针对无人机巡检输电线路过程中待检测目标受复杂背景干扰、故障目标部分遮挡以及目标多尺度造成传统算法难以准确检测的问题,提出一种基于CSD-YOLOv8的输电线路故障目标检测方法。首先,以YOLOv8网络作为基础框架,并在其主干网络中引入空间金字塔池化将不同尺度特征进行融合;然后,在检测网络头部中引入深度可分离卷积,并将其与交叉卷积连接模块结合,实现对部分遮挡目标的准确检测;此外,设计基于通道注意力机制的特征融合模块对不同层级特征进行加权融合,提高复杂背景下故障目标特征信息提取能力;最后,利用某电力巡检部门近5年的巡检数据对所提出算法进行验证。结果表明:相比于4种经典对比算法,所提方法在对12种故障类型检测效果的综合指标最好,平均检测精度为94.7%,召回率为93.0%。与此同时,所提算法具有较好的实时性,对于分辨率为1280×720的图像检测速度为45帧/s,为输电线路的智能巡检奠定了坚实的理论基础。

关键词： 图像增强   高斯滤波   缺陷检测   轴承套圈  

摘要： 针对轴承套圈端面黑块缺陷检测中部分缺陷套圈轮廓提取困难、表面无关特征过多所导致的检测准确率较低的问题,基于图像处理提出了一种综合方法。首先对预处理后的图像进行改进高斯滤波图像增强以提高轴承套圈和背景的对比度,使用轮廓跟踪和最小二乘拟合确定套圈ROI位置信息,使用极坐标变换得到端面矩形图像,根据套圈成像特性消除矩形图像上的无关特征,采用双阈值对是否存在缺陷进行判定。实验表明,所提方法对缺陷轴承套圈检测准确率达到100.00%,综合检测准确率达到98.47%,同时具有较好的实时性。