关键词： 目标检测   特征金字塔   卷积神经网络   注意力   光学字符识别  

摘要： 集装箱编码的检测和识别是自动化码头的重要组成部分。目前基于深度学习的文字检测识别算法的鲁棒性和准确率都达到了较高水平,但其难以同时满足高实时性和高准确率的要求。在码头机器人巡检或闸道口集装箱识别等对实时性、准确性都有比较高需求的任务中,常见的文字检测识别算法表现不佳。为此,提出一种实时集装箱编码识别模型Real-time Container Code Recognition Net(RCCRNET)。RCCRNET在达到较高实时性的同时也保持了较高的准确率。RCCRNET由主干网络模块、文字检测模块和文字解码模块构成。其中主干网络为全卷积残差神经网络;文字检测器模块由特征金字塔和检测头构成;文字解码模块由循环神经网络构成。RCCRNET可以快速可靠的检测和识别规则排布的文本,在集装箱数据集上对RCCRNET进行了实验验证,结果表明RCCRNET在保持91.0%的较高的精度下以55帧每秒的高帧率比其它常见模型在实时性上有明显优势。

关键词： 移动目标检测   目标追踪   卡尔曼滤波   多特征协同  

摘要： 为了提高计算机视觉对目标物体的追踪效果与抗干扰能力等性能,提出一种基于单目视觉的移动目标检测与追踪方法。过程中引入稀疏表示与结构化构建模型对在线目标进行跟踪,有效对单目标物体进行在线检测;另外融合卡尔曼滤波—多特征协同方法,基于纹理特征、颜色直方图以及空间距离信息模型三个方面对多目标物体的状态进行表示。采用DOTA和T-LESS数据集进行实验验证。结果显示,所提方法分别在迭代次数为41和30时开始趋于平稳状态,此时其余算法均不稳定;当精准率为0.9时,所提方法、YOLOv4、改进粒子滤波的目标跟踪(IPF)与改进均值漂移算法(MeanShift)的召回率分别为0.801、0.678、0.524与0.625;测距性能显示,MeanShift、IPF、YOLOv4与所提方法对移动目标测试的平均相对误差(MRE)分别为1.33%、1.25%、1.12%与1.07%;当帧数为240 f/s时,所提方法、YOLOv4、IPF与MeanShift对目标检测与追踪的耗时分别为1337.4 ms、1338.5 ms、1339.1 ms与1344.8 ms。比较以上数据可知,所提方法能够有效提高对多目标检测与追踪的准确性,同时具有对目标物体的位置追踪的误差较小,为后续目标检测技术的性能提升提供一定的参考价值。

关键词： 智慧农业   计算机视觉   深度学习   农业特色   教学改革  

摘要： 在智慧农业蓬勃发展的时代背景下,针对计算机视觉课程存在的教材内容滞后、理论教学比重过高、未能充分结合学校学科特色等问题,同时考虑到现有教学模式与考核方式单一化的现状,文章提出相应教学改革方案:首先,重构课程教学内容体系,将深度学习等前沿技术纳入教学大纲,并设计融合农业场景特色的实践案例;其次,推行多元化教学方法,建立多维度的考核评价机制;最后,积极探索“以赛促学”的赛教融合培养模式。通过实施这一系列改革举措,将显著提升课程教学效果,强化学生理论联系实际的能力,从而为智慧农业领域培养更多高素质的专业人才。

关键词： 绝缘子缺陷   目标检测   多尺度特征   自适应特征交互融合  

摘要： 针对绝缘子及其缺陷的检测任务中存在的绝缘子大小不一、缺陷尺寸小、背景复杂及遮挡干扰等问题，本文以经典目标检测网络YOLOv11为基线模型，提出一种结合多尺度特征提取与自适应特征交互融合的检测算法。首先，设计跨阶段重参数化模块以替代主干中的C3k2结构，在降低参数量和计算量的同时，增强对不同尺寸的绝缘子及缺陷的特征提取能力。其次，构建自适应特征交互模块，改进颈部的特征流动路径与融合方式，以较低的计算开销实现多尺度特征自适应融合，抑制背景干扰。最后，提出结合动态非单调聚焦机制的改进损失函数，兼顾绝缘子及缺陷的检测效果，优化遮挡情况下的定位能力。实验结果表明，本文算法显著优于基线模型及经典目标检测算法，在复杂背景、遮挡等实际场景下均具备良好的检测性能。

关键词： 计算机视觉   多尺度特征融合   轻量级网络   深度学习  

摘要： 本研究将深度学习应用于中医舌苔特征识别,提出基于计算机视觉的轻量级网络FEA-YOLOv11。该架构通过ASPPF、FEC3K2和EC3K2模块实现多尺度特征融合,增强对不同形状与尺度舌苔特征的检测能力,同时降低计算成本、抑制噪声干扰。实验表明,优化模型较原始YOLOv11的mAP提升3.1%,参数减少115,520个,为舌苔自动化诊断提供了高效的轻量级解决方案。

关键词： 半监督目标检测   自步学习   一致性正则化   动态自步参数   连续权重变量  

摘要： 为了提高伪标签质量并解决半监督目标检测(SSOD)中的确认偏差问题,提出一种基于动态参数的自步学习(SPL)指导下的SSOD框架。在该框架中设计动态自步参数和连续权重变量,以优化SSOD的效果。具体地,动态自步参数根据模型在训练过程中的实时表现评估样本的难易程度,而连续权重变量则通过比较样本损失与动态自步参数的关系精确评估每个样本在训练中的重要性和可靠性,并对样本中的每个物体都进行精细化权重设计。此外,该框架采用单一模型迭代训练,并引入一致性正则化策略评估模型预测的一致性。这种设计不仅能为模型提供更有针对性的权重信息,还可使模型通过权重信息的动态调整自适应地优化训练过程。在PASCAL VOC和MS-COCO数据集上的广泛对比实验结果不仅显示所提框架显著提升了模型的检测精度,还验证了所提框架良好的通用性和高效的收敛性能。特别在PASCAL VOC数据集上,所提框架相较于LabelMatch、Unbiased Teacher V2和MixTeacher在检测精度上分别提升了0.65、4.84和0.28个百分点。

关键词： Ray   AI   工业检测   图像处理  

摘要： 介绍了AI工业检测SaaS平台的设计背景及设计目标,提出了基于AI图像检测原子能力和检测流程编排进行图像集中化处理的检测模式;详细阐述了AI工业检测平台的工作流程;分析了平台实现方案中涉及的图像文件共享访问、大规模异构GPU集群下资源调度等技术问题,并提供了使用Ray开源框架解决上述问题的实现方案。

关键词： 深度学习   目标检测   谷瘟病   YOLOv8n  

摘要： [目的]田间背景下谷子谷瘟病的智能化识别环境干扰强、病斑尺度多变,现有研究采用的模型在实际应用场景中的适应性仍需进一步优化。[方法]本研究依托构建的大样本谷瘟病数据集,提出了一种基于改进YOLOv8n的谷瘟病检测模型YOLOv8-SDL。该模型在YOLOv8n基础上,通过强化主干网络特征提取、引入轻量高效上采样增强特征融合能力、引入注意力机制提高模型对重要特征选择能力这3个方面进行改进,以提升模型在复杂背景下对谷瘟病实例检测的稳定性与准确性。首先,对可切换空洞卷积(SAC)的结构进行优化,在上下文结构中的1×1卷积前添加1层3×3卷积,并结合通道注意力(SE)构建了SE_SAC,将其嵌入主干网络C2f模块中,以强化模型主干网络对病斑区域多尺度特征的提取能力。其次,引入DySample上采样替代邻近插值上采样,利用该上采样的基于点采样的动态上采样策略,在降低模型计算量的同时,减少上采样过程中的特征信息丢失以提高模型的特征融合能力,进而提升模型对小目标病斑的定位精度。最后,在颈部网络引入大可分离核注意力(LSKA),利用该注意力的可分离卷积机制来增强模型对复杂背景中病斑特征的聚焦能力。[结果]YOLOv8-SDL的检测精度为91.5%,mAP@0.5为93.9%,mAP@0.5~0.95达到62.0%,相较于原模型分别提升了4.4%、1.4%和2.2%。[结论]本研究结果可为复杂环境背景下的谷瘟病病害精准检测提供坚实可靠的技术支持。

关键词： 单目深度估计   度量深度估计   深度学习   计算机视觉  

摘要： 单目深度估计(monocular depth estimation,MDE)是计算机视觉中的核心任务之一,在空间理解、三维重建、自动驾驶等领域扮演着重要角色.基于深度学习的单目深度估计方法能够从单张图像中预测物体的相对深度,但由于缺乏度量尺度信息,常面临尺度不一致的问题,限制了其在视觉SLAM、三维重建和新视角合成等下游任务中的应用效果.为此,单目度量深度估计(monocular metric depth estimation,MMDE)应运而生,通过对场景尺度的精确推断,解决了深度预测中的一致性难题,不仅显著提升了在时序任务中的深度估计稳定性,还简化了下游任务的适配,进一步拓展了实际应用场景.本文系统回顾了深度估计技术的发展历程,从传统几何方法到深度学习方法的转向,全面梳理了该领域的技术演进及其关键突破.在此基础上,重点讨论了尺度不可知(scale-agnostic)方法在零样本(zero-shot)泛化中的贡献,分析其如何为MMDE的进一步发展奠定基础.本文还深入探讨了零样本MMDE的最新研究进展,聚焦当前的核心挑战,包括模型的泛化能力、边缘细节丢失等问题.针对这些问题,研究社区通过无标数据扩充、图像分块、模型结构优化和生成式方法等创新途径,取得了一定进展.本文详细剖析了这些方向的最新成果及其解决思路,揭示了当前研究的前沿路线与技术局限.最后,总结了零样本MMDE领域内最新研究成果之间的内在联系,梳理了尚待解决的关键问题,并展望了未来研究方向.通过对领域现状与发展趋势的全面分析,旨在为研究者提供清晰的技术脉络和前沿洞察,助力研究者更快掌握MMDE的研究现状,为推动更广泛的应用和技术创新提供启示.

关键词： 软体机器人   仿蚯蚓   肠道检测   图像处理  

摘要： 软体机器人以其良好的人机交互特性为肠道疾病的检测提供了新手段。然而,其需要大量线缆连接外部控制系统,检测时会给患者带来不适。由此,提出了一种仿蚯蚓无绳软体机器人。机器人装配有柔性压力传感器和无线微型摄像头,能够在类肠道环境中实现可控运动,同时可监测环境压力的变化,并通过视觉感知检测环境中的异物。机器人由前端径向运动执行器、中心轴向运动执行器和后端径向运动执行器构成,内部集成了小型控制电路板和4个微型气泵。通过蓝牙控制4个气泵的开启与关闭,来控制3个运动执行器的膨胀与收缩,使机器人自身产生变形,驱动其在类肠道环境中移动。通过实验可知,该机器人可在刚性管道和柔性管道中运动,运动速度达0.75 mm/min,且能实时监测环境内压力的变化。此外,采用Fast RCNN(faster region convolutional neural net,基于区域卷积网络的快速检测)算法对机器人采集的图像进行处理,能够精准识别类肠道环境中存在的异物。该无绳软体机器人具有良好的人机交互性,为肠道疾病检测提供了一种对患者友好的新方法。