关键词： 目标检测算法   YOLOv10算法   跨尺度特征融合模块   Mamba线性注意力机制   空间深度转换卷积模块   动态上采样器  

摘要： 针对目标检测算法部署在边缘设备的轻量化需求,提出一种基于改进YOLOv10的轻量化目标检测算法(CMD-YOLO算法)。该算法利用跨尺度特征融合模块对YOLOv10算法的网络结构进行改进,减少了算法模型的参数量与计算量;采用基于Mamba的线性注意力机制改进的部分自注意力模块替换传统的部分自注意力模块,进一步降低了算法模型的参数量;利用空间深度转换卷积模块替换部分传统卷积模块,增强了算法模型对下采样细节信息的提取能力;利用动态上采样器DySample替换传统的上采样模块,在保持上采样精度的同时,降低了算法模型的计算延迟。实验结果表明,CMD-YOLO算法与YOLOv10-n算法相比,在检测精度略微提升的同时,算法模型参数量降低了30.5%,计算量下降了19%,权重文件缩小了29.3%,计算延迟减少了8.8%,能够满足目标检测算法部署在边缘设备中的轻量化需求。

关键词： 自动驾驶   YOLOv8s   C2f⁃EMSCP模块   小目标检测   注意力机制   损失函数  

摘要： 针对自动驾驶场景下交通目标检测算法存在的误检及漏检的问题,提出一种基于改进YOLOv8s模型的复杂道路交通目标检测算法。设计一种轻量级的C2f⁃EMSCP模块改进YOLOv8s的骨干网络,实现网络的参数量和计算量的降低;在Backbone和Neck部分添加EMA注意力模块,有效地捕捉了全局的通道依赖性与局部空间特征,实现在通道和空间维度上的全面特征抽取;针对密集车流下小尺寸车辆检测效果不佳的问题,添加小目标检测头,更好地捕获小尺寸车辆的特征和上下文信息;使用可自适应调整权重系数的Wise⁃SIoU作为改进模型的损失函数,提升了边界框的回归性能和检测的鲁棒性。在KITTI数据集上进行实验,P、R和mAP@0.5分别提高了0.4%、2.1%和3.7%。文中的改进方法在交通监控系统中能够达到较好的检测精度和速度,有效改善了复杂交通场景下小目标车辆检测效果不佳的问题。

关键词： 目标检测   汽车轮毂   YOLOv8   缺陷检测   多头自注意力  

摘要： 为解决以往算法对轮毂内部缺陷进行检测时效率低、精度较低和识别能力差等问题,提出一种基于YOLOv8算法优化的铝合金轮毂缺陷检测方法。首先,通过在主干中添加Focus层进行切片操作,增加通道防止信息丢失,提高全局感受野。其次,将空间金字塔池化部分替换为SimSPPF,减小计算量。最后,在Backbone部分加入BoTNet模块,通过融合多头自注意力层进一步改善检测效果并减小参数。通过实验证明,改进后的算法可以准确定位并识别出气孔、缩孔、缩松和裂纹4类缺陷,平均检测精度(mAP)可以达到98.80%,平均检测速度为75.53帧/s,满足工业检测的实时性要求。

关键词： 智能交通   数字图像处理技术   车辆检测  

摘要： 在现代科技的高速发展下,我国交通产业已进入到智能发展阶段,在该环境下可运用数字图像处理技术完善智能交通体系。基于此,本文总结归纳了数字图像处理技术在智能交通中的作用,从车辆车牌识别、违规行驶检测、车辆流量统计、交通信号控制四个角度出发分析数字图像处理技术在智能交通中的运用,旨在探索数字图像处理技术在智能交通中的运用路径,从数字图像处理技术角度出发完善智能交通体系,实现实时化车辆检测。

关键词： 病害识别   目标检测   图像处理   YOLOv5   深度神经网络  

摘要： 针对书画文物保护工作中人工病害调查和病害图绘制效率低的问题,探索了基于深度神经网络的目标检测技术识别书画病害的可行性。选择YOLOv5系列模型并根据本研究任务特点对其结构做了优化,包括FGSM算法、CmBN策略、Dropblock正则化和CIOU-Loss损失函数。利用博物馆馆藏书画文物素材,融合Mosaic数据增强方法进行书画文物图片的增强,设计了滑动窗口检测技术、图像逐层分析和定位裁剪技术,初步训练出了2个具备病害识别功能的模型,根据模型性能检验指标最终选择了YOLOv5x6作为本研究任务的模型。测试结果表明,该模型以较高的准确率和查全率识别出了待检测病害,用时仅为人工的千分之一。该技术的引入可极大提高文物病害识别效率,并且在病害识别过程中保持客观、稳定的标准。

关键词： 带式输送机   智能识别   计算机视觉   研究进展  

摘要： 目前,我国煤炭运输主要采用带式运输机,皮带运输是煤矿生产中重要的环节,直接影响煤矿的生产安全和生产效益。我国煤矿生产经历了从动力化、机械化、信息化到智能化的发展转变,目前煤矿生产转型升级正处于智能化阶段。智慧矿山建设要求实现安全、无人、高效、绿色生产,对智能化升级提出了新要求。研究对煤矿带式输送机运行状态智能化识别技术进行回顾与论述,提出基于计算机视觉技术识别带式输送机运行状态的实现方法,并对未来发展方向进行展望。

关键词： 真空电弧   旋转开断   图像处理   电弧特性  

摘要： 真空断路器在开断过程中,触头之间的电弧形态会发生改变。不同电弧形态的演变过程决定了断路器的开断性能,探究电弧在不同阶段的形态特性并分析影响因素,加快限制型电弧向扩散型电弧转变,有助于提高真空断路器的快速灭弧能力。课题组提出一种在断路器直拉过程中使阴极旋转的开断方式,发现电极旋转会导致弧根移动,进而影响了电弧在整个燃烧过程中的形态变化。文章基于电极旋转开断方式,在电弧燃烧的不同阶段投入电极旋转分断,研究直拉分断过程中旋转分断的投入时刻对电弧燃烧特性的影响,根据图像处理分析,加入仿真验证实验得到结论:在直拉分断过程中,添加旋转分断有利于电弧熄灭,实验和仿真证明在直拉分断中伴随旋转分断更有利于电弧能量的逸散,加速电弧的熄灭。

关键词： 计算机视觉   人工智能技术   人脸识别技术   文字识别   社会文化发展   提升高度   数据增广   检测模型  

摘要： 现对视觉文化在社会文化发展中的地位和作用进行探讨,着重论述了图书馆基于计算机视觉和人工智能技术的结合,设计图书馆图书盘点系统的意义和必要性。随着图书馆馆藏图书与读者规模的不断扩大,传统的人工盘点方式已难以满足高效管理的需求。通过聚焦于图书馆视觉盘点技术,旨在探讨如何利用先进的计算机视觉和人工智能技术,实现图书盘点的智能化与自动化。通过深入分析现有视觉盘点系统的不足,本文提出了一系列创新性的解决方案,包括引入质量判定器以过滤书脊损毁或摆放不佳的图像、改进MaskR-CNN模型以提升密集倾斜书脊的分割性能、优化文字检测模型SpineOCR以提高书脊文字的检测准确率等。此外,本文还采用了数据增广策略提升文字识别的准确率,并借鉴人脸识别技术,提出了基于Siamese和Triplet架构的特征抽取模型,以提升高度相似的系列图书的检索准确率。

关键词： 目标检测   YOLOv5   轻量化   注意力机制   道路病害检测   特征提取  

摘要： 受道路病害特征不明显、与背景对比度低等复杂因素的影响,基于传统数字图像处理技术的识别算法精度低。而现有深度学习目标检测算法参数量大,不适合移动端实时检测。为了更高效、准确地识别道路病害,提出一种基于YOLOv5的改进算法。该算法致力于实现道路检测的实时性和精确度之间的平衡,通过引入轻量级Ghost模块用更少的参数生成更多的特征图,减少模型参数;将基于CSP结构中的C3Ghost模块重新设计成一种新型的InceptionGhost模块,实现从不同尺度进行特征提取,保障模型精度。通过在骨干网络添加CBAM注意力机制进一步加强特征提取能力。由于采集到的样本分布不均匀,使用Focal-EIoU损失函数改善样本数量不平衡的问题,提高模型的鲁棒性。实验结果表明,改进后的算法较原有的YOLOv5s模型,mAP@0.5提高了2.5百分点,同时参数量压缩了36.6%,检测速度提高了16.9%;并通过与目前先进算法和其他改进算法的对比表明,该算法在精度和参数量方面显示出明显的优越性。

关键词： 乳房炎   生物分子学   理化性质   传感器   计算机视觉  

摘要： 乳房炎作为奶牛养殖业中常见且影响深远的疾病,其准确、快速的检测对于保障奶牛健康和乳制品质量至关重要。目前,乳房炎检测技术虽取得了一定进展,但仍面临诸多挑战。本文从传统方法、传感器技术、计算机视觉3个方面综述了奶牛乳房炎检测技术的发展。传统方法从理化性质和生物分子学方面分析乳汁样品准确判断乳房炎,但操作过程复杂,需要用到特定的实验设备和专业人员进行操作;基于传感器技术的乳房炎检测技术,通过分析乳房特征和乳汁的理化性质准确判断乳房炎,较大程度上保障了动物福利,但传感器的操作和部署容易引起动物应激反应;基于计算机视觉的乳房炎检测技术,利用数字化技术全流程、自动检测乳房炎,避免动物应激反应,但检测精度有待提升。最后,本文讨论了目前奶牛乳房炎检测技术存在的低精度、时效性差和自动化不足等问题,并展望了乳房炎检测技术的发展趋势,提出了未来的研究方向。本文旨在为奶牛养殖业提供高效、准确、便于应用的乳房炎检测技术与方法,以实现精准畜牧和科学管理。