关键词： 光伏组件   目标检测   嵌入式系统   YOLOv11   轻量特征提取网络   内容感知重组特征模块   二阶通道注意力机制  

摘要： 针对当前光伏组件缺陷检测实时性低下以及复杂背景与缺陷尺度多变导致的误检、漏检问题，提出一种SOCANet检测算法。首先，采用DWConv替换Conv构建轻量特征提取网络（Lightweight feature extraction network，LFEN），通过计算特征图的协方差矩阵，捕捉通道间的相关性以改善模型的特征提取效率，进而提高检测速度。随后，采用内容感知重组特征模块（Content-Aware ReAssembly of FEatures，CARAFE）优化模型的上采样阶段，扩展感受野整合输入特征图信息，增强对多尺度目标识别能力。最后，设计二阶通道注意力机制（Second-Order Channel Attention，SCA），通过计算特征图协方差矩阵来捕获通道之间相关性，增强模型特征深度表达和判别能力，从而降低因背景噪音对算法造成的干扰。实验结果表明，SOCANet在光伏组件缺陷检测数据集上PmA达到95.3%，且FFPS达到92.9，显著优于其它7种主流检测算法。同时，嵌入式实验表明，SOCANet在算力受限的场景下仍满足光伏组件缺陷检测的高实时性需求。

关键词： 改进YOLOv11n   轻量化   建筑外墙检测   改进C3k2模块   HSPAN-C  

摘要： 针对无人机目标检测中多尺度特征不足、小目标漏检及算力受限等问题，提出基于YOLOv11n的高效轻量化改进算法。首先提出C3k2-S模块，融合C3k2的多尺度特征提取与StarBlock的高维映射能力强化特征建模；其次采用ADown机制替代传统下采样，通过自适应步幅与池化策略优化特征表达，降低计算量并提升小目标敏感性；提出轻量化HSPAN-C结构，结合多尺度特征融合与空间金字塔注意力增强检测精度；最后构建LSDECD检测头，利用共享卷积与群归一化减少参数量。实验结果表明，改进后模型的mAP@0.5和mAP0.5@:0.95分别上升了3.4%和3.1%，参数量和计算量分别降低了46.1%和22.2%，满足复杂场景下无人机的检测需求。

关键词： 目标检测   PySide6图形界面框架   防护装备   RT-DETR   YOLO   深度学习  

摘要： 施工现场存在多种安全隐患，个人安全防护装备（PPE）的穿戴非常重要。为突破传统监管手段效率不高的局限，计算机视觉方法近年来得到了很多应用。然而，在面对多类别PPE检测的复杂问题时，精度的提升仍然有限。作为近年被提出的新型算法，基于Transformer的RT-DETR技术在多个场景下取得了更好的检测结果。基于这一背景，采用RT-DETR框架搭建了检测系统，可以识别出安全帽、反光衣、安全带、面罩和手套五种常见PPE。对比YOLO和RT-DETR系列算法，RE-DETR的单类别检测精度达到了95%，平均检测精度达到了86.5%。该系统主要使用了PySide6设计可视化界面，实现图片和视频检测，可有效服务于作业现场的智能化安全管理。

关键词： 缺陷检测   图像处理   深度学习   特征融合  

摘要： 钢轨表面缺陷检测对轨道交通安全至关重要，尤其在巡检车运行速度达到80km/h、实时检测性能达到75FPS的条件下，检测精度与实时性成为关键。本文提出面向工程应用的多模态缺陷检测框架。针对样本不平衡问题，构建自监督对比学习模型，采用深度卷积神经网络作为特征提取器，通过跨模态特征交互机制融合2D-3D数据特征，形成多尺度特征融合策略（FPC）。实验验证表明，该算法在AUROC指标上达到91.5%。为满足铁路智能运维需求，构建异构硬件平台进行算法部署验证：在ZCU104开发板上，基于FPGA低功耗架构与DPU加速引擎，结合Vitis AI工具链实现硬件优化，达到35W功耗下91.0FPS的实时检测性。研究结果为轨道智能检测系统提供了兼具理论创新与工程实用性的解决方案。

关键词： 敌我识别   询问天线   目标跟踪   运动旋量   PID控制   双电机  

摘要： 针对敌我识别（Identification Friend or Foe，IFF）系统询问天线受舰船横摇、纵摇和航向姿态扰动，对空中运动目标位置跟踪不准确影响天线收发信号质量的问题，提出并设计了一种基于运动旋量目标位置解算的带前馈补偿的双电机联动PID控制方法，该方法基于雷达发送的空中目标方位、距离和俯仰角计算出目标坐标位置，然后将横摇、纵摇和航向三种干扰信号通过运动旋量变换嵌入目标位置并将嵌入后位置的方位角和俯仰角作为控制指令，将控制指令导数作为前馈补偿用于提高系统响应速度。仿真结果表明，该方法能够有效的抵抗舰船三种姿态扰动并快速准确的跟踪空中目标。

关键词： 自适应注意力   特征增强   决策融合   目标跟踪  

摘要： RGB-T目标跟踪能够提供全天时、全天候的目标监视和侦察能力，但现有特征级融合方法难以应对目标动态变化及模态差异导致的特征不均衡问题。提出了基于特征增强与决策融合的RGB-T目标跟踪方法，设计自适应注意力特征增强模块，在通道和空间维度增强局部特征关联，位置注意力捕获全局上下文依赖。设计基于狄利克雷分布与D-S判据的决策融合模块，估计两种模态不确定性，融合RGB-T跟踪结果。在RGB-T234和GTOT数据集上的实验表明了该算法的有效性和优越性。

关键词： 深度学习   6D位姿估计   目标检测   轨迹规划   机械臂抓取  

摘要： 针对复杂工业场景中机械臂难以对弱纹理工件进行有效抓取的问题,本文提出了一种面向弱纹理工件的6D位姿估计与机械臂抓取方法.首先,为提高弱纹理工件6D位姿估计的准确性,结合YOLOV5和PVN3D-Tiny提出了一种新的两阶段位姿估计算法(YOLO-PVN3D);其次,采用七次多项式插值法规划机械臂运动轨迹,根据碰撞检测参数和运动学指标建立适应度函数,并通过遗传算法进行优化,以解决抓取过程中机械臂与障碍物产生碰撞的问题;然后,针对真实数据匮乏且容易造成模型过拟合的问题,采用了真实数据和合成数据相结合的方式制作了工业零件数据集POSE8K;最后,在公共数据集和自制数据集进行了对比实验,并在障碍物遮挡和光照变化场景下完成了真实机械臂抓取实验.经实验验证了所提方法具有较好的性能.

关键词： 青贮饲料收获机   自动跟随抛送系统   机器视觉   激光雷达   目标检测  

摘要： 青贮饲料因具有生产成本低、收获效益高、原料易得和营养均衡等优点,逐渐成为畜牧产业的主要饲料。传统青贮收获作业中人工依赖度高、抛料均匀性不足且抛送筒控制人员存在一定的安全隐患。青贮饲料收获机自动跟随抛送系统通过信息采集设备实时获取料厢位置与环境动态信息,根据设定的青贮饲料填充模式进行抛送作业,解析填充状态,同时液压伺服控制系统根据识别定位情况动态调节抛送筒旋转角度与出料高度,实现青贮饲料落料点的控制。本文系统综述了当前国内外青贮饲料收获机自动跟随抛送系统的研究现状;分析了机器视觉、激光雷达与传感器在自动抛送系统中的工作原理与具体应用方法;针对我国青贮饲料收获机自动跟随抛送系统发展存在的问题,提出了研发多模态感知架构、开发高动态液压伺服系统与低惯量抛送筒材料、构建“青贮机-伴随车”群体协同作业模式的建议;同时,对青贮饲料收获机自动跟随抛送系统的发展方向进行预测,以期为我国青贮饲料收获机自动跟随抛送系统的研究提供参考。

关键词： 道路障碍检测   YOLOv11   特征动态融合   可重参数化  

摘要： 道路障碍检测对车辆驾驶操控的稳定性与行驶的安全性极为重要，针对路面复杂纹理和异物多样性导致的误检、漏检及小目标物体检测精度不足问题，提出基于YOLOv11的改进道路障碍目标检测模型（PATD-YOLO）。首先，设计融合双主干网络，其中MCPStem（Multi-Convolution Pooling）模块共享浅层特征，HGNetV2作为第二主干引入动态卷积增强参数表达能力，特征动态校准融合（Feature Dynamic Aligning Merge）模块消除多源特征空间差异，实现高效特征融合。其次，设计小目标物体增强特征金字塔，增加P2层高分辨率特征图，采用SPDConv切片操作保留小目标信息，设计GLAFI（Global-Local Aggregate feature information）模块进行特征整合模块融合浅层细粒度与深层语义特征。最后，引入可重参数化卷积（Reparameterized Convolution）设计了重参数轻量化检测头(Rep Lightweight Detection Head)，提高参数利用率。实验结果表明，在参数量与计算量基本不变的情况下，改进算法在自建数据集与RDD2022公开数据集上的检测精度mAP@0.5相较于基准算法分别提升3.0%和4.3%，均超越了主流算法，并且检测速度达到131.6FPS，能够满足车辆检测的实时性要求。

关键词： 火箭发动机   计算机视觉   微幅振动   视频运动放大   深度学习   光流  

摘要： 在发动机地面试验中，管路等关键部件的振动测试是优化结构设计和提升安全性的重要环节。针对视觉方法在微幅振动测试中难以直接准确捕捉振动信息的问题，本文首先引入了基于学习的视频运动放大算法（LB-VMM）对视频中蕴含振动信息的像素变化进行放大。然后，采用Kanade-Lucas-Tomasi（KLT）光流理论进行运动跟踪，提取放大后的振动信号用于时频域分析。最后，构建了振动信号分析和振型快速辨识两种应用路径，并开展了管路结构的振动测试和梁结构的模态振型辨识试验进行验证。试验结果表明，与基于相位的视频运动放大算法相比，LB-VMM显著减少了运动伪影和失真，计算速度提升约20倍，且能够对高频成分产生有效增益。微幅振动视频经过时域带通滤波和LB-VMM高倍放大后可直接实现模态振型的高质量可视化，获取的梁结构试验模态振型与理论模态振型间的MAC值均达0.9以上。研究表明，LB-VMM可以有效提升视觉方法对部件微幅振动的测试能力，具有良好的应用前景。