关键词： 旋转目标检测   超分   成像先验   遥感   倾斜成像视角  

摘要： 目标检测是遥感图像智能解译的关键技术，现有方法主要针对卫星下视成像设计，且对成像先验信息利用不足，难以有效应对无人机倾斜成像导致的目标尺度显著变化问题。针对倾斜成像的高精度目标检测需求，提出成像先验驱动超分（imaging prior-driven super-resolution， IPSR）方法。该方法利用相机焦距、成像俯仰角和飞行高度等多参数构建成像距离估计模型，用于估计图像任意位置的成像距离；基于此距离信息实现了全图自适应超分，有效减小倾斜成像视角下的目标尺度差异。在多视角成像数据集VSAI和卫星图像数据集DOTA-v1.5上的实验表明：IPSR可结合任意主流目标检测模型，并显著提升目标检测模型在倾斜成像条件下的检测精度（VSAI 上提升 6-7 mAP，DOTA-v1.5 上提升 3-4 mAP），同时展现了该方法在多场景下的通用性。

关键词： 水稻秸秆量识别   改进YOLOv5s   注意力机制   图像处理   非极大值抑制  

摘要： 水稻秸秆腐解周期是衡量秸秆还田效果的重要指标。为提升水稻秸秆腐解效果,准确测量留于田间的秸秆量,将水稻收割后的田间秸秆状态分为铺放于田间的堆叠秸秆和根茎留于原位的留茬秸秆两种,并提出了一种基于改进YOLOv5s的水稻秸秆量识别算法。采用色彩追踪算法结合HSV模型,对堆叠秸秆量进行检测;通过深度学习算法、OpenCV算法结合HSV模型和注意力模块,对留茬秸秆进行检测;引入CBAM注意力模块,同时通过非极大值抑制去除重叠锚定框,以消除重复计数的影响,从而实现对秸秆量的精准检测。通过训练模块对2 174张水稻秸秆图片进行深度学习,识别精确率可达92.092%,召回率为96.144%,目标检测损失值为2.397%。实际田间秸秆检测时,正确检出率可达85.85%。改进后的算法可有效检出留茬秸秆并通过串口返回秸秆数量。可为秸秆腐解剂的精量施放和还田模式的建立提供更为精确的数据支持。

关键词： 煤矿输送带   机器视觉   图像处理   异物分割   深度学习  

摘要： 为准确检测煤矿带式输送机在复杂工况下的异物，构建基于改进DeepLabv3+的煤矿输送带异物分割模型。针对煤矿高粉尘、光照不均、机械振动等干扰导致的异物检测难题，以及多尺度异物并存、边缘设备算力有限等实际需求，通过引入MobileNetv3轻量化主干网络，利用深度可分离卷积将计算量压缩至传统卷积的1/9，并嵌入SE注意力模块增强异物的边缘、纹理等高频特征，抑制粉尘噪声对应的低频通道;采用DASPP模块替代传统ASPP，通过串联不同膨胀率的空洞卷积层实现跨层特征密集交互，提升对多尺度异物的检测能力;集成ECANet通道注意力机制，通过免降维全局池化和动态一维卷积增强特征表达能力，进一步优化特征权重分配。实验结果表明，改进模型在CUMT-BelT数据集上实现了87.1%的平均交并比和86.7%的F1分数，参数数量仅为9.8 M，浮点运算量为5.1 G，推理速度达 38.6 FPS，较原始DeepLabv3+模型精度提升4.6%、计算量降低63.1%。与PSPNet、U-Net等主流模型相比，改进模型在小尺度异物漏检率、噪声鲁棒性及边缘设备适配性等关键指标上更优。该模型为解决复杂工况下异物与背景特征易混淆的难题提供了新途径，不仅为煤矿智能运输系统打造了兼具高分割精度与轻量化特性的异物检测方案，还有助于加速煤炭行业智能化与自动化的发展进程。

关键词： 路面平整度   快速检测技术   传感器技术   图像处理   数据处理算法  

摘要： 本文研究了路面平整度快速检测技术,通过整合加速度传感器、激光测距仪和高速摄像头等传感器技术,结合图像处理与数据处理算法,实现了对路面平整度的快速、精确检测。系统通过连续观测路面细微起伏,提高了检测效率并降低了对正常交通的影响。实验结果表明,该系统不仅检测精度高,而且能够适应不同环境条件下的检测需求。本文的研究成果为道路养护和维修提供了效率革新,推动了道路养护向精细化管理转型,对提高道路服务质量、保障驾驶安全及延长道路使用寿命具有重要意义。

关键词： 目标检测   路面病害检测   YOLOX   Ghost模块   注意力机制  

摘要： 路面病害检测在道路养护中尤为重要，针对路面病害检测存在路面图像背景复杂、病害尺度差异大等问题，提出了YOLOX-GED算法，该算法在YOLOX-s算法的基础上，首先设计CSP＿Ghost模块替换CSPLayer模块，减少网络参数量的同时加强了网络的特征提取能力；其次，引入ECA注意力机制，加强了网络的特征融合效果，提高了网络对路面病害的识别精度；最后，设计DSPPF空间金字塔结构，增加特征的多样性，加强了对多尺度上下文信息的提取融合。在RDD2020数据集上进行实验，结果表明，YOLOX-GED算法的mAP比YOLOX-s算法高出5.32%，同时模型参数量减少了7.9%，更易部署到移动设备。

关键词： 开放词汇目标检测   区域单词对齐   区域提议网络   Sinkhorn距离   最优传输  

摘要： 针对现有开放词汇目标检测(Open Vocabulary Object Detection， OVOD)方法存在基类定位偏向性与类内多实例欠学习问题，提出了一种Sinkhorn全局优化下区域-单词对齐的开放词汇目标检测方法(RWAS)，该方法包括类别语义增强(Category Semantic Enhancement Attention， CSEA)模块和区域-单词柔性匹配(Flexible Matching of Regions to Words， FMRW)模块。具体而言，针对区域提议网络（RPN）生成的提议偏向于基类的问题，CSEA模块以类别嵌入为查询，引导RPN关注并增强新类视觉特征，从而提高新类召回率。此外，针对硬匹配导致类内多实例欠学习问题，FMRW模块将区域-单词匹配任务建模为最优传输问题，其核心在于从全局视角揭示区域-单词间的内在关联，而非局限于局部相似性，随后利用Sinkhorn算法的柔性匹配特性，为同一单词匹配多个区域，实现跨实例的判别性表征学习，进而提高模型对类内多实例场景的检测鲁棒性。实验结果表明，所提出的方法相较于基线模型在OV-COCO数据集上AP提升了2.7%，在OV-LVIS数据集上mAP提升了2.9%，验证了该方法的有效性与合理性。

关键词： 增强现实   位姿估计   边缘检测   图像处理   航空发动机  

摘要： 针对基于区域的目标跟踪（Region-based Object Tracking，RBOT）方法在各向同性物体和背景颜色相似情况下的不足，提出一种融合边缘特征的改进方法。利用边缘检测算法提取目标轮廓，并设计区域分割策略，将其融入能量函数框架，以优化前景内部的线与边缘特征，提高动态环境适应性和位姿估计精度。以航空发动机增强现实装配应用为例，改进方法有效降低旋转和平移误差，初始化位姿偏差<1.5°，位移偏差<0.5%；静态视频流相邻帧间姿态抖动<0.3°，位移抖动<0.1%，满足虚实注册装配引导的精度需求。

关键词： 高压熔断器检测   YOLOv12   目标检测   特征融合颈部   轻量检测头  

摘要： 精确识别高压熔断器型号是保障电力系统安全运行的关键。然而，高压熔断器型号识别面临目标外观高相似性、现场图像质量欠佳、复杂模型难以边缘部署等挑战。为应对这些挑战，本文提出了一种轻量高效的高压熔断器检测识别模型LE-YOLOv12，旨在实现精度与效率的高度平衡。该模型以先进的YOLOv12为基础，进行了一系列轻量化定制设计：首先，采用创新的StarNet作为骨干网络，大幅降低计算复杂度；其次，设计了LE-C3K2特征融合颈部，以补偿轻量化带来的特征表达能力损失；最后，构建了LE-Detector轻量化检测头，并引入MPDIoU损失函数对边界框定位进行精细优化，进一步压缩检测头参数并优化预测。实验结果表明，相较于强大的YOLOv12-N基线，LE-YOLOv12在计算量减少33.8%、参数量锐减50%、推理速度提升42.9%的同时，mAP50仍保持在96.5%，远超先前工作的性能（91.1%），为特定工业场景下的高效、精准目标检测提供了一种有效的轻量化设计方案。

关键词： 计算机视觉   地表沉降   数字图像相关   深度学习   在线监测  

摘要： 地表沉降远程实时监测是地下工程诱发地表塌陷和地质滑坡灾害等工程风险管控中的迫切技术需求。针对地表沉降视觉监测中面临的复杂环境影响精度、实时性要求高等关键问题，提出了一种融合数字图像相关技术（DIC）和深度学习的地表沉降分析方法。首先采用YOLOV8与自制靶标实现多目标的定位与匹配，并通过DIC实现测点的精准追踪，继而采用二次曲面拟合的亚像元搜索算法提升监测精度以及单应性变换法进行真实位移值的解算。基于提出算法，构建了一套地表沉降计算机视觉远程实时监测系统，搭建了集图像远程采集、图像实时传输、位移实时计算、数据管理与风险预警的完整监测体系，具有实用性和可推广性。室内模拟试验表明，亚像元搜索算法可以提高监测精度；单应性变换法可有效减少相机轴线与测点靶面角度过大带来的监测误差，提出方法可以有效避免遮挡并精准追踪大位移；现场试验表明，相比于传统DIC算法，提出方法在强光、大雾等复杂自然环境下展现出更强的适应能力与鲁棒性。研究成果对于岩土工程灾害管控中的地表沉降监测新技术的发展具有积极的促进作用。