关键词： 显著目标检测   深度网络   天气雷达   短时强降水   临近预报  

摘要： 降水持续时间相同时,降水强度越大,诱发城市积涝、山洪、泥石流、滑坡等次生灾害的可能性越大。在全球气候变暖的背景下,亚小时降水极端事件比小时以上时间尺度的极端事件增加得更快,有必要研究亚小时尺度上的强降水监测预警技术。选取 2013-2021 年重庆地区 30 次暴雨天气过程,以显著目标检测深度网络 U2-Net 为基础,将 30 min 短时强降水落区作为显 著目标,天气雷达反射率因子拼图作为输入,通过数据驱动方式自动学习某一时次的天气雷达反射率因子空间分布与其后 30 min 的强降水落区的非线性关系,进行强降水落区预报。强降水落区标签按照 10、20 和 30 mm 阈值分为 3 种,由雷达融合地面分钟 级雨量的定量降水估计得到。模型输入为 3、4.5 和 7 km 高度的雷达反射率因子拼图。经过训练和验证,得到针对 3 种强降水阈 值的 3 个强降水落区预报模型。对测试集的检验结果表明,当邻域半径为 5 km 时,10、20 和 30 mm 阈值模型输出的命中率分别 为 0.66、 0.73 和 0.72,虚警率分别为 0.06、 0.32 和 0.57,临界成功指数分别为 0.64、 0.54 和 0.37;强降水落区预报图中的概率越大, 对强降水落区的预报越可靠。综上所述,强降水落区预报模型通过提取单个时次的三维反射率因子多尺度特征,预报未来 30 min 强降水落区,可以有效补充雨量计布设稀疏地区的强降水监测和预报信息,也为需要提取多源探测资料多尺度特征的临近预报 技术研究提供参考。

关键词： 海面小目标   目标检测   序数图变换   图无符号拉氏矩阵  

摘要： 针对现有基于图域变换的雷达海面小目标检测算法仅考虑单个样本之间的相关性,存在性能不佳、复杂度高等问题,提出了一种基于序数图变换的改进算法。首先,将雷达回波信号的自相关函数转换成可有效获取状态向量之间关联性的序数图,进而提取该图的无符号拉氏矩阵最大特征值作为检测统计量,以实现区分海杂波和目标信号的目的。以McMaster大学提供的实测全相参X波段雷达数据集为对象,对算法的性能进行了广泛评估,结果表明所提算法的平均接收机工作特性曲线下面积(Area under Curve,AUC)可达0.907,优于现有算法,且其计算复杂度适中。

关键词： 高光谱成像   图像处理   灰度特征   大津算法  

摘要： 为解决作物胁迫试验中高光谱图像高精度批量分割的问题,提出了一种改进灰度特征的图像灰度变换算法,结合高光谱多通道、高谱段的特点,通过450 nm、600 nm、670 nm及700 nm至1000 nm波段反射率运算生成灰度特征图,提高灰度特征图像中目标植物与背景区域的对比度,降低阈值分割难度,再利用大津算法对图像进行分割。结果表明:提出的改进灰度特征算法结合大津算法,其分割结果的兰德指数和Jaccard相似系数在不同植株的表现中最高达0.9823和0.9799,比常用的超绿特征算法、近红外特征算法和归一化植被指数算法有更好的分割效果。该方法在有效剔除作物高光谱图像多种背景、提取绿色叶片的同时,保留作物叶片本身带有的杂色和胁迫引起的失绿、变黄、萎蔫叶片,最终实现单株作物高光谱图像的批量精确分割。

关键词： 目标检测   硬件加速   ZYNQ   YOLO Fastest-V2  

摘要： 针对已有目标检测算法的硬件加速方案仍存在移植性差、功耗高、资源开销大等缺点,在对主流目标检测网络的模型参数、检测速度和性能之间进行权衡后,围绕更轻更快的YOLO Fastest-V2算法,设计实现了高性能低开销的目标检测加速器。首先,依次对YOLO Fastest-V2进行剪枝、训练和量化。接着,优化数据的访存方式,以及与其对应的卷积流水线设计。此外,提出了一种卷积并行度的动态设计策略,实现资源利用效率的最大化。最后,将所设计的网络在ZYNQ-MPSOC平台上进行性能测试。结果表明,在100 MHz的时钟频率下,加速器检测速度达到147 FPS,DSP使用283个,BRAM36kb使用125个,功耗为0.995 W,能效比达到147.74 FPS/W,高于现有目标检测加速器。

关键词： 小目标检测   RT-DETR算法   特征融合   定位损失   位置编码  

摘要： 实时、准确地定位与识别航拍图像中飞机、轮船和车辆等目标是进一步决策的根本基础,针对航拍图像中小目标检测存在的效率和精度低等问题,提出了一种基于改进RT-DETR的航拍图像小目标检测算法。首先,通过构建高效的CCFM-P2ASF尺度序列特征融合模块,获得更丰富的语义信息,同时提高对小目标的敏感度;其次,集成灵活性更强的可学习的位置编码,提供更清晰的位置界定;然后,设计更高效的边界框损失函数,减小对目标位置预测的偏差,提供更准确的边界框信息;最后,构建EMA重参数响应模块,从而更有效地提取输入图像特征。实验结果表明:改进后的RT-DETR模型较原始模型参数量减少38.3%,精确率、mAP50和mAP50∶95指标分别提升5.1、5.0和2.2个百分点。对比其他同类主流算法模型,在航拍小目标检测任务中具有更好的检测效果。

关键词： 深度学习   计算机视觉   三维重建   多视图立体视觉  

摘要： 多视图立体视觉在自动驾驶、增强现实、遗产保护和生物医学等领域得到广泛应用.为了弥补传统多视图立体视觉方法对低纹理区域不敏感、重建完整度差等不足,基于深度学习的多视图立体视觉方法应运而生.对基于深度学习的多视图立体视觉方法的开创性工作和发展现状进行综述,重点关注基于深度学习的多视图立体视觉局部功能改进和整体架构改进方法,深入分析代表性模型.同时,阐述目前广泛使用的数据集及评价指标,并对比现有方法在数据集上的测试性能.最后对多视图立体视觉未来有前景的研究发展方向进行展望.

关键词： 杂波抑制   无源雷达   目标检测  

摘要： 无源雷达技术是未来目标检测的重要方向,其中杂波抑制和目标检测技术尤为关键,具有重要的研究价值。对无源雷达的杂波抑制和目标探测技术进行研究分析,介绍无源雷达的基础知识,详细阐述其在空时频方面的杂波抑制技术,以及在动目标和微弱目标两个领域的目标检测技术,归纳当前研究中存在的难点与挑战,并对无源雷达的发展趋势进行展望。

关键词： 矿山行业   机器视觉   目标检测   智能检测   深度学习  

摘要： 新一代信息化技术已成为驱动工业和社会发展的重要力量,其与矿山深度融合也已成为矿山创新发展的必然趋势。机器视觉技术作为其中的重要代表之一,对于提高矿山感知能力、降低安全风险、实现危险区域少人化、生产指标数字化、信息反馈及时化具有重要作用。本文梳理了机器视觉技术的基本概念、原理、典型算法和发展历程,围绕矿山生产涉及到的主要生产要素,从料、机、人、环四个方面分别叙述了机器视觉技术在矿山领域的最新研究进展与应用现状,并分析了现阶段研究与应用的主要特点。研究结果表明,机器视觉技术在矿山中的应用面临基础数据获取难度大、算法与算力无较大突破、复杂环境检测稳定性较差等问题。针对机器视觉技术发展现状及面临的实际问题,未来可从小样本检测、3D视觉检测和多元数据融合检测等方向寻求突破。小样本技术通过高效的学习手段,降低数据采集成本;多元数据融合技术通过融合多元信息,提高检测的适应性;3D视觉技术增强在复杂立体空间中的检测能力,提升检测的精度。将上述前沿技术应用于矿山复杂环境的视觉检测中,可解决传统视觉检测方法在基础数据稀缺、环境多变等挑战下的应用局限性。

关键词： 多传感器融合   机场不停航施工   安全风险监测   目标检测  

摘要： 随着机场运营规模不断扩大,各种改建和扩建工程愈加频繁,这些工程通常会对机场飞行安全造成一定的影响。本文因此研究了基于多传感器融合的机场不停航施工安全风险监测,保障施工过程中机场安全高效运行。首先,分析不停航施工涉及的安全项,梳理安全需求。然后,采用相机和激光雷达组合感知方式,获取目标物位置、类别和轨迹信息。最后,基于目标信息和触发规则实现了安全风险监测预警。实验结果表明,本方法克服了单一传感器感知的缺点,解决了传统施工现场监管和远程监管需要人工识别、判断风险并预警的问题。

关键词： 江豚   目标检测   深度学习  

摘要： 对江豚性行为的研究有助于此濒危物种的保育工作。传统方式依靠人眼观察,存在效率低、成本高、易疲劳等问题。随着深度学习技术的发展,中国科学院水生生物研究所配备的视觉监控设备可借助目标检测与识别技术提高观测效率。本文首先创建YFPSB数据集,包含2901张图像,涵盖五种行为类别。针对水下画质模糊、江豚与背景混淆等问题,本文建立了YOLOv8n-DBTA模型,首先通过自动伽马校正和暗通道去雾对图像预处理,接着设计双主干特征融合框架,增加更多特征融合路线,保留更多底层细节和特征以提升检测能力,然后设计任务对齐检测头,将位置与类别信息交互,学习江豚行为与位置的关系,最后进行模型实验分析,结果表明:模型在mAP0.50和mAP0.50:0.95指标分别达到97.9%和79.1%,优于其他主流模型。