关键词： 水稻   计算机视觉   图像处理   智慧农业   深度学习  

摘要： 计算机视觉技术作为人工智能领域的重要分支，在农业领域得到广泛应用和快速发展。本文综述计算机视觉技术在水稻领域研究进展，重点涵盖其在生长监测、营养诊断与病虫害识别中的应用。梳理水稻生长阶段识别、生长特征分析、基于图像的氮素诊断及其他营养元素识别技术，并探讨高光谱成像与深度学习的集成优势。针对水稻病虫害监测问题，归纳计算机视觉在病害特征提取、虫害检测与早期预警方面的研究进展。并展望未来发展方向，包括多模态数据融合、深度学习技术的进一步应用以及智能农业管理系统建设。

关键词： 绝缘子缺陷   目标检测   YOLOv8n   特征融合  

摘要： 绝缘子是输电线路安全的关键,绝缘子缺陷检测对确保电网安全具有重要意义.为提高绝缘子缺陷检测准确率,本文提出一种改进YOLOv8n绝缘子检测算法YOLOv8-DSC.该算法主干网络采用C2 f-SCConv模块,减少空间与通道冗余,降低模型复杂度,实现更好检测效果;网络颈部引入双向特征金字塔网络(BiFPN),实现多尺度特征的融合,提升网络特征提取能力;使用Dynamic head检测头,将尺度、空间和任务3种注意力机制进行整合,进一步提高了模型的检测精度.实验结果表明,YOLOv8-DSC算法与未改进算法相比,精确度,召回率,平均检测精度分别提高1.9%,4.8%,3.1%.最终将算法部署到Jetson Orin Nano,实现对绝缘子不同缺陷的实时动态检测.

关键词： 城市公园   视听交互   情绪感知   休闲体力活动   计算机视觉   人机对抗  

摘要： 【目的】城市公园场域内视听环境要素对休闲体力活动的促成效用亟待深入剖析，本研究基于视听交互框架，聚焦“视听环境要素-情绪感知-休闲体力活动”的作用路径，界定情绪感知为场地情境诱发的状态性情绪反馈，检验其在环境要素影响行为中的中介效应。【方法】以辽阳市太子河公园144个景观节点为样本，采用同点位数据采集与联合建模，结合语义分割、人机对抗评分、问卷调查和行为观测等方法进行异质性分析，探索视听反馈与人群的情绪状态及休闲体力活动间的直接、中介关系。【结果】照明指引、活动器材、休憩设施、蓝视率、自然声与铺装材质显著提升安全、活力与丰盈等积极情绪；较高的声暴露级会增强低落情绪并削弱美感，过度围合与城市背景同样降低审美体验。其次，天空开敞度、蓝视率、照明指引与自然声对轻度和中度活动具有正向促进作用；中度活动更偏好围合空间与服务设施支撑；重度活动则更依赖功能性铺装与线性滨水空间。情绪感知在天空开敞度通过情绪影响轻度活动（中介效应占比53.80%），空间围合度影响中度活动（56.28%），自然声源影响轻度活动（41.81%）中呈现部分中介作用。【结论】情绪感知是将视听线索转化为实际活动行为的关键心理路径。应通过平衡蓝绿视域与亲水体验、完善导视、照明及休憩服务、优化自然声景并管控噪声、依据活动强度分区配置功能性铺装与设施等策略，提升城市公园对不同强度休闲体力活动的承载与健康效益。

关键词： 水下避碰   目标检测   恒虚警检测   目标跟踪  

摘要： 自主水下航行器通常在未知的海洋环境中工作，为确保航行器航行安全，文章针对水下航行器自主避碰问题提出了一种结合背景抵消和恒虚警率控制的水下障碍目标检测方法。针对水声信号非平稳、非高斯的特点，采用背景抵消恒虚警检测器对声呐波束数据进行门限判决检测处理。结合目标的运动特性，通过数据关联和卡尔曼滤波器对检测结果实施多目标跟踪，获取障碍物目标航迹信息及其生存周期。仿真数值模拟与水池实验验证了方法的有效性，水池实验结果表明背景抵消恒虚警检测器的目标检测率为93.9%，较传统检测器提高3.6%，而且在目标跟踪上能更快地建立目标跟踪轨迹，具有较好的应用前景。

关键词： 桥梁水下结构   目标检测   注意力机制   前馈神经网络(FNN)   频域特征建模  

摘要： 为实现桥梁水下结构病害的高效检测，提出了一种轻量化快速目标检测模型CF-YOLOv11n。引入上下文感知局部增强注意力机制，通过双分支结构将全局语义与局部细节信息相融合，利用深度卷积来减少冗余计算，提升推理速度。通过频域调制前馈网络，对特征进行局部窗口频域滤波，实现多尺度特征建模与背景干扰抑制，从而提升检测精度。结果表明，CF-YOLOv11n在实桥数据集下的mAP50:95达到45.50%，相较于基线模型提升了2.46%；推理速度为66.13帧/s，为基线模型的2.25倍。相对于基线模型，所提模型能够更好地捕捉多尺度信息，加快推理过程，并兼顾精度与速度，在实际桥梁水下环境的实时检测任务中展现出更优的工程应用价值。

关键词： 工业缺陷检测   目标检测   YOLOv5   损失函数   特征融合   冗余框  

摘要： 针对传统钢材表面缺陷检测领域长期存在的检测精度不足及微小瑕疵识别困难等共性技术瓶颈，提出一种改进YOLO的钢材表面缺陷检测算法。对YOLOv5n网络结构进行优化：更换主干网络中某些卷积层中的SiLU激活函数为FReLU；颈部结构中引入收集-分发机制，有效避免传统FPN结构固有的信息丢失，提高模型多尺度的特征融合能力；采用关注边界框自身的形状和尺度的Shape-IoU来计算损失，提高对微小缺陷的检测性能；针对误检框干扰检测精度的问题，提出一种改进的非极大值抑制算法，抑制邻近区域的重叠框，消除冗余预测框。在NEU-DET和Severstal数据集上验证表明：模型改进后，精确度分别提升5.7%和2.1%，召回率分别提升2.2%和2.1%，mAP则分别提高7.4%和4.6%，同时保持较快的推理速度，满足工业实时检测需求。

关键词： 安全工程   安全帽检测   目标检测   YOLOv8   注意力机制   损失函数  

摘要： 针对井工矿复杂环境下安全帽检测面临的挑战，提出了一种改进的YOLOv8目标检测模型。井工矿环境的特殊性，如光线昏暗、粉尘弥漫、背景复杂及矿工姿态多样性，导致现有检测算法在目标遮挡、小目标识别及恶劣环境条件下的检测性能下降。为解决这些问题，从以下几个方面对YOLOv8模型进行了改进：首先，引入残差块+卷积块注意力模块（Residual Block+Convolutional Block Attention Module，ResBlock+CBAM），通过跳跃连接和注意力机制，显著提升了模型对小目标和遮挡目标的检测能力；其次，设计动态检测头，将注意力机制分解为尺度、空间和任务三个独立维度，增强了模型对目标多样性的适应能力；再次，提出用于边界框回归的损失函数——最小点距离的交并比（Minimum Point Distance based Intersection over Union，MPDIoU），综合考虑边界框的重叠面积、中心点距离以及宽度和高度偏差，优化了边界框回归的精度；最后，构建矿井安全帽检测数据集，包含4 300张在复杂井下环境下拍摄的图像，用于模型的训练和验证。试验结果表明，改进后的模型在精确率、召回率、mAP50和mAP50–95等关键评价指标上均取得了显著提升。与当前主流的目标检测算法（如Faster R–CNN、SSD、YOLOXs和YOLOv8）相比，提出的模型在检测精度上大幅领先，同时保持了较低的计算复杂度（GFLOPs为16.9），使该模型更适合在实际矿井环境中实时运行。研究不仅提升了井工矿安全帽检测的准确性和鲁棒性，还为复杂环境下的目标检测任务提供了新的思路和方法，具有实际应用价值。

关键词： 分布式MIMO雷达   低比特量化   目标检测   广义Rao检验   动态规划  

摘要： 多通道观测数据信号级协同检测是分布式MIMO雷达目标检测的关键技术之一，但该技术在实施过程中需消耗大量系统资源用于数据计算与传输，使其在实际工程应用中面临诸多挑战。鉴于低比特量化技术可显著降低分布式系统的通信传输代价和计算资源消耗，该文研究了广义高斯噪声背景下基于低比特量化的MIMO雷达目标检测问题。分别基于广义似然比检验(GLRT)与广义Rao (G-Rao)检验设计了相应的检测器：前者需要对目标反射系数与多普勒频率进行最大似然估计；后者基于得分函数直接构造统计量，避免冗余参数搜索，有效降低计算复杂度。此外，为改善检测性能，运用动态规划(DP)算法对量化门限进行优化。实验结果表明：与GLRT方法相比，G-Rao检测器的计算效率更高；与均匀量化门限相比，门限优化可有效提高对目标的检测性能；与粒子群优化等现有算法(PSOA)相比，DP的计算复杂度更低。

关键词： 非合作双基地雷达   低检测概率   目标跟踪   互信息熵   PHD滤波  

摘要： 针对非合作双基地雷达目标跟踪时主要面临的高杂波率、低检测概率等问题，该文提出了一种基于互信息熵和改进PHD滤波器的目标跟踪协同处理框架，首先将目标点和杂波点与参考模型间不同的统计相关程度量化为互信息熵值，基于互信息熵维特征完成杂波点迹筛除；其次通过动态权值补偿对经典PHD滤波器进行改进，减缓粒子权值归零过程的同时减少目标误删现象，解决低检测概率下点迹不连续且间隔随机给目标跟踪带来的点迹断联、目标丢失等问题。通过仿真实验验证了所提算法框架的有效性与性能，外场实测数据验证了所提方法在实际应用中可取得良好的目标跟踪结果。