关键词： 遥感图像   弱小目标检测   YOLOv8   动态聚焦机制   多维注意力  

摘要： 遥感图像的目标检测在各领域有着广泛的应用场景,由于遥感图像中检测目标存在形态多变、弱小目标较多以及背景复杂等原因,导致遥感图像在目标检测方面存在检测精度识别不高、模型参数过大等问题。为提升算法对遥感图像目标的检测准确率以及缩减算法模型量,提出了动态聚焦多维注意力检测算法——YOLO-WiseGOD。在YOLOv8n基线网络中使用WIoU(Wise-IoU)构建动态聚焦机制的边界框损失,弱化因几何因素导致的梯度增益泛化能力不足的问题,在协调高低质量锚框竞争力的同时,使之适用于聚焦普通锚框,提高网络模型检测的定位能力。在网络末端融合改进的L-ODConv(Leaky ReLU-Omni-Dimensional Dynamic Convolution)多维注意力机制,避免梯度锯齿问题,在减少模型参数的同时,优化输出特征和卷积权值的调制,提升网络加权特征融合。在主干网络中引入轻量化注意力模块C2FGhostV2,在更好地捕捉输入特征图中的多尺度特征和全局上下文信息的同时,保持较低的参数量和计算复杂度,更好地平衡训练精度和模型量之间的关系。所提算法在遥感数据集NWPU VHR-10(Northwestern Polytechnical University Very High Resolution-10)和RSOD(Remote Sensing Object Detection)上进行实验验证,对比当前主流算法模型YOLOv8n,其平均检测准确率(mean Average Precision,mAP)分别提高了2.0%和2.3%,模型参数量减少4.5%,计算量减少10.9%,能有效提高遥感图像中微小目标的检测精度和实现一定的模型轻量化。

关键词： 薄膜厚度均匀性   机器视觉   图像处理   伺服电机   XY移动平台  

摘要： 针对薄膜生产吹塑过程中均匀性不稳定、需经常进行人工调整等问题,提出了一种基于机器视觉的多自由度薄膜厚度均匀性控制系统;视觉模块通过摄像头对成型轮廓的进行检测,提取塑料薄膜外形轮廓的图像信息,经过图像处理后输出不对称度信息,用作控制部分的控制参数;控制模块依据视觉检测结果及控制模型,对装有两轴伺服电机的XY移动平台上的膜口间隙调节机构进行实时控制与反馈;实验测试结果表明,所设计的系统偏离度识别误差0.485°,控制误差0.098 mm,满足设计要求及质量要求。

关键词： 无人机   避障传感器   计算机视觉   事件相机  

摘要： 无人机自主飞行避障技术是无人机安全飞行和应用中最为基础和关键的技术,也是当前无人机领域的研究热点。随着深度学习在计算机视觉方向的应用,以及事件相机等视觉传感器技术的迅速发展与不断完善,基于视觉传感器的无人机自主飞行避障方法取得一定的进步,但目前有些研究方法在复杂场景下仍存在很大的挑战以及存在一些列亟待解决的问题,在精准性、实时性以及算法鲁棒性方面仍有改进空间。首先介绍无人机避障的相关概念及问题难点;然后将基于视觉传感器的避障算法根据采用的硬件及技术手段,具体划分为传统避障方法、基于深度学习避障方法、基于处理事件流的避障方法、基于传感器融合避障方法,和基于视觉避障的决策层避障方法,并分别介绍每类避障方法相关研究进展与研究成果,以及分析各类避障方法的优缺点;最后总结现有无人机避障算法存在的问题,并对未来研究工作进行展望。

关键词： 输电线路   覆冰厚度   图像处理   边缘检测  

摘要： 针对雨雪天气严重影响线路覆冰图像质量与标准覆冰厚度计算的问题,提出一种基于智能图像处理的线路覆冰厚度检测方法,并在实验室对导线进行人工覆冰并模拟人工冷雾,采集有雾和无雾条件下的覆冰图像,用所提方法检测导线覆冰厚度。对采集的图像通过去雾、灰度化、直方图均衡化和空间滤波进行预处理,采用多种算子对处理后的图像进行边缘检测,计算出覆冰厚度。结果表明,覆冰图像去雾处理后采用直方图均衡化和空间滤波可较好地改善图像质量,配合使用Canny算法进行导线覆冰图像边缘检测时更具优势,即使在有雾的情况下,也可以得到较为准确的覆冰厚度检测结果。

关键词： 计算机视觉   风格迁移   视觉transformer模型   Swin–Transformer模型   中国画   孪生编码器  

摘要： 中国山水画风格迁移的目标是在保持原有山水真实场景图像内容的前提下,引入传统中国画作特征,以生成具有中国山水画艺术特征的图像。近年,由于深度学习的快速发展,卷积神经网络(CNN)和对抗生成网络(GAN)几乎主导了包括风格迁移在内的大部分图像生成任务,但也存在一些问题,如真实场景在风格迁移过程中易丢失语义,GAN网络训练出现模型坍塌,CNN风格迁移方法出现棋盘效应等。视觉Transformer模型为图像处理任务提供了新的解决方案,但训练需大量数据且计算复杂。为了解决生成中国画过程中由上述因素引起的图像质量低及细节特征丢失等问题,本文提出一种能基于细节特征提取融合的中国山水画风格迁移网络,即SSTR(swin style transfer transformer)。该网络在StyTr^(2)网络的基础上,引入了Swin–Transformer模型,利用视觉Transformer的强语义性保留山水场景的特征;同时利用Swin–Transformer模型的分层体系结构及滑窗操作计算注意力机制,提取更多的山水画艺术风格细节,同时降低模型训练复杂度;最后,引入一个CNN解码器细化生成目标图像。本文利用公开视觉数据集COCO 2014与公开山水画数据集进行训练、验证与测试,并将结果与基线方法进行比较。结果表明,SSTR在处理中国山水画风格迁移任务中,风格损失和内容损失分别为1.35和1.88,在风格损失上优于StyTr^(2),表现出了优异的特征提取能力和图像生成能力。

关键词： 图像处理   Edge-NCC算法   模板匹配   工件定位  

摘要： 传统的归一化互相关(NCC)匹配算法基于灰度实现,存在运算量大,忽略图像特征信息、无法匹配旋转图像等问题,因此研究了一种基于OpenCV实现的结合图像特征和灰度信息的Edge-NCC模板匹配算法。该算法在图像金字塔顶层利用边缘点进行相似度计算,计算量可减少(1-z/(m*n)),同时降低噪声、光照等对匹配结果的影响,提高相似度得分;在非顶层利用优化后的NCC公式结合积分图像进行相似度计算,计算量可减少约2/3。实验结果显示Edge-NCC算法在图像存在光照变化、噪声以及模糊的鲁棒性上相较于原有的NCC算法有了一定的改善,在这些不同条件下的匹配成功率能够达到约95%,验证了算法的有效性。在视觉点胶机的工件定位应用过程中,使用该算法能够有效地增加定位的准确度和降低企业的生产成本。

关键词： YOLO算法   鸟类检测   目标检测   深度学习  

摘要： 随着深度学习技术的持续进步,YOLO目标检测算法已成为计算机视觉领域内的研究热点。鉴于环境生态问题的日益严峻,鸟类识别技术对于生态环境保护、鸟类种群监测以及生物多样性研究具有至关重要的作用。本文全面回顾了YOLO系列检测算法从v1至v11的发展历程及其网络结构原理,对基于YOLO的鸟类检测领域的相关文献进行了梳理与分析,并归纳总结了各模型的网络结构及性能指标,为进一步验证模型效能,选取了部分主流模型在CUB-200鸟类数据集上进行了性能对比实验;探讨了几种常用于YOLO目标检测框架下的鸟类图像数据集,这些数据集是训练和测试模型的关键资源;结合YOLO系列算法的特点及最新文献,展望了未来在该领域可能的研究趋势和发展方向,旨在为进一步提高鸟类检测精度和效率提供参考。

关键词： 军事目标检测   YOLOV5   渐进特征金字塔网络   多尺度目标   注意力机制  

摘要： 针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题,提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先,在颈部网络引入AFPN渐进特征金字塔网络,以渐进的方式融合图像底层详细信息和顶层高级语义特征,增强了网络特征融合效果;其次,在每个检测分支前增添EMA注意力机制模块,跨空间聚合像素级特征,提高了复杂场景下对多尺度目标的关注程度;最后,使用MPDIoU替代YOLOV5原有C_(IoU)边界框损失函数,解决了预测框宽高比相同但绝对值不同时C_(IoU)退化的问题,使回归结果更为准确。实验结果表明,改进后算法在RSOD数据集上PmAP50达到94.5%,FPS达到42 frame/s,模型大小为14.8 MB。与现有算法相比,改进后算法性能显著提升,可满足军事目标检测的实时性要求、模型轻便。

关键词： 伪装目标检测   局部-全局特征相互补偿   局部-全局特征交叉协方差  

摘要： 在伪装目标检测(COD)领域中,最新提出的方法主要利用伪装目标的局部特征完成COD任务,输出的预测图存在目标轮廓粗糙和对象不完整的问题。针对上述问题,提出了基于局部-全局特征相互补偿的伪装目标检测方法,利用局部特征与全局特征相互补偿进行伪装目标的检测。设计一个非局部特征增强模块(N-LFEM),使用非局部机制来交互相邻局部区域,增强局部特征表达。构建一个局部-全局特征交互模块(L-GFIM),平均局部特征得到全局特征,执行局部特征与全局特征的相互补偿。设计一个局部-全局特征交叉协方差模块(L-GFCCM),通过语义对齐和交叉协方差获取空间指标定位伪装目标所在区域,选取相似性最高的特征图输出。在3个公开数据集上的实验表明,该算法优于其他8个最新模型。在COD10K数据集上,平均绝对误差(MAE)达到了0.028。

关键词： STM32   Open MV   PID   图像处理   目标追踪  

摘要： 本文提出了一种基于STM32开发板和OpenMV视觉模块的运动目标控制与自动追踪系统。该系统利用图像处理技术和PID控制算法,实现了对目标的精确识别和稳定追踪。通过OpenMV进行实时图像采集和处理,系统能够有效地从视觉数据中提取关键信息,并传输至STM32主控。进而处理这些信息,生成精确的舵机控制信号,以实现对目标的精确追踪。系统设计考虑了交互功能,提供了直观的物理按键,便于用户进行操作和调参。测试结果显示,系统在复位、追踪精确度和稳定性方面均达到预期目标,证明了其在自动化、控制等领域的应用潜力。