关键词： 目标检测   模型剪枝   YOLO   Loss   轻量级网络  

摘要： 红外弱小目标检测是实现自动化红外智能安防、监控、制导的前提条件；红外弱小目标检测存在误检漏检率高、信息丢失严重等问题。为了实现实时高精度红外弱小目标检测，提出了一种基于YOLO的轻量级红外弱小目标检测算法。首先，针对红外弱小目标特征信息，提出了双检测头轻量级网络结构E-YOLO，解决目标信息在特征提取过程中消失问题；然后，提出了基于特征空间的滤波器剪枝算法，通过计算滤波器之间的相似度，裁剪冗余滤波器，提高推理速度；最后提出了cosPIoU-Varifocal损失函数，使用目标尺寸自适应惩罚因子，结合角度平衡，在平衡样本和重叠区域损失的同时，完成正样本加权处理，解决冗余锚框干扰问题。最终，在SIRST和IDSAT数据集下进行验证，mAP为96.6%、98.2%，算法计算量和网络模型可分别压缩至0.9GFLOPs、190 KB，推理时间为3 ms以下。与现有算法相比，所提出的算法在平均检测精度、参数量和模型体积等方面均获得了改善，满足实时性检测需求。

关键词： 目标跟踪   仿射变换   协同控制   分布式控制   无人艇  

摘要： [目的]针对不规则水域环境下无人艇集群系统的队形描述能力和机动性要求，基于仿射变换提出一种分布式协同机动目标跟踪控制方法。[方法]首先，针对无人艇欠驱动系统无相对度的问题，提出基于输出重定义的动态转换方法，简化控制方法设计。然后，设计分布式目标速度观测器估计目标未知速度。基于目标速度观测值，结合仿射变换理论和自适应反步控制技术设计分布式目标跟踪控制方法，实现对动态目标的机动跟踪。结合最小参数学习法与径向基神经网络技术设计自适应律，解决无人艇模型不确定性和外界复杂干扰问题。[结果]仿真实验结果表明，所提控制方法能够在不规则水域环境中实现对动态目标的稳定跟踪。当目标穿越狭窄地形时，无人艇集群系统可灵活调整队形避开障碍物，展现出强大的控制性能和灵活性。[结论]所提控制方法通过仿射变换提高了无人艇集群系统的灵活性，实现了对动态目标的仿射机动跟踪，提高了其在不规则水域执行跟踪任务时的安全性，对无人艇目标跟踪控制技术的发展具有重要意义。

关键词： 目标检测   YOLOv8   轻量化   HGNetV2   共享卷积  

摘要： 在医药与化工行业生产中，工人往往通过反应罐中的梯子来标识液位高度。反应罐中环境复杂多变，传统的图像处理算法对于梯子的检测与定位存在准确率不高的缺陷。基于深度学习的YOLOv8算法检测精度较高，但庞大的计算量限制了其在工业现场的应用。为此，设计一种基于YOLOv8的轻量级梯子自动检测与定位算法HFDLYOLO。具体来说，首先使用HGNetv2替换YOLOv8n的主干网络，用于减少参数量和计算量，在主干网络中嵌入无参注意力机制SimAM，用于提高检测精度。在此基础上，结合部分卷积思想，设计C2f-FCP模块代替Neck部分的C2f模块，实现多尺度特征融合；其次，选用一种轻量级且高效的上采样器Dysample来改进Neck部分特征融合网络的上采样算子，以进一步提高算法性能；最后，引入一种轻量级共享卷积检测头LSCD-head，用于减少模型尺寸，提高检测效率。实验结果表明，HFDL-YOLO算法的平均检测精度相较传统YOLOv8n提高了1.1%，而模型大小、GFLOPs、参数量分别降低了54.0%、51.9%、57.0%。在亮度不均、角度各异的情况下，HFDL-YOLO算法以更低的运算成本更精准地实现了反应罐中梯子的自动检测与定位。

关键词： 军事飞机目标检测   YOLOv8   深度特征提取   动态上采样   统一参数化  

摘要： 针对空天背景下军事飞机目标检测中存在的低对比度、小尺寸及形态多变导致的漏检率高、特征交互不足等问题，提出基于YOLOv8改进的SDU-YOLOv8网络。通过构建SSGBlock深度特征提取模块、动态可学习的Dy-RepGFPN特征融合网络以及参数共享的UCDN-Head检测头，实现特征提取、融合与检测头的协同优化。在自建军事飞机数据集上的实验结果表明，SDU-YOLOv8网络较基准YOLOv8的mAP@0.5提升2.5%，达到95.7%，参数量减少6.7%，计算量降低9.9%，在小尺寸、低对比度及形变目标的检测鲁棒性显著增强；新方法在保持轻量化的同时实现了检测精度与效率的均衡优化，为空天侦察场景下的军事飞机检测提供了高效解决方案。

关键词： 目标检测   深度学习   YOLO   轻量化  

摘要： 针对移动端对复杂交通场景的车辆监测需求,提出一种既能保证车辆检测准确度,又对移动端的性能要求较低的目标检测模型。首先将YOLOv5s的主干网络替换成改进的MobileNetV3s,大幅度缩减模型体积,针对检测精度降低的问题,提出了将RepVGG模块改进为QARepVGG模块;然后采用基于QARepVGG与PConv和PWConv改进的网络模型提高检测精度;最后定义新的损失函数XIOU加速模型收敛,提高检测准确性。提出的YOLOv5s-MNV3s-fastEffQAR模型在UA-DETRAC-YOLO数据集中的表现与YOLOv5s模型相比,参数量和计算量分别减小了68.46%和57.67%,训练后的模型大小为原始模型的33.4%,精度仅下降0.3%。实验表明,提出的目标检测改进方法,实现了在压缩模型大小、降低参数量的同时,几乎不损失检测精度,非常适用于移动端。

关键词： 深度神经网络   图像识别   卷积神经网络   目标检测   图像分割  

摘要： 通过多层次的非线性变换,深度神经网络(DeepNeuralNetworks,DNNs)实现了对图像数据的高效特征提取与深度学习。文章旨在探讨DNNs的基本原理、最新进展及其在图像识别与分析中的应用。同时,分析了卷积神经网络(CNN)、循环神经网络(RNN)及其变体等架构在图像特征提取、分类、目标检测与图像分割等任务中的表现,重点讨论了这些技术在医疗影像诊断、自动驾驶、安防监控等领域的实际应用价值。

关键词： 图像处理   图形用户界面   细胞分类   医疗诊断  

摘要： 现有的医疗细胞诊断技术大多聚焦于算法的识别与分类,复杂度较高,且未充分考虑医生实际操作的便捷性。为此,本文提出了一种基于图形用户界面(GUI)的医疗细胞诊断系统设计,旨在提升医生的使用效率与诊断准确性。该系统利用Matlab进行图像预处理,结合分水岭分割算法与全卷积神经网络(FCN)分类算法,实现对细胞种类的高精度识别,并将算法集成到用户友好的GUI中。实验表明,该系统具有操作简便和较好的细胞分类的准确性。研究结果可为医疗细胞诊断提供一种简便且高效的辅助工具。

关键词： 条纹投影轮廓术   目标检测   DWT   DCT   图像分割  

摘要： 目前基于条纹投影轮廓术(FPP)的研究大多是通过重建整个场景或建立理想实验环境来实现目标分割的,但实际工业场景中周围环境复杂,直接使用FPP分割的相位含有大量无效区域,导致难以实现目标级测量。为此,提出了一种基于条纹投影轮廓术的相位有效区域分割方法,调制图和包裹相位图互为补充信息,同时作为输入,有效去除背景和阴影。通过自适应离散小波特征交互模块来学习和融合特征,采用离散小波变换(DWT)对特征进行分解,并利用边缘增强离散余弦变换(DCT)模块对特征进行解码,从而得到边缘清晰、结构明确的目标相位分割结果。定性和定量实验的结果表明所提方法比其他算法能更准确地分割出目标相位有效区域,验证了该方法在基于条纹投影轮廓术的目标级三维测量中的有效性。

关键词： 图像语义分割   深度学习   刀具磨损   图像处理   形态学滤波   定量评价  

摘要： 刀具磨损状态的鲁棒评价对于保证加工效率提高产品供给质量具有重要的作用。针对于现有刀具磨损状态直接评价方法难以自适应进行磨损区域划分的问题,提出了一种结合图像语义分割与形态滤波的铣削刀具磨损状态智能评价方法。首先,通过引入压缩-激励结构,融合U-Net网络编码与解码过程中对应特征信息,提高模型的语义分割性能,实现小样本条件下刀具图像的像素级分割。为进一步改善网络输出效果,提出一种分段处理的优化策略,针对于不同磨损阶段的刀具图像采用不同的结构元进行形态学滤波处理。最终,通过统计形态学滤波后分割区域面积实现刀具磨损状态的定量评价。实验结果表明,较之经典U-Net结构,提出方法可提高识别准确率10%左右,论证了所提出方法的有效性。提出方法针对刀具图像逐像素进行磨损状态的自适应判断,可广泛适用于不同刀具类型的磨损状态评价过程。

关键词： 铁路重点场所   声波驱离技术   安全技防   目标跟踪  

摘要： 为提升铁路重点场所的安全管理水平,研究一种基于声波驱离技术的电子哨兵系统。介绍声波驱离技术原理,提出电子哨兵系统设计要求,构建电子哨兵系统架构,设计电子哨兵系统硬件和软件,详细阐述目标检测与跟踪和声波驱离策略库构建等关键技术原理,并开展现场验证试验。结果表明:基于YOLOv8网络的目标检测算法,能满足电子哨兵系统准确、可靠识别入侵目标的要求;电子哨兵系统能够准确捕捉到管控区域内的入侵目标,并发出相应声波以驱离入侵目标,满足设计要求。