关键词： 深度学习   目标检测   多尺度特征融合   铝合金压铸件   缺陷识别  

摘要： 基于深度学习的自构建多尺度空间语义融合网络模型，对铝合金表面自建缺陷数据集进行目标检测训练与验证，使模型的识别性能显著提升，能够满足铝合金表面缺陷检测系统对实时性和准确性的双重要求。实验结果显示，在两个自建实验数据集中，所提方法的mAP@50指标分别提升了6.1%和6.4%，mAP@50:95指标分别提升了2.7%和3.5%，这表明该方法在铝合金表面缺陷检测精度上更具优势；相较于通用的YOLOv11n模型，新构建的模型参数量和计算量分别减少了0.5M和2.1GFlops，表明其在铝合金表面缺陷检测效率方面有明显提升。新模型构建不仅在理论上为铝合金表面缺陷检测网络的优化提供了新思路，更在实践中为铝合金铸件表面缺陷检测提供了一种高效的解决方案。

关键词： 图像水痕去除方法   条件生成对抗网络   注意力机制   输电线路巡检图像   目标检测  

摘要： 为了实现高质量的输电线路巡检图像水痕去除，有效消除水痕遮盖造成的不利影响，提出一种基于条件生成对抗网络的输电线路巡检图像水痕去除方法；以有水痕原始图像作为输入，在U型网络架构基础上构建结合注意力机制的生成器网络，以增强生成器对关键水痕特征的聚焦能力，同时通过判别器网络对无水痕生成图像的真实性进行监督，以提升训练稳定性与无水痕生成图像的质量；将985组有水痕原始图像及对应无水痕真值图像数据按照8∶2的比例分为训练集和测试集，并进行水痕去除效果验证及目标检测实验。结果表明：所提出的水痕去除方法生成的无水痕生成图像质量显著提升，与无水痕真值图像的结构相似性指数为0.867，相比采用pix2pix网络、循环生成对抗网络生成的图像更接近无水痕真值图像；应用于目标检测算法检测鸟巢和悬浮物的平均精确率相比使用有水痕原始图像的分别提升了17.2%和19.1%，有效改善了水痕遮盖的劣质输电线路巡检图像的检测效果。

关键词： 域自适应   目标检测   深度学习   计算机视觉  

摘要： 传统基于深度学习的有监督目标检测方法依赖大量标注数据，并假设训练与应用场景数据分布一致，因此在跨域迁移时往往性能显著下降，而域自适应技术通过缓解源域与目标域分布差异，可以有效减少对大规模标注的依赖。自2018年首个无监督域自适应目标检测算法提出以来，研究者们相继探索了无监督、少样本、弱监督、无源域、测试时、开集及通用等域自适应目标检测方法，以应对数据稀缺、环境动态变化及类别未知等实际挑战。现有综述多集中于无监督域自适应或某一类算法，缺乏少样本、弱监督等多种类型的系统总结，本文从实际应用需求出发，梳理不同方法的适应机制与模型设计，分析不同类型算法在隐私保护、持续学习与快速部署等复杂场景下的优势，以为研究者理解域自适应目标检测的发展脉络与方法选择提供系统性参考与启示。

关键词： 对抗攻击   目标检测   多尺度均衡正则  

摘要： 目标检测模型在对抗补丁攻击下表现出显著脆弱性，严重威胁其在自动驾驶与安防等场景中的应用安全。现有基于迁移的黑盒攻击方法虽取得一定进展，但普遍存在跨模型迁移性不足以及在多尺度检测头间抑制不均衡的问题。针对这一挑战，本文提出一种基于多尺度均衡正则的对抗补丁攻击方法（MSBR）。该方法在补丁训练过程中显式约束不同尺度检测头置信度输出的方差，从而实现对各尺度目标的一致性抑制，有效缓解了尺度抑制不均的现象，显著提升了对抗补丁的跨模型迁移能力。在多个主流目标检测器上的实验结果表明，所提方法在保持攻击成功率的同时，黑盒迁移性能优于现有代表性方法（如T-SEA），验证了MSBR在提升补丁攻击实用性方面的有效性。本文的研究为面向复杂检测结构的对抗补丁攻击提供了新的思路。

关键词： 街景图像   目标检测   摄像头   RT-DETR   LDConv   HiLo  

摘要： 监控摄像头作为城市基础设施系统的关键设备之一，其作用涵盖城市交通管理、信息支撑以及公共安全监控等多方面。然而，私自安装摄像头现象泛滥，容易加剧隐私侵犯，甚至产生危害公共安全的风险；另一方面，摄像头的部署存在配置不均衡的现象，部分地区监控摄像头重复安装，而部分地区却仍存在监控盲区。利用街景图像进行监控摄像头的检测方法能够为解决上述问题提供技术支持。但与此同时，在这一检测任务中，常常面临着因目标背景复杂、像素占比少以及形状多样而导致的高漏检率和低检测精度问题。针对此问题，本文基于RT-DETR提出了一种利用街景图像进行监控摄像头检测的算法LH-RTDETR。首先，引入线性可变形卷积LDConv改进下采样，在稳定参数量的同时自适应地改变卷积采样形状，提高信息提取的灵活性，有效降低误检率。此外，在编码器部分引入高低频分支注意力机制HiLo，分别处理不同频率的信息，增强模型对于局部和全局的理解能力，降低漏检率。最后，添加高分辨率特征提取层P2，捕捉更多细节信息，提升模型检测精度。在自制街景监控摄像头数据集SCD上进行验证，结果显示，相较于基准模型RT-DETR，LH-RTDETR在保持参数量合理增长的同时，mAP@50提升了2.7个百分点，mAP@50-95提升了3.8个百分点，召回率提升了2.5个百分点。最后，在同数据集上进行消融实验，结果证明，LH-RTDETR能够在一定程度上降低漏检率并提高检测精度。

关键词： 紧凑型地波雷达   目标跟踪   点迹-航迹关联   距离-多普勒谱  

摘要： 紧凑型地波雷达对目标参数测量精度低，传统点迹-航迹关联方法仅依赖单时刻不准确的运动学参数，在跟踪邻近目标时易发生关联错误。为此，本文利用目标回波在多帧距离-多普勒（Range-Doppler,R-D）谱中幅度分布稳定的特点，提出了一种基于多帧R-D谱回波幅度分布的点迹-航迹关联方法，采用运动学参数与回波幅度分布联合匹配以提高关联准确率。首先，对于每条已起始的航迹，采用Sobel算子计算各帧R-D谱中目标回波的梯度幅值并构建序列，经平滑后，利用核密度估计构建航迹梯度幅值序列的连续概率密度函数（Probability Density Function, PDF）。然后，以目标的预测状态为中心建立关联波门，并计算关联波门内候选点迹的梯度幅值及瞬时概率密度函数。最后，利用库尔贝克-莱布勒（KullbackLeibler, KL）散度衡量候选点迹的瞬时PDF与当前航迹的连续PDF之间的相似度，选取KL散度最小的候选点迹进行航迹更新。利用紧凑型地波雷达实测海上目标数据开展了点迹-航迹关联实验，结果表明，与最近邻数据关联方法相比，该方法得到的目标航迹时长增加了28.4%，平均延长了14.3 min，提高了目标跟踪的连续性。

关键词： 目标检测   夜间域适应   光度对齐   DETR模型   无监督学习  

摘要： 夜间目标检测场景中，由于目标亮度较低且手动标注大规模夜间图像成本高昂，很难进行大规模的有监督训练。为解决这一问题，提出了一种基于改进RT-DETR的夜间图像域适应目标检测方法DTN-DETR。首先，设计了一种光度一致性匹配方法，将白天源域的光度特性与夜间目标域相匹配，生成类似目标域的夜间图像。其次，提出了双域优化模块改进的骨干网络，包含两个核心设计：特征优化模块和双域信息交互模块。特征优化消除特征通道中的冗余信息。双域信息交互则利用频率域和空间域信息交互，处理具有不一致频率的眩光和噪声，解决夜间场景局部多光源的耦合性现象。最后，引入了P2检测头，通过多层次特征融合提升夜间场景小目标的感知能力。在公共数据集BDD100K，SODA10M和Foggy Cityscapes上的实验结果表明，所提出的方法在目标检测任务中相较于现有的最先进方法具有显著的性能优势，验证了其有效性和鲁棒性。

关键词： 泥页岩   图像处理   岩石力学   非均质性   微裂行为  

摘要： 为探究细观尺度下岩石破坏机理，结合数字图像处理（DIP）技术和颗粒流代码（PFC）方法建立了一种带有表征矿物属性新的建模方法，利用常规三轴压缩实验条件下获取的宏观力学参数和破坏形态对建立的离散元数值模型进行了校正，分析了地应力条件下岩石矿物属性对岩石破坏演化的影响，探究了非均质性结构对微裂行为的影响。结果表明：常规三轴压缩实验加载过程主要分为裂纹闭合期、弹性变形期、裂纹生长期、裂纹爆发期;由选取的3组泥页岩计算机断层扫描（CT）切片模拟结果表明，岩石的非均质性对岩石微裂纹的产生和岩石物理力学参数均有一定的影响，非均质性越弱，峰值强度（σmax）和弹性模量（E）越高;从岩石裂纹扩展分布来看，非均质性的增强使得微裂纹分布更加复杂;从岩石微裂纹空间分布来看，微裂纹更加倾向于产生在白云石类矿物和石英类矿物的边界之间。研究成果对油气地下深部开采、防灾工程具有重要的参考意义。

关键词： 卷烟条盒   真伪鉴别   通道注意力机制   离散余弦变换   深度学习   计算机视觉  

摘要： 为提升真假卷烟鉴别的效率与准确性，提出一种基于改进频域通道注意力网络（IFcaNet）的卷烟条盒商标纸真伪鉴别方法。该方法首先将卷烟条盒的图像切分成3个子图，应用频域通道注意力网络（FcaNet）对每个子图进行深入的特征提取，通过自注意力模块，实现子图特征之间的有效交互，增强特征的表达能力。然后，通过最大池化和平均池化操作，分别获取条盒图像的显著特征和平均特征，两者的结合为模型提供更全面的图像信息。最后，将最大池化和平均池化得到的向量拼接，输入到全连接层进行二元分类。结果表明，IFcaNet在分类准确性和模型泛化能力方面均优于现有的对照模型，展示出其在真假卷烟鉴别领域的应用潜力。