关键词： 焊缝缺陷分类   YOLOv8   深度学习   轻量化   图像处理  

摘要： 焊接过程中产生的焊缝缺陷对结构件的强度和使用寿命有较大的影响。本文针对现有焊缝缺陷分类模型中存在的参数量大，推理速度慢，成本高等问题，提出了一种轻量级实时焊缝分类模型（Tiny Downsampling and Representation with Excitation,TDREYOLO-cls）。首先，更改YOLOV8n-cls模型架构，将较浅层的C2f模块更改为含有RepConv的RCR模块，在获取多尺度特征的同时控制推理速度。其次，提出一种含有特殊下采样和压缩机制的位置特定注意力模块DPSA，有效减少了模型参数量。最后，为了进一步提升模型对于关键信息的提取能力，为DPSA模块提出了一种专用的注意力机制CSE。结果表明，本文所提出的模型相较于YOLOv8n-cls，在推理速度同样为0.9ms/帧的前提下，Top-1准确率提高了2.4%，加权精确率提高了2.3%，加权召回率提高了2.4%，并且模型参数量减少52.1%。

关键词： 疵点检测   可变形卷积   YOLOv8n   注意力机制   目标检测  

摘要： 针对生丝疵点小且形态多变导致检测中出现错检漏检的问题，提出一种基于可变形卷积和注意力机制的生丝疵点检测算法。以YOLOv8n为基准模型，首先在主干网络部分将可变形卷积DCNv2融入C2f中形成新的C2f-DCN模块，利用可变形卷积的任意采样形状特性自适应拟合疵点的几何形状，提升模型对不规则疵点的特征提取能力；其次在主干网络末端加入ECA注意力机制，通过跨通道交互抑制背景噪声等无用信息，提高模型对疵点特征信息的关注度；最后在颈部添加一个P2检测头获取浅层语义信息，构建四分支检测层结构，增强对小目标的响应能力。试验结果表明：与原始算法相比，该算法mAP@0.5和mAP@0.5∶0.95达到95.4%、75.9%，分别提升了3.3个百分点和9.0个百分点，模型推理速度达到65.2帧/s。该算法能够有效实现疵点检测，降低疵点的错检漏检现象，同时具有较好的检测速度，满足实时检测要求。

关键词： 域适应   目标检测   伪标签   小目标   无监督检测   多尺度   掩膜   对比学习  

摘要： 针对无监督检测器对小目标与被遮挡目标检测精度不足问题，文中基于Faster RCNN(Faster Regions with Convolutional Neural Network)提出了无监督域适应改进模型。预训练模型在特征提取网络中引入多尺度域对抗模块来提升域不变特征的提取能力，分离对抗参数至辅助主干网络来防止不同目标特征混淆，以免生成高置信度噪声。在引入伪标签自训练代替实例级域适应的同时利用掩膜目标域样本方式构造对比学习，从而提升模型在目标域中的上下文推理能力。实验结果表明，较于现有无监督目标检测算法，所提模型具有更好的迁移检测性能。

关键词： 图像处理   玻璃内在纹理图像   无重叠区域   投影   Shi-Tomasi算法  

摘要： 在玻璃内在纹理图像拼接的过程中，存在图像间无重叠区域、大量的黑色线状噪声以及图像对比度低等问题，主流拼接方法难以在相邻图像之间建立匹配关系。为此，提出一种无重叠区域玻璃内在纹理图像拼接方法。首先对图像进行预处理，包括获取感兴趣区域、图像矫正、非局部均值滤波去噪和多尺度细节增强；然后采用图像投影提取特征点，并用ShiTomasi算法提高特征点精准度；最后，去除拼接处背景部分，基于平移变换进行图像配准，实现无重叠区域玻璃内在纹理图像拼接。实验结果表明，所提方法能够有效解决图像无重叠区域拼接困难的问题，实现高质量图像拼接，拼接成功率达到95.08%。

关键词： 激光雷达   三维目标检测   多尺度特征   分组卷积   注意力机制  

摘要： 针对当前激光雷达三维目标检测存在对小目标物体检测效果差的问题，提出一种融合多尺度特征和分组卷积的三维目标检测算法。本文以PV-RCNN++为基准网络，首先，使用三维多尺度特征网络，将不同空间分辨率特征融合，得到具有不同空间语义信息的三维特征体，提高模型对不同尺度物体的特征提取能力和检测效果。其次，在二维特征图上，对不同通道进行分组，每组使用不同大小的卷积核进行卷积，得到具有多个不同大小感受野信息的二维特征。最后，使用SimAM注意力机制提高二阶段前景点特征的权重，使前景点在候选框细化的过程中发挥更大的作用。在KITTI数据集上的结果表明，所提算法优于当前主流目标检测算法，与基准网络PV-RCNN++对比，行人与骑行者在简单、中等、困难情境下的检测精度分别提升了（3.12%、3.95%、3.70%）,(4.45%、3.52%、3.08%)。

关键词： 伪装目标检测   上下文感知   深度学习   活性污泥   微生物  

摘要： 活性污泥中指示性微生物的显微镜观察是评估污水处理过程运行状态的重要手段。活性污泥背景下微生物群落具有高度的伪装特性，传统目标检测方法难以精准识别。为应对微生物伪装目标检测的挑战，本文构建一个伪装活性污泥微生物数据集(CASM, Camouflaged Activated Sludge Microorganisms)，包含25种活性污泥微生物，共有1888张图像。并提出一种基于上下文感知的活性污泥微生物伪装目标检测模型，上下文感知-搜索识别网络(CA-SINet, Context Awareness-Search Identification Network)。该模型采用PVTv2作为骨干网络以捕获伪装特征，并设计了一种伪装上下文感知器，通过多尺度特征融合整合局部与全局信息，充分利用周围环境的上下文信息，实现对微生物伪装特征的精细检测。CASINet在多个公开数据集以及CASM上进行了实验研究，在公开数据集上模型S值、加权F值、E值和平均绝对误差方面分别平均提升了2.7%、0.8%、1.5%和0.7%；在CASM数据集上分别提升了1.0%、1.6%、1.0%和0.1%。实验结果表明，CA-SINet在伪装目标检测任务中具有一定性能优势。

关键词： 水下图像   目标检测   ADown下采样   WTConv   SPPFAC   AWAF-YOLO  

摘要： 针对水下图像目标检测算法普遍存在误检、精度低及泛化能力弱等问题，本文提出了一种水下图像目标检测算法：AWAF-YOLO。首先，通过ADown下采样模块增强网络灵活性从而更加有效的获取多尺度数据特征。其次，利用WTConv模块减轻了模型复杂程度，大幅减少计算负担。然后构建SPPFAC模块通过融合注意力与跨通道交互，提升多尺度特征判别力，更加智能地聚焦于关键特征信息，实现特征处理过程优化。最后，引入FSIoU损失函数，通过动态聚焦与几何约束耦合，实现复杂目标精准定位。最后实验结果表明，相较于基线模型，该算法在TrashCan1.0数据集中mAP@0.5:0.95提升了2.6%，同时在Aquarium数据集上mAP@0.5:0.95提升了1.6%，证明了该算法具有良好的有效性和泛化性，为水下图像目标检测研究提供了一种新的思路。

关键词： 图像处理   超分辨率重建   双流特征增强   轻量化网络   动态上采样  

摘要： 近年来，Transformer凭借其自注意力机制对全局特征的强大捕获能力，在图像超分辨率领域展现出显著的性能优势。然而，自注意力机制需要消耗大量计算资源，并且在捕捉局部特征方面能力有限。针对这一问题，我们提出了一种基于双流特征增强的轻量级图像超分辨率重建网络，该网络设计了一种双流特征增强模块，通过捕捉与融合图像的全局与局部信息来提升重建效果。此外，我们还设计了一种轻量级的特征蒸馏模块，利用移位操作扩展卷积核视野，从而减少网络参数。实验结果表明：所提方法在主观视觉与客观指标上均优于基于卷积的重建网络。与Transformer的重建网络相比，所提方法在PSNR指标上分别比SwinIR-Light、NGswin平均提高0.06、0.14dB。

关键词： 图像处理   6D位姿估计   三维点云   特征融合   交叉注意力  

摘要： 针对非结构化场景中目标物体6D位姿检测易受前景与背景相似性影响的问题，提出一种基于交叉注意力加权机制的6D位姿检测方法。首先，通过RGB-D掩膜锁定图像ROI区域，利用PSPNet模块提取RGB语义特征，利用PointNet模块提取相应区域点云的全局和局部特征，实现同一目标的双重特征表达；其次，以RGB语义特征和点云特征为输入，构建一种交叉注意力机制特征融合策略，通过引用CA(Cross-attentionmechanism)机制实现RGB特征和点云特征的深度融合，生成内涵信息更为丰富的前景目标融合特征，增强模型对复杂场景的理解能力。然后，以前景目标融合特征信息为输入，在主干网络中引入加权机制SE(Squeeze-and-Excitation)，实现前景与背景相似区域的区分，提升模型在背景干扰和颜色重叠场景下6D位姿估计的鲁棒性。最后，基于目标颜色特征与点云几何变换特征，进一步优化6D位姿估计结果，提升位姿检测精度。对比实验表明，相比DenseFusion方法，本文在LineMOD数据集上平均ADD(-S)结果提升2.5%；在YCB-Video数据集上平均AUC结果提升1.9%。为验证本文方法的工程实用性，开展了真实场景的测试实验，结果表明，整体质心偏差小于2m m，整体角度误差小于1.5°

关键词： 露天煤矿   目标检测   跨模态   PENet   MambaFusion-PAN  

摘要： 在露天矿开采作业中，安全开采是保障生产流程顺利推进的关键，然而露天矿障碍物检测面临复杂环境带来的严峻挑战。传统视觉算法难以满足露天矿复杂的生产场景需求，因其道路环境复杂，暗光致使道路状况难辨，恶劣天气频发，暴雨等严重干扰检测精准度，杂乱矿场背景中有各类机械设备、堆积物与起伏地形交织，且存在多种不同类型障碍物，传统算法局限性显著，已有改进算法在露天矿环境下的适应性与鲁棒性也有待提升。为实现精准、高效检测露天矿障碍，保障矿山运输安全，突破传统算法瓶颈，基于YOLO架构提出跨模态检测模型—Mamba-YOLO-World。该模型采用多模态信息，将文本信息与图像信息相结合来提升检测精度和复杂情况下的障碍物检测。引入MambaFusion-PAN架构深度剖析，优化融合多模态数据，精准提取道路障碍关键特征，借助状态空间模型捕捉各模态内在关联，全方位检测复杂的露天矿生产环境。并且融入PENet，通过拉普拉斯金字塔将输入图像分解为不同分辨率的子图像来捕捉全局语境和边缘分支强化纹理，并大幅提升昏暗光线条件下检测能力；引入文本-图像的组合损失函数推动模型训练精度提升。经筛选整理6000张图片，同时制作对应文本信息，二者结合构建数据集基础，还运用图像增强、降噪、剪裁缩放等技术为实验提供高质量数据支撑。实验表明融入PENet的Mamba-YOLO-World模型与YOLOv8x、YOLOv9e等主流算法对比测试。结果显示，该模型在mPA50%、准确率、召回率等核心指标上优势突出，其中mPA50% 为64.8%。深入分析发现，PENet 显著提升暗光检测效果，组合损失函数赋能多模态数据训练。最终得出结论，融入PENet的Mamba - YOLO - world 模型虽计算复杂度略高，但精度优势明显，相较于传统算法，通过多模态数据融合增强了模型的适应性与鲁棒性，为露天开采提供了一种跨模态的障碍物检测方法。