关键词： 交通场景   YOLOv8   C2Former   多频单通道注意力   频域信息  

摘要： 针对交通场景小目标、遮挡目标检测和定位精度低,受对比度变化及图像噪声影响,提出一种基于YOLOv8的车辆目标检测模型(YOLO-CDC)。提出了结合Transformer结构全局特征提取能力的模块C2Former代替C2f模块,设计了重感知的门控线性单元GRMLP(gated repetitive multi-layer perception)优化Transformer分支非线性表达能力,实现高质量全局信息聚合;设计了多尺度特征融合分支整合特征,结合可变形卷积和SPDconv模块提取P2层高分辨率信息,捕获更精细的边缘特征;设计了CSP_FRM(CSP feature reconstruct module)模块平衡引入大核卷积及频域特征的计算负担;构建了一种特征增强模块,采用大核卷积与条状卷积扩大感受野补充上下文信息,结合非跨步卷积补充局部细粒度信息;采用了一种多频单通道注意力形式与通道特征结合以及设计了一种耦合空间和频域信息的注意力机制抑制图像噪声和背景干扰。实验结果表明,在UA-DETRA数据集和SODA10M数据集上平均精度(mAP50-95)分别提升了3.6、4.1个百分点,检测速度分别为340.1、341.4 FPS,具有更高检测和定位精度及泛化性。

关键词： 目标跟踪   目标识别   计算机视觉   注意力机制   深度学习  

摘要： 多目标跟踪识别技术在智能交通、安防监控等领域发挥重要作用。现有算法面临遮挡处理、目标区分、光照变化等挑战。针对这些问题,该研究提出改进特征提取模块,引入空间注意力机制增强目标表观描述,优化多目标关联策略提升轨迹连续性。实验结果表明:改进算法跟踪准确率达到78.5%,位置精度达到91.2%,轨迹断裂次数降低23.3%。在复杂场景测试中表现突出,准确率提升8.3%。算法已部署于商场监控、交通管理等实际场景。

关键词： RepViT轻量级网络   YOLOv7   多尺度特征融合   注意力机制   目标检测   水下环境  

摘要： 水下设备在内存和计算能力方面的限制,以及其复杂的运行环境,导致检测过程中频繁出现误检和漏检现象。为解决这些难题,文章提出了一种耗资少且检测效率与精度高的轻量化海洋生物检测算法YOLOv7-RDBC。具体而言,在YOLOv7骨干网络中融入RepViT轻量级网络,设计D-ELAN和D-MPConv模块,进一步实现网络的轻量化,加快检测速度。另外,借助BiFPN实施多尺度特征融合,再结合CBAM卷积注意力机制,增强关键特征的表达能力,提高检测精度。实验结果显示,相较于传统的YOLOv7模型,YOLOv7-RDBC在多个性能指标上都有明显提升,在海洋生物检测任务中表现出色,具备广阔的应用前景。

关键词： 绿橙   目标检测   模型轻量化   深度学习  

摘要： 绿橙果实颜色与枝叶颜色相近,识别难度大。针对绿橙高精度检测及模型轻量化改进问题,选取四川省眉山市橙子基地的“绿橙”为研究对象,设计一种基于YOLOv8n的目标检测改进算法ESN—YOLO。首先,在Neck端引入GSConv和VoV—GSCSP模块,显著减小模型参数;然后,在Neck网络层融合SimAM注意力机制,加强模型的检测效果;最后,将模型的损失函数由CIoU修改为EIoU,以提升目标检测精度和准确性。结果表明,改进后ESN—YOLO模型的精确度、mAP@0.5和mAP@0.5∶0.95分别为96.9%、99.7%和83.6%,与原始模型YOLOv8n相比,分别提升3.2%、0.5%和3.6%,改进后算法的模型大小为5730 KB,模型参数量为2.6 MB,比改进前分别减少11.4%和13.9%。ESN—YOLO在模型轻量化和目标检测精度上得到有效平衡。将改进后的模型部署于嵌入式设备Jetson Nano上,模型的轻量化改进使得单张橙子照片在Jetson Nano上的检测速度为732 ms,准确率在90%以上。

关键词： 侧视光分布法   光纤涂覆层   几何参数   图像处理  

摘要： 依据IEC 60793-1-21:2001、GB/T 15972.21—2008《光纤试验方法规范第21部分:尺寸参数的测量方法和试验程序——涂覆层几何参数》所提供的涂覆层几何参数测量方法,开展光纤涂覆层几何性能测试系统的设计工作。借助数字图像处理技术,对被测光纤在不同旋转角度下的成像进行深入分析,通过有限点拟合光纤端面,对光纤的几何参数,如包层、一次涂覆层、二次涂覆层等展开测量,并进行分析及对比验证。结果显示,该测试系统的测量结果与国外同类测量设备基本相符,具备较高的准确性。

关键词： YOLOv8n   配电站房   电缆接头   红外热成像   目标检测  

摘要： 高温故障严重影响电网安全运行。基于红外热图像的高温识别是高温无损检测的关键环节。以配电站房电缆高温接头为研究对象,提出一种基于YOLO(you only look once,YOLO)v8n的高温故障预警无损检测方法:基于色相、饱和度、亮度(hue saturation value,HSV)阈值来分割发热图像背景,消除高温近色干扰;引入Triplet Attention改进YOLOv8n,增强模型检测性能;提出高温中心点定位及扩散预警方法以预防高温故障,利用改进模型准确检测出高温点,并可视化展示。经测试验证,该方法提高了高温点检测模型的识别性能,在保持较低计算量的同时,检测精度较高,mAP@0.5为99.7%,提升了0.8%。该方法可实现准确、快速无损检测及高温预警,为电网安全运行提供了技术支持。

关键词： 深大基坑   无人机巡检   目标检测   精确定位   风险识别  

摘要： 针对城市新建工程中深大基坑传统巡检手段的效率低、易遗漏、错判、误判等问题,通过研究优化改进目标识别和定位检测模型,使之能适应巡航高度为110~120 m的无人机航拍检测精度需要,有效提升了基坑施工期间外部风险目标的检测定位精度和准确率。通过智能数字管理平台的搭建,聚焦实现工程建设区域的外部风险识别定位工作,完成“动态巡查—风险识别—实时预警—即时推送—事件追溯”的工程建设区域数字化巡查业务流程。

关键词： 交互式多模型   马尔可夫转移概率   机动目标跟踪   先验信息  

摘要： 针对交互式多模型滤波算法应对强机动目标跟踪过程存在响应滞后、精度偏低的问题,提出由空中目标战术机动先验辅助的层次性交互多模型跟踪方法。所提方法利用隐马尔可夫模型,对目标机动轨迹分段进行战术类别的识别、战术状态的区分,建模不同战术下的机动模型转移矩阵。由此实现战术机动似然概率与交互多模型机动似然概率的有效交互,构建双层交互式多模型跟踪算法。实验考虑复杂战术意图下空中目标机动轨迹,结果表明所提算法结合战术机动先验可有效解决状态估计精度与机动转移响应时效之间的矛盾,明显改善机动目标跟踪精度。

关键词： 复杂环境   目标检测   实例分割   损伤交通标线   改进的VGG16   跨层连接特征金字塔   注意力机制  

摘要： 针对数字化交通标线损伤诊断数据需求,提出了基于Mask R-CNN的FE-Mask R-CNN模型,通过目标检测与实例分割,获得损伤交通标线及其对应的修复图像。采集了复杂环境下的交通标线数据集,根据数据集的大小及分析数据中路面交通标线的环境特征,将Mask R-CNN主干替换为改进的VGG16。构建了跨层连接的特征金字塔(cross-linking FPN)网络,使模型能自适应实现不同特征层权重融合,挖掘不同特征层之间的重要性信息。在每一特征层提取网络中添加了efficient channel attention(ECA)注意力机制,以捕捉不同通道之间的关系,增强了模型在复杂环境下的特征提取能力。实验结果表明,采用改进的VGG16,参数量较原模型降低了21.18%;采用cross-linking FPN网络及改进后的Mask R-CNN模型,在低阈值(IoU=0.5)下,目标检测和语义分割精度分别为97.93%、98.7%、97.74%、97.8%;在高阈值(IoU=0.75)下,目标检测和语义分割精度分别为95.56%、97.90%、81.48%、92.0%;检测速度由33 FPS降低至24 FPS。相对于低阈值分割精度提升效果,高阈值下的分割精度的大幅提升,为图像的高精度修复提供了数据基础。

关键词： 目标检测   YOLOv7   轻量化   EfficientViT   钢材表面   EMA   MPDIoU  

摘要： 针对目前钢材表面缺陷检测算法存在参数量大、计算冗余的问题,提出一种改进YOLOv7的轻量化钢材表面缺陷检测算法。引入EfficientViT替换原骨干特征提取网络;将EMA与SPPCSPC进行融合,使用PC卷积代替部分普通卷积;用MPDIoU替换CIoU进行损失函数优化。实验结果表明,改进的YOLOv7算法mAP值比YOLOv7算法提升4.51%,参数量和计算量分别降低43.82%和72.58%,能够更好部署在资源有限的工业场景中。