关键词： 遥感图像显著性目标检测(RSISOD)   空洞多尺度注意力聚合(DMSAA)   Mamba-UNet   多尺度注意力聚合视觉Mamba-UNet (MSAAVMamba-UNet)  

摘要： 针对遥感图像显著性目标检测(RSISOD)难题，构建一种多尺度注意力聚合视觉Mamba-UNet (MSAAVMamba-UNet)模型。该模型由一个编码器、一个解码器、三个通道注意力跳跃连接(CASC)层和一个瓶颈层组成，其中编码器和解码器由视觉状态空间(VSS)模块构建，利用VSS和CASC有效获取遥感图像（RSI）中的长距离依赖关系，在瓶颈层引入空洞多尺度注意力聚合模块(DMSAA)，有效整合局部-全局特征，提取多尺度小目标的细节特征。该模型整合了多尺度卷积、注意力机制、U-Net与Mamba-UNet的优势，提高了RSISOD的性能。在大规模RSI数据集EORSSD中的飞机图像子集上进行实验。结果表明，MSAAVMamba-UNet能够精确检测RSI中的显著性多尺度小目标，精确率达到84.07%。该方法为RSISOD系统提供了技术支持。

关键词： 茶叶病害检测   目标检测   注意力机制   特征融合  

摘要： 为了更准确地检测茶叶病害，从3个不同的视角重新审视特征图：通道-宽度、通道-高度以及宽度-高度视角。基于通道-高度视角及通道-宽度视角，提出了一种新的残差多尺度增强注意力模块，提取病害图像的语义信息和空间特性。同时，从3个视角出发，提出了一种新的基于三重注意力的特征融合增强模块，对通道和空间特征进一步融合，以提高模型对叶片和病害的区分能力。实验结果表明，改进后的模型实现了95.2%的mAP、93.1%的精度、92.0%的召回率，优于现有的检测方法。

关键词： 苹果叶片   植物病害   YOLOv8n   深度学习   目标检测  

摘要： 为提升复杂背景下苹果叶片病害的检测精度，应对苹果叶片病害对生产带来的影响，提出改进YOLOv8n模型。构建一个多场景下的苹果叶片病害数据集，共包含4 686张图片，涵盖6种常见病害。引入Optimized—CBAM注意力机制增强模型对关键特征的关注度。使用更轻量化且高效的SimSPPF模块替换特征融合模块。引入结合CIoU和EIoU优点的Focal-EIoU损失函数，进一步增强模型在特征提取和边界框精确定位方面的能力。结果表明，改进YOLOv8n模型准确率为94.16%、召回率为84.16%、平均精度均值mAP为87.4%，模型体积为6.15 MB，检测速度为370.4 FPS，与基线YOLOv8n模型相比，分别提升1.02%、4.07%、2.8%、0.03 MB、14.8%。改进YOLOv8n模型有效提高苹果叶片病害的检测性能，特别是在复杂背景下，其检测精度和鲁棒性方面显著优化。为智能农业的病害检测提供可靠支持。

关键词： 计算机视觉   深度学习   目标跟踪   热红外图像   多模态融合  

摘要： 目标跟踪是计算机视觉领域的一项重要任务，其中单目标跟踪是指在给定的视频序列中持续跟踪单个目标。然而可见光图像的成像依赖于光照条件，仅凭可见光信息难以满足低光照、雨雾天气等复杂恶劣环境下的目标跟踪。RGBT(RGB-Thermal)目标跟踪是指结合热红外与可见光图像数据，利用双方互补优势共同实现跟踪任务，以提高跟踪的鲁棒性和准确性。随着深度学习的发展，目前RGBT目标跟踪领域研究成果众多，但现有大部分综述缺乏对近几年新兴的多模态融合研究前沿的介绍与总结。文中首先介绍了RGBT目标跟踪的概念与面临的挑战，随后将现有算法分为五大类进行梳理与分析，之后总结了当前主流的RGBT目标跟踪数据集与评价指标，并提供了各种跟踪算法在主流数据集上的性能对比，供研究人员参考，最后探讨了RGBT目标跟踪亟待解决的问题和潜在的研究方向，以期推动跟踪领域的进一步发展。

关键词： 安全帽检测   目标检测   深度学习   YOLOv5  

摘要： 随着现代建筑工程的复杂度不断提升,高空作业等特殊施工场景的安全风险日益突出。近年来,由于施工人员未佩戴安全帽引发的高空坠落、物体打击等事故频繁发生,这些事故不仅对施工人员的生命安全构成了严重威胁,同时也对施工进度和工程质量造成严重影响。为了有效解决这一问题,基于施工现场图像数据构建了一个安全帽佩戴检测数据集,提取了不同环境下施工人员的佩戴特征,并针对这一数据集,设计并应用了基于YOLOv5的施工现场安全帽佩戴检测模型。该模型将施工人员和安全帽作为检测目标,通过网络训练与分类性能评估,所提出的模型在测试中取得了89.8%的检测精度。该方法不仅实现了全天候、全覆盖的自动化监管,极大提高了检测效率,而且有效降低了人工监管的成本。实验结果表明,该系统具备良好的鲁棒性,能够在复杂和多变的施工现场环境中稳定运行,满足施工现场安全管理的需求。

关键词： 高光谱目标跟踪   聚类算法   光照感知   自适应融合  

摘要： 与传统的彩色视频相比，高光谱视频由于具有良好的光谱分辨率，在目标跟踪方面表现出优异的性能。然而，目前的研究还缺乏有效的应对跟踪中产生光照变化的策略。为了解决此类问题，本文提出了一种基于空间光谱聚类和光照感知融合的高光谱目标跟踪算法（Hyperspectral Object Tracking Based on Spatial-Spectral Clustering and Illumination-Aware Fusion， HSCIF）。首先，利用空间光谱聚类提取目标聚类的平均光谱曲线，再与高光谱图像进行光谱角距离计算实现降维，达到增强目标且抑制背景的效果。随后，通过多光照感知模块模拟光照的变化，增强跟踪器应对光照变化的能力。再将原始特征与多光照感知特征进行自适应融合，得到带有多光照条件下的混合特征信息。最终，将该特征送入预测头网络，得到目标的跟踪结果。实验结果表明，HSCIF具有较强的鲁棒性和准确的目标定位能力。面对光照变化挑战，在成功率上比最先进的高光谱跟踪器PHTrack高了5.1%。

关键词： 口腔全景X光片   口腔疾病   目标检测   双向注意力特征金字塔网络   多标签损失函数  

摘要： 目前，口腔疾病的患病率和发病率逐年增长，口腔疾病患病者术后缺乏定期检查意识导致病情复发，早期发现可以提前预防口腔疾病的发作或者降低治疗难度，术后定期检查可以降低病情复发概率。然而，口腔疾病病例特征复杂，仅靠口腔医师人工阅片存在个人主观误差，导致误诊漏诊。尽管各医学领域的自动诊断取得了进步，但由于相关数据集的缺乏，加上口腔异常的多样性和复杂性，口腔异常目标检测仍是一项巨大挑战。针对当前口腔相关数据集较少的问题，提出了一个新的口腔全景X光片数据集，其中包含1 600张具有标准诊断注释标签的口腔全景X光片。此外，还针对该数据集提出了一个深度学习目标检测框架以实现9类口腔疾病智能化、自动化诊断，ResNet提取口腔疾病特征，双向注意力特征金字塔融合网络从多层次特征图中自适应捕获丰富的上下文信息，从而提高了不同尺度的口腔异常疾病检测泛化能力，RPN网络进行口腔疾病区域生成，回归分类网络中通过一个多标签损失函数以降低标签竞争。该框架在所提出的数据集上可以准确地检测9类口腔疾病，各类疾病检测平均精度较基础模型都有不同程度的提升，mAP达82.5%。

关键词： 变电设备   多模态   特征交互引导   红外图像   可见光图像   图像融合   目标检测  

摘要： 针对变电设备在复杂场景下单模态目标检测出现漏检、误检及精度差的问题，本文提出了红外-可见光图像特征交互引导的目标检测方法。基于YOLOv8网络框架，首先，构建了一个可以同时输入红外和可见光图像的双分流主干网络；其次，针对红外图像目标细节模糊且存在远距离的小目标、目标点遮挡，可见光图像在低光照情况下目标与背景区分度不足，导致网络对目标特征捕捉能力差的问题，在双分流特征提取网络引入了通道先验卷积注意模块（Channel-prior Convolutional Attention Module,CPCAM），以提升对关键目标的特征提取能力；最后，为解决现有图像融合方法在融合过程中容易出现噪声淹没，提出了一种多模态特征交互引导模块（Multi-modal Cross-guided Feature Module,MCFM），将图像的亮度和对比度作为预测权重，以引导特征共享的方式进行双向模态特征自适应融合。实验表明：本文的图像融合检测方法对比YOLOv8单模态网络在可见光和红外图像检测上的m AP@0.5分别提高了19.98%、35.25%，对比主流图像融合方法的检测精度平均提高了11.08%，并且均无漏检、误检现象。

关键词： 工程施工物资   钢筋识别   小目标检测   YOLOv5  

摘要： 提高工程施工物料库存智能盘点的自动化程度对于提升工程施工效率和工程质量具有重要意义。旨在通过数字图像处理技术,提出一种基于改进YOLOv5算法的钢筋自动计数方法。改进YOLOv5的网络结构,加入小目标检测层得到更大的特征图,同时使用加权双向特征金字塔融合多尺度特征图,保留高层语义信息,相比原YOLOv5x模型参数量减少,模型的鲁棒性和推理速度有所提升,可以更好地识别边缘和被遮挡的端面小的钢筋。另外,针对钢筋数据集过少且大尺度样本和小尺度样本分布不均匀的问题,使用几何图像增强、添加噪声、调整亮度等数据增强方法进行数据集扩充。在试验中,将融合小目标检测层和加权双向特征金字塔的YOLOv5模型与原模型在符合实际工况的测试集上进行对比试验。试验结果显示,该模型在检测精度和推理速度上均有提高,平均精度均值达97.00%,相较YOLOv5x提升了1.30%,每秒帧数达59.79,较YOLOv5x提升了6.88。同时, F1-score达到96.00%,表明模型已满足实际工况要求,可以进行工程部署。本研究成果为工程钢筋计数管理提供了智能化的技术方法。

关键词： 无人机航拍场景目标检测   可变形注意力   尺度特征交互  

摘要： 无人机航拍场景由于目标尺度差异大、分布密集且部分目标特征不明显，导致通用的目标检测算法难以有效捕获到目标区域，检测精度低。为解决该问题，基于YOLOv8s提出一种改进的无人机航拍目标检测方法。通过引入可变形注意力机制，实现感受野自适应调整，提升模型对目标几何形状的感知；使用尺度特征交互模块进行特征增强，动态聚合特征局部与全局信息，增强模型的特征表达能力；进一步采用EIoU损失函数，联合优化目标位置与形状，降低漏检和误检率。实验结果表明，在公开数据集VisDrone2019上，该算法相较于YOLOv8s，精确率提升2.5%，召回率提升1.7%，平均精度mAP提升2.3%；对比其他主流模型也拥有更好的检测性能。同时通过可视化效果验证，该算法在密集场景、多尺度目标和夜间场景下检测能力均有提升。