关键词： 图像处理   小样本目标计数   注意力机制  

摘要： 小样本目标计数(FSC)方法通过少量目标物体示例进行物体计数,具有更强的迁移性和通用性。但现有FSC方法在示例特征提取和相似度计算方面存在一定的不足,导致模型容易出现错误匹配或过拟合。提出了一种端到端学习的小样本目标计数网络(GPELPGNet),主要包括全局原型提取模块(GPE)和局部原型泛化模块(LPG)。GPE通过双向注意力机制聚合图像和示例特征的全局信息,生成目标物体的代表性原型特征;LPG通过局部泛化这些原型特征,提升目标物体密度图生成的精确度。实验结果表明:GPELPGNet在小样本目标计数数据集FSC-147上的表现优于现有方法,具有更高的适应性和效率。

关键词： 单目3D目标检测   实例分割   特征融合   残差卷积   辅助学习  

摘要： 单目3D目标检测旨在定位输入单个2D图像中物体的3D边界框,这在缺乏图像深度信息的情况下是一个极具困难的任务。针对2D图像在推理时的深度信息缺失以及深度图背景噪声干扰导致检测效果不佳的问题,提出一种融合深度实例的单目3D目标检测方法MonoDI。其关键思想在于利用有效的深度估计网络所生成的深度信息结合实例分割掩码得到深度实例,再与2D图像信息融合来帮助物体3D信息的回归。为了更好地利用深度实例信息,设计了一个迭代深度感知注意力融合模块(iterative Depth aware attention fusion module,iDAAFM),将深度实例特征与2D图像特征融合以得到含有物体清晰边界和深度信息的特征表示;另外,在训练和推理过程引入残差卷积结构代替一般的单一卷积结构,以保证网络在处理融合信息时的稳定与高效。同时,设计了一个3D边界框不确定性辅助任务,在训练中帮助任务学习边界框的生成,提高单目3D目标检测任务的精度。在KITTI数据集上对此方法进行验证,实验结果表明,MonoDI在3D目标检测任务中中等难度情况下的车辆类别的检测精度比基线提高了4.41个百分点,且优于MonoCon、MonoLSS等对比方法,同时在KITTI-nuScenes跨数据集实验中取得了较优的结果。

关键词： 目标检测   语义分割   多任务学习   轻量化   自适应损失函数  

摘要： 桃园场景复杂,为辅助农业机器人更好地感知环境,快速精准识别桃园中的桃子和道路,针对当前现有的模型任务单一、检测精度低和推理速度慢等实际问题,改进YOLOv5n并提出一种高效的多任务学习网络MTL-YOLO,同时完成目标检测和语义分割两类任务。首先,在YOLOv5n的基础上添加可行驶区域分割检测头,实现对桃子和桃园道路的检测;其次,使用轻量级ShuffleNet V2作为MTL-YOLO的主干网络,在保证检测精度的同时大大降低模型计算量;然后,在模型的Neck部分嵌入RepNCSPELAN4模块,替换掉原有的C3模块,增强模型的特征提取能力,并进一步减少模型计算量;最后,提出一种适用于多任务模型的自适应损失权重调整方法,避免手动优化两类任务损失权重的复杂过程并加强两类任务训练的相关性。结果表明,改进后的MTL-YOLO目标检测精度由原算法的82.1%提高到84.7%;语义分割精度比主流的Mask R-CNN和YOLACT算法分别提高0.3%、2.5%;模型的实时推理速度达到110 f/s。

关键词： 指针式仪表   图像处理   霍夫变换   指针线段合并   随机采样   离群点剔除  

摘要： 指针式仪表在工业监测中应用广泛,但液体折射、遮挡标签等干扰因素常导致图像识别误差增大。本文提出一种基于传统图像处理的鲁棒读数方法,流程包括表盘区域检测、刻度线提取与过滤、圆心交点拟合、指针线段合并及角度计算。为提高抗干扰性,引入随机采样计算刻度线交点,并结合均值与标准差剔除异常交点,提升圆心估计准确度;同时基于几何一致性合并候选指针线段,增强指针检测稳定性。实验结果表明,该方法在存在折射、遮挡等复杂干扰场景下仍具有较高识别精度,适用于资源受限但对可靠性要求较高的工业场合。

关键词： 图像处理   路径识别   MATLAB   大津法   八邻域算法  

摘要： 针对智能小车在复杂道路环境中存在的感知图像处理精度不足与路径识别抗干扰能力较差的问题,文章设计了一种融合大津法、八邻域边界追踪算法及中值滤波的多级优化方法,并通过MATLAB仿真验证方案有效性。所提方法通过三级处理机制实现系统性改进:采用动态阈值调整的原始大津法提升复杂光照下的图像分割精度,利用八邻域边界追踪算法对路径轮廓特征进行提取,结合中值滤波实现路径拓扑优化和噪声抑制,提升系统整体的抗干扰能力。实验表明,该方法使路径坐标标准差降低约50%,在提升图像处理精度的同时也显著强化了路径识别的鲁棒性,进而提高了智能小车的循迹可靠性。

关键词： 害虫检测   农田环境   目标检测   无锚框   CenterNet  

摘要： 农业生产中的害虫管理对确保作物产量和品质起着关键性作用。基于卷积神经网络的害虫检测技术近年来取得一定进展,但仍面临两大主要挑战:一是某些害虫种类外貌高度相似导致分类识别困难;二是因害虫对象具有多尺度特征导致大量假阴性检测,特别是在小型害虫的识别上。为解决这些问题,研究提出一种实时、无锚框的改进CenterNet害虫检测模型。该模型在主干网络中嵌入CBAM注意力机制,以有效提升特征的分类准确性。同时,在颈部网络中加入MFF多尺度特征融合模块,实现不同尺度特征图的高效整合。研究结果显示,所提模型在百度AI昆虫数据集和高挑战性的IP102数据集上,平均精度均值mAP分别高达98.6%、89.7%,并且在2个数据集上的推理速度超过30帧/s,实时性能显著。与现有主流方法相比,改进CenterNet害虫检测模型在复杂农业环境下害虫精准识别方面优势显著,具有广泛的应用潜力。

关键词： 深度学习   高分辨率遥感图像   目标检测   YOLOv8   轻量化  

摘要： 针对高分辨率遥感图像数据中目标受复杂背景干扰、目标较小且密集分布、目标多尺度且方向随机等问题,提出了一种基于改进YOLOv8的高分遥感图像目标检测算法。首先,融入了动态蛇形卷积,使算法更好地检测尺度、方向不一致的目标;其次,为使算法能够捕获复杂背景图像中全局上下文信息,将iRMB与Shift-Wise卷积相结合,引入基于注意力的尺度内特征交互模块,将双向特征金字塔网络和语义细节融合模块相结合作为算法的特征融合网络,并设计一种改进的高效解耦检测头;最后,结合NWD与WIoU损失函数,设计一个新的损失函数NWD-WIoU,以加快算法检测时的收敛速度并提升算法对小目标的检测性能。在3个公开的遥感图像目标检测数据集上的实验结果表明,基于改进YOLOv8的高分辨率遥感图像目标检测算法的性能优于其他主流高分辨率遥感图像目标检测算法。

关键词： 带钢表面缺陷检测   Ultralytics   GOLD-YOLO   SimAM注意力机制  

摘要： 基于计算机视觉的智能检测技术应用于带钢材料工业生产时,漏检、错检情况严重和识别精度低下等问题频频发生,针对此业内痛点,提出一种基于Ultralytics框架的目标检测优化算法GSS-YOLO。该模型将GOLDYOLO算法的Neck网络与原始YOLOv8n有机融合,以提高模型对不同尺寸和形状缺陷的检测精度。为平衡不同缺陷种类识别效果的差距并降低网络结构的复杂性,引入了SlimNeck结构中的轻量级卷积VoVGSCSP和高效通道注意力机制SimAM 2个轻量级模块,提高模型的检测精度和泛化能力的同时,限制了模型计算量和权重体积的膨胀。依靠经典的带钢表面缺陷数据集NEU-DET,进行消融实验及横向对比实验。结果表明,模型的平均精度较基准模型提高了3.7%,且各类缺陷检测精度差距减小,均衡了检测精度和运行速度。所提模型相较于当前主流模型在检测精度具有一定优势,并对实际工业生产中的缺陷检测应用具有参考价值。

关键词： MobileNetV2   语义分割   绝缘子   输电线路巡检   深度学习   计算机视觉  

摘要： 目的针对输电线路巡检航拍图像绝缘子分割精度不高、边缘端设备算力有限以及模型参数量大、实时性不足等问题,提出一种基于MobileNetV2的轻量级输电线路绝缘子分割网络ISNet。方法首先,采用轻量级的MobileNetV2作为编码器骨干网络,从输入图像重提取多尺度特征;其次,提出一种新的多样化特征聚合模块(DFAM),通过具有不同卷积核的卷积层、通道注意力和空间注意力机制,聚合多样化的空间位置信息和高级语义信息;最后,设计多级对称解码器(MSD)融合来自同一层编码器和上一步解码器的输出特征,以此生成最终预测图。结果实验结果表明,本文方法在航拍图像绝缘子分割数据集上表现优异,在mIoU指标上,IS-Net达到了90.9%,相比DeepLabV3plus和SegFormer,分别提高了5.2%和1.2%;在mPA指标上,ISNet达到了93.6%,相比DeepLabV3plus和SegFormer,分别提高了5.2%和0.8%。此外,本文方法在单张NVIDIA RTX 3090 GPU上的推理速度可达71.2 F/s,参数量仅为3.1 M,浮点运算量(FLOPs)仅为21.2 G(输入图像大小为1024×1024),优于目前主流的语义分割方法。结论IS-Net在提升模型的轻量化和实时性的同时,可实现最佳的分割精度。

关键词： 图像处理   绝缘子3维重建   点云配准   姿态提取   模型组合优化   数字孪生  

摘要： 为了解决由于绝缘子点云结构稀疏、类型和挂点难于识别,导致建模困难的问题,实现绝缘子的高精度重建与挂接,采用了一种整合分类、配准以及挂点优化的绝缘子3维重建方法。利用绝缘子组的空间可分性和类型间姿态差异性,采用聚类和拟合方法实现对输电杆塔中多类型绝缘子分类,解决了现有方法只能区分单一类型的问题;针对稀疏和含有噪声的绝缘子点云配准和重建困难的问题,提出了一种从粗到精的针对低质量绝缘子点云配准和优化的重建方法;采用寻找最近邻挂点的方法,解决绝缘子与杆塔挂接不准确的问题,并对不同类型的绝缘子点云进行了实验。结果表明,绝缘子的重建精度可达到0.3000m以内,能准确还原实际的形状和空间姿态。该研究为绝缘子重建的工程化应用提供了参考。