关键词： Cascade R-CNN   梯级电站   水情   图像处理   水位识别   安全预警  

摘要： 当前流域梯级电站水情安全预警过程中,只能利用单一的高层特征,虚假警报比较高。因此,提出了基于Cascade R-CNN(级联网络结构)算法的流域梯级电站水情自适应安全预警方法。利用无人机采集流域梯级电站内的水尺图像后,通过直方图均衡化处理和暗通道去雾处理,加强水尺图像清晰度。运用全局阈值法对水尺图像进行分割,保留目标图像区域。依托于Cascade R-CNN算法,设计包含特征金字塔网络、并行金字塔和多阈值检测器的水尺图像字符识别方法,自动识别出当前流域梯级电站水位情况。对比预先设置的水位阈值,得出水情自适应安全预警结果。实验结果表明:新研究方法预警结果的虚假警报比小于0.1,证明了其优越的水情安全预警能力。

关键词： 输电线路   鸟类识别   YOLOv8   目标检测   珍稀鸟类  

摘要： 为有效防治珍稀鸟类误撞输电线路导致的鸟类伤亡与线路跳闸事故,提出一种基于改进YOLOv8模型的鸟类智能识别方法。根据发生撞线事故的鸟类信息及输电线路周边调研结果,构建了包含11种珍稀鸟类的图像数据集,采用加雾加噪操作进行图像增广,用于模拟真实输电线路场景。通过在YOLOv8网络的特征提取部分加入大型分离卷积注意力模块,减少模型参数量,增强模型对于鸟类特征的提取速度;在特征提取和特征融合网络中增加辅助检测头,增强模型对于鸟类特征的学习能力,进而提高检测性能。算例分析表明,改进模型的平均精度均值、F1分数、FPS分别为95.11%、91.55%、138.89,实现了对于误撞输电线路珍稀鸟类的高效准确识别。后续将模型部署在线路杆塔图像采集系统中,可为珍稀鸟类保护与输电线路运维提供技术支持。

关键词： GUI测试   可视化脚本   目标控件定位   计算机视觉   深度学习   排序学习  

摘要： 在GUI可视化测试脚本中一般将目标控件图像作为点击动作的参数。在单个摄像机录制环境下构建GUI可视化测试脚本时,存在点击动作的目标控件图像获取准确率低的问题。为此,提出了一种基于深度排序学习的点击动作参数获取方法。在本方法中,利用计算机视觉技术来提取视频中指尖移动和屏幕变化等特征以获取更准确的用户与设备交互的触控区域,将该区域内包含的控件作为排序对象,使用深度排序学习算法对这些候选控件进行评分和排序,确保最符合预期的控件被选中作为点击目标控件。实验结果表明,使用该方法在单摄视频中获取点击动作参数具有较高的准确率。

关键词： 智能驾驶   去雾算法   去雾效果   色彩还原  

摘要： 基于“十四五”技术融合发展导向,传统智能驾驶辅助技术在雾天场景存在显著局限性。针对现有雷达协同与热成像方案效率低、成本高及色彩识别缺陷,文章采用暗通道算法,通过参数优化实现图像去雾,并以色彩补偿避免失真。试验表明,经算法处理的雾天图像细节完整、色彩自然,显著提升低能见度环境下的图像品质,为智能驾驶技术突破提供新路径。

关键词： 行人目标检测   YOLOv5   Ghost   SE  

摘要： 本文针对行人目标检测中的挑战,提出了一种基于改进YOLOv5的行人检测算法。该算法融合了Ghost模块和SE注意力机制,旨在提高特征提取能力的同时,保持模型的轻量性。在面对密集场景和遮挡问题时,改进的YOLOv5能有效提取重要特征并提升检测精度。通过对比实验和模拟分析,验证了该算法在提升检测性能的同时,仍能保持较低的计算复杂度和较高的实时性。实验结果表明,所提算法在行人检测任务中具有较好的表现,尤其是在低照度和复杂背景条件下。Aiming at the challenges in pedestrian target detection, this paper proposes a pedestrian detection algorithm based on improved YOLOv5. The algorithm combines the Ghost module and SE attention mechanism to improve the feature extraction capability while maintaining the lightweight of the model. When faced with dense scenes and occlusion problems, the improved YOLOv5 can effectively extract important features and improve detection accuracy. Through comparative experiments and simulation analysis, it is verified that the algorithm can maintain low computational complexity and high real-time performance while improving detection performance. Experimental results show that the proposed algorithm has good performance in pedestrian detection tasks, especially under low illumination and complex background conditions.

关键词： 自动准直   任意反射面速度干涉仪(VISAR)   基于Windows的控制和自动化技术(TwinCAT)   二维镜架   模糊控制   图像处理  

摘要： 针对现有任意反射面速度干涉仪(velocity interferometer system for any reflector,VISAR)装置中依靠人工准直光路的现状,同时为满足未来对远程自动化控制的需求,提出一种新的光路自动准直的方法。该方法通过互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)间接测量并以光斑的像素偏差为系统输入,通过系数矩阵转换和离散模糊反馈控制方法快速消除误差。基于Windows的控制和自动化技术(the Windows control and automation technology,TwinCAT)中视觉和运动等模块,将各模块分别运行在不同的实时内核中,消除了视觉与运动控制模块间的通信环节,实现了快速实时的闭环控制。经过冲击波速度测量实验验证,该系统实现了远程“一键式”自动准直,可将准直时间缩短到2 s,准直精度为4.5μm,解决了现有装置人工调节效率不高的问题,提高了系统的精度和稳定性。

关键词： 高光谱图像   目标检测   降维   K-means聚类   RX算法  

摘要： 研究高光谱方法在小目标检测应用中的一些关键技术点,从高光谱的数据形式切入,应用高光谱数据中存在的高度的谱间相关性和空间相关性,在博兹瓦纳和Dioni两个数据集上做了仿真计算,验证了高光谱的谱间、空间数据高度相关的特性。用主成分分析(Principal Component Analysis, PCA)算法对高光谱图像进行降维后进行图像分类实验,并结合传统目标检测RX算法和K-means聚类算法,研究了RX算法与K-means结合的算法。通过仿真实验发现,经过PCA处理后的图像分类,和RX算法与K-means结合的算法不仅提高了检测精度,而且大大降低了检测耗时。

关键词： 杂草识别   YOLOv7   目标检测   树莓派  

摘要： 随着智能农业技术的发展,机器视觉已成为农业生产领域不可或缺的技术,基于深度学习与机器视觉技术的田间杂草识别和定位得到了迅速发展和完善。为实现对田间杂草的实时检测,本研究以玉米田为研究对象,利用YOLOv7目标检测模型进行训练与评估。结果显示,模型对目标总体的精确率和召回率分别为0.955、0.984,其他各项指标良好,均能够满足对杂草识别和定位的准确性要求,并且适用于背景复杂及作物和杂草并存的情况。为了更好地应用于智能农业机器人或无人机等实际场景中,利用树莓派4B及其原装CS I摄像头搭建硬件实验环境,完成YOLOv7杂草识别模型的部署。此外,还利用PyQt5实现GU I界面的开发,为使用者提供更直观和友好的方式与计算机程序进行交互。

关键词： 深海影区   有源声呐探测   海底反弹模式   多径结构   信号检测  

摘要： 使用海底反弹模式探测深海影区时,信号受海底反射损失影响导致信噪比下降,为目标检测带来极大困难。因此结合深海影区声传播规律建立信号模型,分析了信号在影区信道下的多径结构特征,并利用其单波束多径结构特点和空域波束分裂特性,依据广义似然比检验原理设计了适用于影区目标检测的检测器。仿真结果和实测数据处理结果均表明,所提检测器相较于传统的匹配滤波检测器,通过对影区信号回波多径结构特征的提取与利用,检测性能提升明显。

关键词： 目标检测   轻量化   YOLOv5   OCR   图书索书号  

摘要： 针对读者由于不熟悉索书号的排架方式等造成找书不便、耗时长等问题,提出了一种基于改进YOLOv5s和OCR技术的馆藏图书索书号识别算法。该算法由两部分构成,一是改进的YOLOv5算法识别图书书脊的索书号标签区域,二是EasyOCR识别该区域内的索书号文本。为了提高检测速度,对YOLOv5s算法进行了轻量化改进。首先,使用轻量化的MobileNetV3作为主干网络,降低参数量和计算量;其次,使用更高效的SimSPPF改进原始的SPP,加快网络运算速度;最后,在特征融合网络嵌入CA坐标注意力机制,提高模型的识别精度。实验结果表明,本算法比改进前算法具有更高的识别精度和更快的速度,能快速准确地识别图书索书号。本算法有助于推动图书馆由数字化向智慧化发展,为读者提供更加便捷、高效、个性化的服务。