关键词： YOLOv8   手骨骨折检测   深度学习   目标检测  

摘要： 在医疗领域,手骨骨折图像检测具有极其重要的实际应用价值,尤其是在面对复杂的骨折情况时,精准识别手骨骨折目标依然是一个亟待解决的难题。针对这一问题,本文提出了一种基于YOLOv8算法的改进方法,通过引入CBAM注意力机制,有效增强了网络对不同尺度特征的关注能力,进而显著提升了在小目标以及复杂场景下的检测精度。实验结果清晰地表明,经过改进的YOLOv8模型相较于原YOLOv8模型,其平均精度均值实现了0.57个百分点的提升,展现出对手骨骨折图像更为出色的检测效果。Hand bone fracture image detection holds extremely significant practical application value in the medical field. Especially when confronted with complex fracture situations, accurately identifying hand bone fracture targets remains a pressing challenge that needs to be addressed. To tackle this issue, this paper proposes an improved method based on the YOLOv8 algorithm. By introducing the CBAM attention mechanism, the network’s ability to focus on features of different scales is effectively enhanced, thereby significantly improving the detection accuracy for small targets and complex scenes. The experimental results clearly demonstrate that the improved YOLOv8 model, compared with the original YOLOv8 model, has achieved a 0.57 percentage point increase in mean average precision (mAP), showing a more outstanding detection effect on hand bone fracture images.

关键词： Photoshop   灰平衡   蒙版   通道  

摘要： 印前图像处理对于印刷品的质量起着决定性作用,其中Photoshop以其强大的功能和广泛的适用性,成为印前从业人员非常重要的工具之一。本文重点介绍Photoshop中灰平衡、蒙版和通道三个方面在印前图像处理中的应用技巧。

关键词： 计算机视觉   特征分析   图像匹配  

摘要： 针对主流关键点检测算法耗时长的问题,本文提出了一种关键点检测和描述方法。首先设计了旋转差分卷积模块对图像中的差分信息进行对称性采样,随后对其进一步拓展以实现判别器模块,对差分信息和卷积信息进行采样整合,从原始图像中提取有效特征;最后,本文设计了共享编码器和轻量解码器,对解码器之间的信息进行联动,同时改进了损失函数,搭建出轻量高效的编解码网络模型。实验表明,本方法在保持较好实时性的同时,仍然具备良好的计算精度,为图像匹配、视觉定位等方法提供了兼顾实时性与精度的解决方案。

关键词： 10 kV电缆   剥离不齐   毛刺   缺陷识别   特征提取   Canny算法  

摘要： 10 kV电缆主绝缘与外半导电层切割不齐以及压接管毛刺易使绝缘击穿,利用图像处理的方法能检测施工缺陷。针对电缆中间接头施工缺陷,提出一种基于Canny算子的边缘检测方法。首先利用尺寸不变特征变换(Scale-in-Variant Feature Transform,SIFT)算法对分段电缆接头图像进行拼接,之后借助Canny算法能去除伪边缘、突出边缘信息,得到中间接头不同部件的边缘信息。试验结果表明,本文算法检测后,对于半导电层剥离不齐和毛刺缺陷能准确地检测,缺陷算法准确率均达到90%以上,验证了算法的有效性。

关键词： 水下目标检测   YOLOv8s   Shallow-UWnet   跨层特征融合  

摘要： 针对水下环境存在的色偏、细节模糊以及水下目标存在多尺度和遮挡等问题,提出了一种改进YOLOv8s的水下目标检测算法SLG-YOLOv8s。首先,通过Shallow-UWnet网络对水下图像进行增强,提高图像的对比度和清晰度;其次,提出了轻量化多尺度全局注意力(lightweight multi-scale global attention,LMGA)模块,将此模块与YOLOv8s主干部分的C2f融合,通过动态调整权重进行特征重标定,加强特征表达能力,减少计算量;最后,通过聚集和分发(gather-and-distribute,GD)机制采用跨层特征融合的方式增强中间层的信息融合能力,从而提升模型对多尺度目标的检测效率。实验结果表明,SLG-YOLOv8s算法的平均精度均值达到了95.1%,与YOLOv8s算法相比平均精度均值提升了5.1%,精确率和召回率分别提升了4.5%和5.2%,IoU为0.5时海参、海胆、海星、扇贝检测的平均精确率分别提升了4.3%、5.3%、5.6%、5.5%,研究结果可为水下机器人精准捕捞提供重要依据。

关键词： 多任务学习   果园环境感知   目标检测   语义分割   农业机器人  

摘要： 针对果园复杂作业场景中植被异质性高、光照动态变化显著以及目标形态多样性等挑战,传统基于单任务学习的视觉感知模型因特征复用率低、计算冗余度高等问题,难以满足农业机器人实时环境感知需求。本研究提出一种面向果园场景的轻量化多任务联合感知框架AgriYOLOP,通过系统性地重构YOLOP网络架构,引入高效的主干网络,并添加增强的无锚检测技术以及增加了特征金字塔网络和路径聚合网络,并设计任务自适应的损失函数权重策略,实现树干检测、障碍物识别与可通行区域分割的并行化协同处理。在自主构建的果园数据集中进行验证,该数据集包含果园场景下4765张分辨率为1280像素×720像素的图像,涵盖不同季节、光照条件及植被生长阶段。试验结果表明,AgriYOLOP模型在目标检测任务中检测准确率、召回率以及mAP50分别达到92.7%、94.6%以及96.7%,在可行区域分割任务下召回率、F1分数以及mIoU达到98.3%、99.1%、98.1%,在NVIDIA RTX 4060平台下实现69f/s的实时推理速度,模型参数量仅14 M。对比结果表明,多任务协同学习架构能够显著提升特征共享效率,较单任务模型减少32.6%推理延迟,同时增强了对光照变化与季节特征的鲁棒性,有效地解决了农业机器人实时作业场景中目标检测精度与语义分割效率的协同优化难题。本研究为果园机器人自主导航提供了高精度、低延迟的实时感知解决方案。

关键词： 深度学习   目标检测   YOLOv8   铁路异物  

摘要： 由于监控场景覆盖面积大、侵限异物相对尺寸小、背景干扰较多等,现有铁路侵限监控系统检测精度较低,且达不到实时检测要求,为此提出一种基于改进YOLOv8的铁路异物检测算法。首先,引用FasterNet中部分卷积的设计思想,在颈部网络采用FasterC2f模块替代原C2f模块,以降低模型参数量和运算量,同时提升模型的特征融合能力;其次,对快速空间金字塔池化(SPPF)模块进行改进,引入大型可分离核注意力(LSKA)机制,提出一种SPPF_LSKA模块结构,以在特征提取时减少复杂背景的干扰,加强对小目标的检测能力;最后,采用WIoU损失函数替代原CIoU损失函数,以降低低质量、小目标样本带来的不良梯度影响。实验结果表明:与原YOLOv8模型相比,改进YOLOv8模型检测的平均精度均值(mAP@0.5)达到92.9%,提升了2.09%,模型权重降低了3.28%,浮点运算量降低了6.17%,在检测精度和效率之间达到了较好的平衡,能够满足实际检测需求。

关键词： 多目标跟踪   课堂人数统计   YOLOv8算法   SORT算法   目标检测  

摘要： 本文聚焦于基于多目标跟踪的课堂人数自动统计这一主题,提出将YOLOv8和SORT (Simple Online and Realtime Tracking)算法相结合的方法。其中,YOLOv8作为先进的单阶段目标检测算法,能迅速识别图像或视频帧中的目标并输出关键信息;SORT算法借助卡尔曼滤波预测目标位置变化。研究通过运用特定的软硬件配置开展实验,对模型进行训练与验证。该方法旨在实现课堂人数的精准自动统计,满足课堂管理和动态监控的需求,为教师及管理人员提供有力工具。其不仅在算法应用上具有创新性,而且在教育管理实践中具有重要的实用价值,有望对智慧教育领域的课堂管理产生积极深远的影响。This paper focuses on the theme of automatic counting of the number of people in the classroom based on multi-object tracking and proposes a method that combines the YOLOv8 and SORT algorithms. Among them, YOLOv8, as an advanced single-stage target detection algorithm, can quickly identify targets in an image or video frame and output key information. The SORT algorithm predicts the position change of the target with the help of Kalman filtering. The research conducts experiment by using specific software and hardware configurations to train and validate the model. This method aims to achieve accurate automatic counting of the number of people in the classroom, meet the needs of classroom management and dynamic monitoring, and provide a powerful tool for teachers and administrators. It is not only innovative in algorithm application, but also has important practical value in educational management practice, and is expected to have a positive and far-reaching impact on classroom management in the field of smart education.

关键词： 无人机图像   目标检测   YOLOv8   PIoU  

摘要： 针对传统的反无人机检测方法经常会出现漏检、误检和检测精度低等问题,提出了一种改进YOLOv8的反无人机目标检测算法——YOLO-DAP。首先,剔除大目标检测层(P5),并将大小为80×80、40×40、20×20的检测头分别替换成160×160、80×80、40×40的新型检测头,以提高网络对微小目标的检测精度;其次,引入可扩张残差注意力模块DWR改进C2f中的Bottleneck模块,提升网络的特征提取能力;再者,引入轻量化下采样模块ADown,使其能够更好地融合不同尺度大小的特征图;最后,使用PIoU损失函数作为回归损失函数,使网络具有更快的收敛速度和更高的检测精度。在公开无人机数据集TIB-Net上的实验结果表明,YOLO-DAP算法的mAP达到92.7%,相较于YOLOv8n算法提高了7.8个百分点,参数量减少了1.93×10^(6),与其他主流目标检测算法相比也取得了明显的优势,证明了算法的有效性和先进性。

关键词： 道路裂缝检测   YOLOv11   捷径连接   动态检测头   目标检测  

摘要： 传统道路裂缝检测方法因效率低下、人力成本高昂等问题,已难以满足实际需求。为解决这一问题,文章提出了一种基于改进YOLOv11的道路裂缝检测方法。该方法通过广泛采集纵向裂缝、横向裂缝、鳄鱼状裂缝等多种常见路面裂缝图像,构建了丰富的数据集。在YOLOv11算法的基础上,创新性地引入捷径连接策略,实现了浅层与深层特征的高效融合,显著提升了模型的特征提取能力。同时,采用动态检测头替代原检测头,使其能够自适应处理裂缝尺度变化,增强对不规则裂缝的检测鲁棒性,并通过聚焦潜在目标区域,进一步优化检测精度。实验结果表明,改进后的模型的精确率、召回率和平均精度分别达到0.820、0.831和0.851,相较于原有模型,各项关键指标均有显著提升。该方法为道路裂缝的自动化、高效化检测提供了可靠的技术方案,具有重要的实际应用价值。