关键词： PCA技术   变电站   无人机巡检   图像目标检测  

摘要： 受变电站数量与规模持续扩大的影响,传统巡检方法中的红外图像采集过程中会受到光照变化、噪声或者其他干扰因素的影响,导致检测效果存在不同程度的识别偏差,造成整体检测效率与安全性明显下降。为提高巡检效率和准确性,基于PCA技术,提出变电站多旋翼无人机巡检红外图像目标检测方法。在确定的变电站多旋翼无人机巡检覆盖范围内采集巡检红外图像,并将采集图像的像素信息转换为像素矩阵,并计算目标巡检图像特征中脉冲幅值和波形包络面积UI信号功率,结合像素筛选法获取精确的目标边缘。在此基础上,通过调整PCA参量,实现变电站多旋翼无人机巡检红外图像目标检测。实验结果表明,所提方法的识别率最高为98.5%,准确率最高为96%。说明所提方法能够满足设计预期效果,有效提高目标检测精度,提升检测效率与安全性,整体可靠性良好,具有较高的推广价值。

关键词： 距离走动   速度模糊   二阶Keystone变换   TRFR  

摘要： 为了解决信号长时间积累带来的距离走动与多普勒走动问题,提出了一种将Radon变换、二阶Keystone变换和TRFR变换相结合的新方法.首先通过Radon变换搜索模糊数,对信号进行二阶Keystone变换消除距离弯曲,然后通过TRFR变换来消除由加速度引起的耦合相位并对距离走动进行完全的修正;最后通过二维逆傅里叶变换完成对信号的相参积累.本方法避免了对速度的直接搜索,减少了算法的时间复杂度,提高了参数估计的准确度,并且在-22 dB的噪声下仍可以检测出信号.通过实验,验证了算法的可行性.

关键词： 交通工程   安防   自动化码头   目标检测   轻量化   注意力机制  

摘要： 为提高算法在异常天气、背景干扰与数据噪声等因素影响下,对港区集装箱堆场作业人员与车辆的检测精度,以及降低模型参数,满足实时检测需求,提出1种基于改进YOLOv5的面向自动化码头集装箱堆场作业人员与车辆的实时检测算法C3Rep-YOLO。该算法在特征提取网络中使用基于MetaFormer通用体系结构的轻量级ViT代替原来的CSPDarknet53网络,可提高算法的检测速度。在颈部网络中采用改进的RepGFPN结构代替原始的PAN结构,以提升特征融合效果与模型表征能力。由于在码头场景的实际检测过程中会不可避免地混入数据噪声,嵌入CAFM模块,以提高算法的全局特征捕获能力与去噪能力。研究结果表明:改进后的算法将检测速度提高了37.5%,mAP提高了4.8百分点,达到74.8%,可实现识别速度与精度的平衡。研究结果可为港区自动化安防与智慧港口建设提供理论基础和技术参考。

关键词： 目标检测   表情识别   学生行为检测  

摘要： 学生在课堂中的行为和面部表情是衡量学生学习参与程度的重要指标。针对该场景下学生行为和表情识别中存在的遮挡、样本不均、图像模糊等问题,构建了课堂教学行为和表情数据集,并提出了一种多尺度注意力和人脸盲复原的课堂教学中学生行为和情感识别模型。在学生行为识别模型中,通过添加多尺度遮挡注意力(MultiSEAM)捕获上下文信息和增强与遮挡相关的特征来增强对遮挡学生的识别,使用SlideLoss函数动态为难例样本加权处理样本不平衡问题。在表情识别模型中,使用GFPGAN高分辨率重建和图像增强复原面部特征并增加数据多样性,提高面部表情识别的效果。实验结果表明,与基线模型相比,改进后的YOLO在自建学生行为数据集上的mAP值提升了3.6%。恢复面部细节特征及数据增强后,学生面部表情识别准确率达到82.3%,能够满足实际应用需求。

关键词： 桥梁检测   裂缝识别   图像处理   连通域   最大内切圆  

摘要： 针对桥梁裂缝识别算法精度不高、应用效果不佳的问题,该文以桥梁表观高精度图像为研究对象,提出一种基于图像连通域特征与最大内切圆计算原理的裂缝识别算法(CIACM)。首先,采用灰度化、匀光滤波和边缘检测等传统图像处理算法将裂缝边缘特征显现;随后,基于连通域特征与最大内切圆计算原理进行裂缝识别,并筛选裂缝最大宽度处。试验结果表明:该算法计算绝对误差不超过0.02 mm,相对误差平均值为2.47%,标准差为1.52%;对于宽度<0.2 mm的细微裂缝,相对误差平均值为4.71%,标准差为1.54%,满足桥梁检测精度要求。研究表明:CIACM算法可有效提升裂缝识别精度,尤其适用于细微裂缝检测,为桥梁表观损伤自动化评估提供了可靠的技术支持。

关键词： 目标检测   注意力机制   YOLOv5   红外跟踪  

摘要： 针对传统目标检测框架对红外弱小目标检测能力不足、召回率低、模型参数量大的问题,提出了一种新的多重注意力机制的轻量级红外弱小目标检测算法——FCDN。首先,提出了轻量级网络结构,减少目标信息在信息流传递过程中的丢失;其次,在上采样过程中采用轻量化的上采样算子来获取更大的感受野,提升召回率;再次,采用带有多重注意力机制的检测头从不同层次来更多关注小目标信息用于目标的回归和识别;最后,采用一种新的损失函数,使用最大相似包围框度量来表征真实框和预测框的相似度。实验结果表明,在复杂背景下的红外弱小目标检测数据集上,相比于基准模型YOLOv5(You Only Look Once version 5),精确率达到99.4%,召回率提高了5%,达到94.7%,mAP50提高了4.3%,达到97.8%,参数量相比原基础模型下降约42%,模型大小被压缩至8.66 Mb。检测结果表明该算法可以满足未来对于红外弱小目标的检测需求,对于红外跟踪、预警侦察、导弹制导等实际应用具有重要价值和参考意义。

关键词： 桥梁裂缝检测   图像增强   迭代阈值分割   中轴变换   误差分析  

摘要： 针对复杂背景下桥梁裂缝检测精度不足的问题,提出一套基于图像处理的系统性检测框架。通过分析混凝土裂缝的形态特征,构建了多场景裂缝数据集,采用防抖高感光度单反相机采集数据,并结合180°翻转、颜色抖动等数据增强技术提升模型泛化能力。提出融合加权平均灰度化、双边滤波与自适应伽玛变换的多级图像增强策略,有效提升裂缝与背景的对比度。实验表明,裂缝长度与宽度的平均检测误差分别为2.2%和2.5%,最大误差不超过6.67%。研究成果为复杂环境下桥梁裂缝的自动化检测提供了高精度技术路径,可降低至传统检测成本的40%以上。

关键词： 计算机视觉   人脸表情识别   深度可分离卷积   通道注意力机制  

摘要： 提出深度非对称可分离卷积在网络结构不变的情况下,有效地降低了网络的参数。为了提高人脸表情的识别准确率,提出了改进通道注意力机制,通过指数函数增大不同通道特征图之间的差异,更突出关键特征。在Fer2013数据集上的实验表明,验证了文中提出的深度非对称可分离卷积和改进通道注意力机制的有效性。

关键词： 轻量化   YOLOv8   安全帽   反光衣   目标检测   施工安全  

摘要： 为了解决施工环境中现有安全帽和反光衣检测算法参数量和计算量大、检测精度低以及模型较大难以高效部署等问题,提出改进CCEI-YOLOv8轻量化检测算法。在骨干网络和颈部网络中采用C2f-CIB模块;重构颈部网络,形成跨尺度特征融合模块(CCFM);引入EMA坐标注意力机制;将CIoU替换为Inner-EIoU,提高回归定位精确度。以Roboflow开源安全帽和反光衣数据集为基础,验证改进方法的有效性。实验结果表明,CCEI-YOLOv8检测算法相较于原始YOLOv8n,参数量降低了48.3%、计算量下降了32.1%、平均检测精度均值mAP@50提高了0.5%,达到了91.7%,模型仅为3.442 MB,减少了45%。CCEI-YOLOv8检测算法在检测性能和轻量化方面均优于原始YOLOv8n检测算法和其他主流的目标检测算法,更适用于项目的实时检测和部署,为安全帽和反光衣的实时检测提供参考。

关键词： RT-DETR   目标检测   双轮车头盔   损失函数  

摘要： 针对双轮车头盔检测算法中出现的密集目标,远景小目标等复杂场景下的漏检、误检和检测准确率低的现象,以RT-DETR-r18为基础,提出一种改进的RT-DETR双轮车头盔检测算法。设计了二重跨阶段的多尺度特征融合模块(DcspBlock),将多核初始化模块(PKIBlock)融入到跨阶段模块中,在降低模型参数量的同时,有效增强了网络对远近场景中不同尺度目标的捕获能力;引入了小目标检测模块Decoderhead-p2,有效增强了模型对小型目标的检测准确性;为了缓解复杂检测场景出现的正负样本不平衡以及边界框定位不准确问题,使用改进的损失函数MPD_Focaler-IOU替换原模型的GIOU,通过设置阈值参数来改进IOU的计算方式,从而减少正负样本不平衡对模型性能的影响,引入最小垂直距离的计算方式,使得边界框在精细定位上有着更好的表现。实验表明,在TSHW数据集上,改进的RT-DETR相较于原模型,平均精度均值(mAP)mAP@0.5提升了3.6%,参数量降低了17.6%,同时保持较小的计算量,说明改进的模型可以有效提升复杂场景中对双轮车头盔检测的性能。