关键词： 3D目标检测   多尺度网络   特征融合   轴向注意力   损失函数  

摘要： 在3D目标检测中小目标诸如行人和骑行者的检测精确度较低,这是自动驾驶感知系统中存在的挑战性问题。为了准确估计周围环境的状态从而提高行车安全,对Voxel R-CNN(Voxel Region-based Convolutional Neural Network)算法进行改进,提出一种基于多尺度网络与轴向注意力的3D目标检测算法。首先,在主干网络中构建多尺度网络和像素级融合模块(PFM)获取更丰富和精准的特征表示,从而增强算法在复杂场景下的鲁棒性和泛化能力;其次,设计适用于具有3D空间维度特征的轴向注意力,并将它应用于感兴趣区域(RoI)的多尺度池化特征,以在有效捕捉局部和全局特征的同时保留3D空间结构中的重要信息,从而提升算法的目标检测和分类的精度和效率;最后,将一种旋转解耦的交并比(RDIoU)方法纳入回归和分类分支,从而使网络学习更精确的边界框,并解决分类和回归之间的对齐问题。在KITTI公开数据集上的实验结果表明,所提算法对行人和骑行者的平均精度均值(mAP)分别达到了62.25%和79.36%,与基准算法Voxel R-CNN相比分别提高了4.02和3.15个百分点,显示出了改进算法在难感知目标检测上的有效性。

关键词： 卷烟辅料   仓储信息   条码检测   机器视觉   图像处理  

摘要： 在烟草行业智能化、精细化转型背景下,卷烟辅料仓储管理的效率与精准度是制约企业高质量发展的关键。针对传统管理中条码识别效率低、环境适应性差等问题,本文设计开发卷烟辅料仓储信息智能检测系统。该系统集成高速摄像技术、自适应动态补光系统及深度学习条码识别算法,构建“一机多码”并行采集模式,实现复杂光照与多样垛型下的条码多角度快速精准识别;通过全流程数据追踪体系,对辅料实施监控与精准检测,可优化库存周转率及资源配置效率。应用表明,每套系统年省人工1-2人、费用约20万元,为烟草仓储智能化改造提供可复制方案,对推动烟草工业智能制造具有重要价值。

关键词： 计算机视觉   遥感图像   语义变化检测   Vision-xLSTM   多尺度结构  

摘要： 语义变化检测是二进制变化检测的扩展,不仅能识别遥感图像中的变化区域,还能提供详细的语义类别变化,这一点在土地覆盖与利用监测任务中尤为重要。传统的三分支卷积神经网络架构和基于时间一致性的学习方案在语义变化检测中得到广泛应用,但如何有效区分语义变化并充分建模时间依赖性仍然具有挑战性。该文提出了一种结合CNN和Vision-xLSTM(ViL)的新型架构ViLSCD来解决语义变化检测问题。首先,设计了多尺度特征增强融合模块,提升模型对细粒度特征的表达能力;其次,引入差分多阶段特征交互蒸馏模块,增强模型对变化信息的感知;最后,使用ViL模块充分建模时间依赖性。在Landsat-SCD数据集上进行的实验表明,ViLSCD模型在语义变化检测任务中取得了显著成效,其mIoU和SeK分别达到90.38%和64.12%,均超越了当前现有方法,从而证实了该架构在该任务中的优越性。

关键词： 低空风切变   气象雷达   深度学习   图像处理   图像检测   CBAM  

摘要： 西北荒漠地区大风天气频繁发生,低空风向突然切变,对飞机起降过程构成巨大的安全威胁。因此,对低空风切变准确识别和有效监控是保证航空安全的关键任务之一。低空风切变检测通过从气象激光雷达采集的测风数据,使用智能算法提取关键特征,计算学习出现风切变的雷达特征信号,进行准确判断风切变出现的位置和时间。针对现有风切变检测算法存在风切变特征提取不准确、检测精度不理想、计算量庞大的问题,结合测风数据存在空间信息提取困难、检测目标小、多通道等特点,提出一种WS-YOLO算法。该算法模型采用CoordConv卷积模块作为主干网络,提取风切变发生区域的空间信息,在头部网络中引入CBAM注意力机制,实现对通道和空间两个维度上的注意力调节,提取多通道和空间多个特征信息。通过引入SPPFCSPC金字塔池化模块来解决算法在提取图像相似特征时容易混淆的问题,同时降低了算法的复杂度。通过该算法模型处理西部某机场连续2年激光雷达测风数据的实验结果显示,所提方法较YOLOv7方法,平均识别精度提高了11.1个百分点,F1分数提高了9.3个百分点,算法计算时间降低了20.7个百分点。证明了该算法在检测低空风切变问题的有效性。

关键词： 改进YOLOv9算法   大重叠度影像   无人机遥感   低空遥感   影像目标检测  

摘要： 针对无人机执行低空飞行任务时,因重叠航拍的方式导致数据冗余,从而增加后续数据处理复杂度的问题,提出基于改进YOLOv9的大重叠度无人机低空遥感影像目标检测方法;通过阴影补偿和影像增强移动并拼接相邻的无人机低空遥感影像,采用背景差分的方式,分割拼接遥感影像中的前景目标区域;将分割的前景影像区域输入到改进YOLOv9算法中,得出遥感影像的特征提取结果,并计算提取影像特征与设定标准特征之间的匹配度,得出无人机低空遥感影像的目标检测结果;通过实验得出结论:优化设计方法的影像特征提取一致性系数更高,目标检测的成功系数取值更大、目标位置检测误差更小,即优化设计方法的目标检测效果更优。

关键词： 草莓   目标检测   YOLOv11   注意力机制  

摘要： 针对草莓识别中检测精度不足、效率低、实时性差等问题,提出一种基于YOLOv11-PMS的草莓目标检测方法。使用PP-LCNet取代原有的主干网络,提升模型性能的同时使其更具轻量化;在模型的颈部网络中加入了MSSimAM注意力模块,增强了模型的特征提取能力;设计了SCDIoU损失函数代替原有的损失函数,考虑了边界框的位置关系和形状大小差异,提高了模型的定位能力和检测精度。实验结果表明,本文提出的YOLOv11-PMS模型在精确率和mAP50等指标均优于YOLOv11及其他对比模型,精确率达到96.6%,mAP50达到94.6%,显著优于原始算法及其他主流方法。该方法能够在复杂环境下精准识别不同成熟度草莓,为智能化监管和采摘提供了技术支持。

关键词： 建筑工程   形象进度   计算机视觉   模型研究  

摘要： 在建立建筑工程项目形象进度识别模型的基础上,使用建筑工程项目施工场景和建筑工程项目施工工种两个关键因素建立了施工形象进度状态转移基本规则,并提出了施工现场建筑工种识别方法和特征值选择方法。最后,以河南郑州某在建住宅项目为例,验证了本文提出的计算机视觉识别方法可以有效识别建筑工程项目形象进度。

关键词： 机器视觉   Canny算法   形态学膨胀法   边缘检测   图像处理  

摘要： 针对传统Canny边缘检查算法容易被噪声影响,文中采用了Canny算法与形态学膨胀的方法结合来检测目标的边缘,选用MATLAB R2018a平台将该改进算法与Canny算子和图像形态学融合并且引入灰度值来确定高低阈值,在充分保证抗噪能力的基础上,又增加了高低阈值的可靠性,改进的Canny算法与传统Canny算法的实验结果相比较,表明经过改进后的Canny算法在噪声下的边缘检测的精度和准确率大大地提升了,更好地保留了图像原始特征,提高了目标图像识别的效率。

关键词： YOLOv5l   交通标志检测   目标检测   注意力机制  

摘要： 目的解决自然场景中交通标志检测模型准确率低、识别效果差等问题.方法选用性能均衡的YOLOv5l作为核心检测模块,在YOLOv5l的颈部网络中分别引入SimAM(Simultaneous Attention Module)、CBAM(Channel Block Attention Module)注意力机制,使网络在特征融合阶段能够高效保留图像中的细节信息,提高网络的识别性能.结果实验结果表明,通过在模型中引入SimAM注意力机制和CBAM注意力机制后类别检测准确度提高,基本稳定在0.9及其以上.改进后的模型平均精确度分别达到98.0%和98.3%,与原来的YOLOv5l模型相比,平均精确度提升了1.5%和1.8%,且模型召回率相比原来的YOLOv5l有很大提升.结论改进后的模型能更精确地识别交通标志.

关键词： 激光打标   渐变图标   图像处理   分辨率   对比度  

摘要： 为实现在铝合金金属表面激光打标黑白渐变效果的logo图标,利用绘图软件、光纤激光打标设备进行图像处理、位图二值化处理及激光打标试验,并对打标重要影响参数进行规律分析。试验表明,图像处理中影响渐变效果的主要选项为颜色模式和图像分辨率,激光打标中影响渐变效果的主要因素包括位图设置参数(对比度、明亮度)、激光功率、点间距和打标次数等。根据材料特点优选出匹配、合理的激光打标参数可实现金属表面渐变图标的加工需求。