关键词： 铁轨检测   计算机视觉   灰度变换   轨道缺陷  

摘要： 铁路轨道检测技术是保障列车运行安全的重要手段,随着列车速度和负载的增加,轨道缺陷检测面临更高要求。传统检测方法存在效率低、精度不足等问题。本文提出了一种基于计算机视觉技术的轨道检测方法,结合图像预处理(灰度变换与中值滤波)、Canny边缘检测和BP神经网络分类技术,针对轨道裂纹和疤痕两种主要缺陷进行检测与分类。实验结果表明,该方法在缺陷分类准确率和抗噪能力方面具有显著优势,为轨道检测的自动化提供了有力的技术支持。

关键词： 目标检测   乘客密度   客流分配  

摘要： 针对等待期屏蔽门前乘客占用下客区的情况,提出了一种基于目标检测的上下客区客流指引方法。首先针对屏蔽门前场景中乘客的形状特征对目标检测网络进行改进,提出MCA-YOLOv5s网络模型。然后通过智能门楣系统的安装高度和真实场景中上下客区的范围计算出摄像头的视场角大小和安装角度,确保拍摄的图像能够准确划分出上下客区。最后分别对上下客区中的乘客进行密度估计并设计对应密度值的客流分配策略,通过智能门楣终端上的扬声器进行指引。通过在真实场景中进行测试,验证了所提方法能够快速准确地估计乘客密度。

关键词： 图像识别模型   野生动物保护   模型构建   目标检测  

摘要： 图像识别模型作为人工智能的重要分支,在野生动物保护领域展现出巨大的应用潜力。本文首先概述了图像识别模型的基本类型,随后详细阐述了野生动物图像识别模型的构建流程,包括数据采集、预处理、模型训练等关键步骤,最后探讨了图像识别模型在野生动物保护中的具体应用场景。研究表明,图像识别模型能够显著提升野生动物保护的效率与精度,为生物多样性保护提供强有力的技术支持。未来,随着技术的不断进步,图像识别模型将在野生动物保护中发挥更加重要的作用。

关键词： 电动车头盔   YOLOv5s   目标检测   CBAM注意力机制   BiFPN网络  

摘要： 针对电动自行车头盔佩戴检测存在小目标漏检、准确率低的问题,提出一种基于YOL Ov5s(You Only Look Once version 5 small)的改进电动车头盔检测算法。在主干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制,以提升对聚集目标的关注,解决因遮挡导致的检测效果差的问题;将颈部网络中的FPN(Feature Pyramid Network)+PAN(Path Aggregation Network)结构改为结合了跨尺度特征融合方法思想的特征融合结构,增强模型不同方向上的多尺度融合能力,使目标多尺度特征有效融合,提升对小目标的识别能力;使用SIoU(Structured Intersectionover Union)定位损失函数代替CIoU(Complete Intersection over Union)损失函数,以提高边框回归精度。实验结果表明,改进后的YOLOv5s模型准确率P和召回率R分别为94.7%和91.2%,平均精度值mAP为95.6%,相较于原始YOLOv5s模型分别提升6%、7%和6.5%。该方法使电动自行车头盔佩戴检测准确率得到了明显提升。

关键词： 红外船舶   目标检测   YOLOv7算法   MPDIoU损失函数   残差空洞  

摘要： 针对海上红外船舶目标中含有较多小目标和密集目标时检测困难,且海上环境使图像背景复杂多变、红外船舶图像本身细节纹理不明显等检测难点,提出一种基于YOLOv7改进的红外船舶目标检测算法。首先,从YOLOv7网络整体结构上进行了多尺度改进,去除最深的下采样层,并根据Kmeans聚类算法更改初始预设锚框,提高复杂场景下对小目标的检测性能。然后,设计一个残差空洞卷积模块(RDC),减少通道数改变使信息丢失造成的损失,进一步提高检测性能。最后,引入了MPDIoU损失函数,提高目标定位的准确度。实验结果表明,改进后的算法在红外船舶数据集上有效地缩小了模型大小,减少了参数量,分别缩小了53.02%和减少了52.18%,计算量也减少2.8 GFLOPs,平均检测精度均值mAP比原始算法提高了1.2%,有效提升了红外船舶目标检测性能。

关键词： 图像处理   实时检测   目标追踪   视频计数   YOLOv5s   套袋葡萄串  

摘要： 实现套袋葡萄串的实时准确计数是保障后续果园产量估计准确性的关键前提。为解决现有果实计数方法实时性不足,且套袋葡萄串分布密集、遮挡现象以及相机移动不稳定等因素导致的目标追踪丢失问题,该研究提出一种基于EMO-YOLOv5s的双关联套袋葡萄串实时检测与计数方法。首先在检测阶段,引入高效模型EMO替代YOLOv5s的原始骨干网络,以降低模型的参数量和计算量;其次在追踪阶段,在ByteTrack基础上提出一种基于BIoU和欧式距离的双关联方法,对套袋葡萄串的检测框和预测框进行二次关联,以缓解目标追踪丢失问题;最后在计数阶段,设计一种矩形区域计数方法,扩大套袋葡萄串的可计数范围,提升其计数准确性。试验结果表明,在检测性能方面,参数量和浮点运算量较YOLOv5s分别下降38.6%和39.0%,平均精度和检测速度分别为96.5%和77帧/s;在追踪性能方面,高阶追踪准确率、多目标追踪准确率和ID调和平均数较基线分别提高了3.6、4.1和6.0个百分点;在计数性能方面,平均计数精度为93.1%。该研究结果可为后续果园的产量预测提供可靠的依据。

关键词： 红外辐射偏振特性   高温金属   偏振度   目标检测  

摘要： 偏振特性是光场中除强度与光谱之外的又一维重要特性,在目标识别、军事侦察和红外目标探测等领域展现出广阔的应用前景。航天发动机、高速飞行器等人造物体通常温度可以达到几百摄氏度,因此具有高温自辐射特性。然而,高温情况下目标的红外偏振特性研究却相对较少,尤其是缺乏针对不同金属表面在较高温度下的偏振特性的深入探索。为了研究高温金属表面的辐射偏振特性,采用基于微面元理论的双向反射分布函数模型,结合镜面反射与漫反射特性,系统性地建立了基于金属自发辐射能量的偏振双向反射分布函数与红外辐射偏振度的数学模型。通过推导与计算,分析了不同表面粗糙度和温度条件下,金属对红外辐射线偏振度的影响规律。仿真结果表明,在相同温度下,金属表面的粗糙度越大,偏振度越低;相反,在相同粗糙度下,随着温度的升高,偏振度逐渐增加。同时利用LGC6122型长波红外相机与WP25M-IRC红外线栅偏振片,对金属铁和45号钢进行了在8~14μm波段内的目标自发辐射偏振热成像,获取了150、200、250、300、400和500℃下的长波红外线偏振度数据。针对实验观测而言,受普朗克黑体辐射定律影响,金属表面温度与其光谱积分偏振度呈正相关状态,温度越高,光谱积分偏振度越大。同时随着观测角度的增加,偏振度也逐渐增大,在70°~80°范围内达到峰值。该研究成果旨在提升红外目标检测等应用中热成像和光学传感技术的精度和其可靠性,并为未来进一步探索复杂环境下的红外探测技术提供参考。

关键词： 无人机(UAV)   目标检测   深度学习   YOLOv8算法   注意力机制   Focaler-CIoU损失函数  

摘要： 无人机拍摄影像存在大量分布密集的小目标,针对通用目标检测方法对小目标容易造成漏检和错检的问题,提出了一种改进YOLOv8的无人机航拍图像小目标检测算法。利用高分辨率浅层特征信息具有较小的感受野和更精细的空间信息特性,改进算法增加小目标物体检测头,采用四个特征检测头提升小目标检测率。设计构造ConvSPD卷积模块和BiFormer注意力增强模块的小目标检测模块组改进YOLOv8骨干网络,有效增强小目标浅层细节特征信息的捕获能力。为确保模型的硬件终端部署需求,采用可重参数化的Rep-PAN模型优化Neck网络。Head网络采用Focaler-CIoU损失函数优化回归定位损失,提高定位精度。在VisDrone-2019数据集上,改进算法平均检测精度达到51.2%,比YOLOv8提高10.9个百分点,检测速度为63.7 FPS,具有良好的实时性。

关键词： 被动目标追踪   状态估计   最大相关熵准则   自适应核宽   卡尔曼滤波  

摘要： 针对机动目标状态难以精确估计的问题,提出一种基于连续-离散最大相关熵分布式容积卡尔曼滤波的状态估计方法。首先利用1.5阶伊藤(ITO)泰勒展开将随机微分方程转换为随机差分方程,并根据三次容积规则对状态预测值进行精确计算。然后利用最大相关熵准则处理异常测量值,修正状态预测值得到最优状态估计值。同时,为了确保算法在合适的核宽度下工作,基于测量新息误差提出了一种自适应核宽选择方法。通过经典被动目标跟踪的数值仿真表明,该方法不仅跟踪精度高、鲁棒性强,而且使用便利、可扩展性强。

关键词： 数字图像处理   语言特征   翻译策略  

摘要： 数字图像处理是一门内容丰富且发展迅速的新学科,其研究领域博大精深,应用范围十分广泛。数字图像处理英语文本在词句层面表现出一些明显特征:词汇层面专业术语构词方式多,半专业术语多;句子层面名词性结构多、被动句多,表示计算过程的公式、方程式或函数表达式多。结合大量翻译案例,从词汇和句子两个层面深入探讨数字图像处理英语文本的语言特征,并提出相应的汉译策略,以期为类似题材文本的翻译提供借鉴与参考。