关键词： 自动驾驶   YOLOv7-tiny   道路目标检测   轻量化   Jetson TX2  

摘要： 针对目标检测算法对算力和存储空间的高要求限制其在边缘设备中检测功能实时性的问题,提出了一种基于YOLOv7-tiny改进的轻量化道路目标检测算法。首先,通过K-means++聚类算法生成适合道路目标检测的先验锚框;其次,改进ELAN结构轻量化主干网络,同时提出轻量型多尺度特征(LMS)模块优化颈部网络;最后,使用西格玛线性单元(SiLU)激活函数加速模型收敛,采用MPDIoU损失函数进一步提高检测精度。试验结果表明:改进后的模型参数量减少18.3%,计算量降低15.0%,且所有类别平均检测精度上升1.1%。在Jetson TX2中,使用TensorRT加速后的检测速度达到48帧/s,基本满足道路目标检测的实时性要求。

关键词： 三维目标检测   野外   扬尘   多模态融合   点云  

摘要： 对于配备多种传感器的自动驾驶车辆,在野外扬尘环境中进行高精度三维目标检测是一项重大挑战,野外地形的多变性导致采集目标的区域特征差异性加剧,同时扬尘颗粒物还会模糊目标特征.为了克服这些困难,本文提出了多模态特征动态融合的三维目标检测方法,构建了多级特征自适应融合模块和特征对齐增强模块,其中,多级特征自适应融合模块动态调整模型对全局级特征和区域级特征的关注程度,充分利用多级感受野,减少区域差异对识别效果的影响;而特征对齐增强模块则在多模态特征对齐之前增强感兴趣区域的特征表达,有效抑制扬尘等干扰因素.实验结果表明,提出方法在自建野外数据集中比基线的平均精度提高了2.79%,在KITTI数据集的困难级别检测中提高了1.7%,表现出较好的鲁棒性和准确性.

关键词： 舰船检测   多头自注意力机制   空间上下文金字塔   WIOU损失函数  

摘要： 海面舰船目标检测容易受陆地、海浪等背景的干扰。针对舰船小目标检测精度低和鲁棒性差的问题,提出一种改进的舰船目标检测模型CWMA-YOLOv5s。首先,设计具有多分支跨层连接的C2f模块丰富多目标舰船梯度流信息。然后,设计并实现了残差多头自注意力融合模块优化特征融合效果。其次,改进Predection网络,设计SCP结构,提高了舰船目标的显著度。最后,引入改进的WIOU损失函数解决CIOU损失函数带来的梯度爆炸和模型提前退化问题。实验结果表明,与YOLOv5s模型相比,该模型在MASATI-v2数据集上,精度提高了13.1%,召回率提高了12.8%,mAP@50提高了6.8%。与其他同类型检测算法相比,该算法拥有更好的学习能力,整体检测精度达到了82.3%,具有较强的鲁棒性。

关键词： 大豆   品质检测   计算机视觉   麻雀搜索算法   支持向量机   主成分分析法  

摘要： 为了提高计算机视觉对大豆品质检测的准确率和检测速度,提出基于麻雀搜索算法(Sparrow Search Algorithm, SSA)优化支持向量机(Support Vector Machine, SVM)及通过主成分分析法(Principal Component Analysis, PCA)进一步优化SSA-SVM模型的两种大豆品质检测模型。采集正常、破损和霉变的大豆图像并进行预处理,提取HSV颜色空间下的12个颜色特征参数,基于灰度共生矩阵法提取4个纹理特征参数。利用SSA寻找SVM的最佳惩罚因子和核函数半径。结果表明,SSA-SVM模型的准确率达到98.00%,较SVM模型的95.33%提高2.67%;使用PCA将16个特征参数降维到8个,构建PCA-SSA-SVM模型,该模型准确率为97.33%,较SVM模型的95.33%提高2.00%。PCA-SSA-SVM模型与SSA-SVM模型相比,其准确率低了0.67%,但迭代时间为11.78 s,较SSA-SVM的13.72 s缩短14.14%。结果表明,SSA-SVM模型与PCA-SSA-SVM模型在大豆品质检测方面均优于SVM模型。

关键词： 自主搜索   目标检测   FT-6678N  

摘要： 自主搜索是在无目指条件下,雷达对周围空间进行扫描并处理回波信号,进而发现空间目标。自主搜索数据量大,对雷达实时信号处理提出了巨大的挑战。基于FT-6678N提出了一种基于多核数字信号处理器(DSP)的自主搜索检测算法,按距离门将回波数据分配至多个核独立处理,处理完成后由一个核对检测结果进行综合,输出最终检测结果,提高了自主搜索信号处理的效率和准确性。通过理论仿真对该算法的检测性能进行了评估,并将该算法应用至某型在研雷达,对无人机进行自主搜索,搜索结果实际运动规律,满足预期设计。

关键词： 遥感图像   军用飞机   轻量级   聚焦系数  

摘要： 针对遥感图像军用飞机中背景复杂、目标尺度小所导致的识别精度低、计算成本高、模型体积大等问题,提出一种融合重参数化和细节增强的轻量级军用飞机目标检测算法YOLOv8-MA。首先,融合重参数化设计多分支梯度流通特征提取模块,提高模型推理速度;其次,结合Efficient RepGFPN舍弃冗余模型结构,融入P2层,构建多尺度特征融合网络,改善因过多下采样带来的小目标信息丢失问题;在此之上,结合群范卷积和细节增强提出轻量级检测头,减少模型参数量和计算量;最后,向Shape-IoU中引入聚焦系数融合成新的损失函数,提升模型检测性能。在公开军用飞机数据集MAR20上,该算法的m AP50高达97.9%,模型体积低至2.1 MB,相较于YOLOv8n参数量下降了74.7%,计算量下降了40.7%,FPS提高了14 f/s,证明其能够有效提升遥感图像中军用飞机的检测效果。

关键词： 机器人   计算机视觉   二维激光雷达   标定  

摘要： 设计了一款乒乓球捡球机器人,集成智能车平台与5轴机械臂系统。智能车采用双步进电机驱动,确保稳定灵活的移动能力;机械臂通过高精度舵机驱动,实现复杂抓取动作。系统核心控制器选用树莓派,负责协调控制机器人的运动规划与抓取操作。为提升定位精度,结合相机与二维(2D)激光雷达的计算机视觉技术被应用于乒乓球的快速定位。提出了一种基于目标球位置计算机械臂关节最优转动角度的算法,以实现精准抓取。实验证明,该捡球机器人抓球误差控制在10.0 mm以内,有效实现了乒乓球的精确定位与稳定抓取。

关键词： 图像处理工作站   分析   技术审评  

摘要： 图像处理工作站通过对医学图像的处理和分析,可以帮助医生准确地定位病变、评估疾病的程度和进展,并制定合理的治疗方案。文章从医疗器械技术审评角度对图像处理工作站产品的安全有效性进行分析,在图像处理工作站相关基础理论研究、监管信息、综述资料、产品技术要求、临床评价资料等方面提出建议,以期对该类产品注册申报时资料的准备及技术审评有所帮助。

关键词： 视频智能分析   目标跟踪   留置场景  

摘要： 阐述针对视频智能分析系统中的人员检测误检、漏检问题,提出一种基于中心点欧式距离的人员跟踪方法。通过引入人员产生计数器和丢失计数器,有效改善检测准确性。实验表明,该方法在留置场景中显著提升了报警准确率,为智能视频监控系统提供了更可靠的人员跟踪解决方案。

关键词： 深度学习   目标检测   表情识别   OpenCV  

摘要： 本文基于深度学习针对人脸表情进行识别,首先是人脸表情的数据集的采集及预处理。数据集归一化为像素256*256的RGB图像,然后对这些数据进行分割和数据增强处理。经过交叉验证调整模型的参数后,模型评估的准确率达到了93%以上。这些技术的应用将会使表情识别相关应用大幅度地提高,进一步实现人脸表情识别应用智能化水平,对于我国的制造业与服务业产生重大意义。