关键词： 目标跟踪   孪生网络   特征感知增强   注意力  

摘要： 对于孪生网络跟踪框架,骨干网络提取特征的目标表征能力对目标跟踪性能至关重要。为了提升特征对目标的表征能力,提出一种基于特征感知增强的孪生跟踪算法。其以TrDiMP算法为基础,对ResNet-50骨干网络提取的特征采用特征感知增强模块进行增强,该模块基于自注意力对模板分支和搜索分支的特征进行自我增强,并基于交叉注意力对两个分支进行关联增强,建立模板特征和搜索特征之间的目标依赖关系,抑制与目标无关的特征干扰,进而提升特征对目标的表征能力。基于OTB100、UAV123、LaSOT、GOT-10k和VOT2018五个基准数据集的大量实验表明,与几种主流的孪生跟踪器相比,该算法取得了更优的精确度和成功率,尤其在相似性干扰、尺度变化、遮挡等复杂场景中鲁棒性更优。

关键词： 自动驾驶   YOLOv8s   C2f⁃EMSCP模块   小目标检测   注意力机制   损失函数  

摘要： 针对自动驾驶场景下交通目标检测算法存在的误检及漏检的问题,提出一种基于改进YOLOv8s模型的复杂道路交通目标检测算法。设计一种轻量级的C2f⁃EMSCP模块改进YOLOv8s的骨干网络,实现网络的参数量和计算量的降低;在Backbone和Neck部分添加EMA注意力模块,有效地捕捉了全局的通道依赖性与局部空间特征,实现在通道和空间维度上的全面特征抽取;针对密集车流下小尺寸车辆检测效果不佳的问题,添加小目标检测头,更好地捕获小尺寸车辆的特征和上下文信息;使用可自适应调整权重系数的Wise⁃SIoU作为改进模型的损失函数,提升了边界框的回归性能和检测的鲁棒性。在KITTI数据集上进行实验,P、R和mAP@0.5分别提高了0.4%、2.1%和3.7%。文中的改进方法在交通监控系统中能够达到较好的检测精度和速度,有效改善了复杂交通场景下小目标车辆检测效果不佳的问题。

关键词： 计算机视觉   农机自动化   精准农业   作物监测   路径规划  

摘要： 文章详细分析了作物监测、农机路径规划、作物变量施肥和作物收获监测与评估等计算机视觉技术在农机自动化中的具体应用,阐述了计算机视觉技术在提高农业生产效率、精度和智能化水平方面的重要作用。应用结果表明,计算机视觉技术可以实现作物生长状态的实时监测和定量评估,生成最优农机作业路径,精准控制肥料施用,实现收获过程实时监控和产量质量快速评估。计算机视觉技术在农机自动化中的应用前景广阔,将为现代农业生产提供有力的技术支撑。

关键词： 无人机探测   高分辨率遥感图像   目标检测   弱小目标   注意力机制  

摘要： 无人机平台高分辨率遥感图像中的目标信息是军事行动规划的重要参考依据。然而高分辨率遥感图像存在尺寸较大、背景信息混杂的问题,导致目标信息检测结果常存在大量虚警以及错误识别;不仅如此,由于图像与目标尺寸之间存在巨大差异,因此在大量背景像素中探测微小目标,对于检测算法的精确度有着更高的要求。为了解决上述问题,实现准确目标检测,本文提出了一种基于无人机遥感图像区块信息的弱小目标检测算法。算法首先使用区块信息以及微小神经网络结构来缓解大尺寸图像带来的处理困难、速度较慢的问题;其次使用全局注意力机制对于可能出现的虚警进行抑制;最终将检测器与分类器进行信息互通,从而同时提高两者的能力,达到提升模型性能的效果。所提检测算法在大尺寸遥感图像数据集上进行实验,结果表明,检测结果中假阳性个数明显减少,并且准确度大幅提升。该结果证明本文所提方法的有效性。

关键词： 输送带   纵向撕裂   带式输送机   目标检测   计算机视觉   降维   线结构  

摘要： 针对传统的输送带纵向撕裂检测系统存在光照抗干扰能力差、运算效率低及泛化能力弱的问题,研究了一种基于线结构光的纵向撕裂检测技术。以线结构光作为图像采集系统,应用Topk完成图像预处理,减少数据冗余和内存使用量;对YOLOv5网络的基础算子进行降维,减少模型参数量和浮点运算量;将该检测技术移植到嵌入式设备中,研制了速度快、精确度高的矿用本安型纵向撕裂检测系统。实验结果表明:降维YOLOv5的运算量和参数量均低于传统方法,在输入特征图分辨率为640 px×2592 px时,F_(1score)为0.9511,优于其他方法;仿真实验中检测的精确度P为95.14%,召回率R为92.63%;工业试验中成功检测出输送带的纵向撕裂。

关键词： OpenCV   技术普及   计算机视觉   金级会员   高通  

摘要： 2024年12月,高通技术公司(Qualcomm Technologies,Inc.)宣布加入Open CV(开放源代码计算机视觉库)成为金级会员,这一合作将促进AI和计算机视觉技术的普及和应用,加速边缘AI和计算机视觉技术的创新步伐。高通作为全球领先的无线通信技术提供商,其产品和服务已经广泛应用于智能手机、平板电脑、物联网设备等众多领域。

关键词： YOLOv11   多尺度注意力机制   小目标检测  

摘要： 随着遥感图像中小目标检测问题的日益突出,传统目标检测方法在小目标的精确定位上存在局限性。为解决这一问题,本文提出了一种基于YOLOv11模型的多尺度注意力机制优化方法。首先,删除了YOLOv11模型中用于大目标检测的20 × 20尺度检测层,增加了160 × 160尺度的小目标检测层,以提升小目标的检测精度。其次,采用EIoU (Enhanced Intersection over Union)损失函数替代CIoU损失函数,解决了CIoU在长宽比差异较大的目标中的定位问题,从而加速收敛并提高定位精度。最后,结合空间注意力和通道注意力机制,增强了模型对不同尺度目标的感知能力。实验结果表明,优化后的YOLOv11模型在多个遥感图像数据集上表现出较传统YOLOv11显著提高的精度、召回率和F1分数,特别在小目标检测任务中具有更强的鲁棒性和更高的检测精度。研究表明,提出的方法能有效提升小目标检测性能,为遥感图像分析提供了新的解决方案。With the increasingly prominent problem of small target detection in remote sensing images, traditional object detection methods have limitations in accurately locating small targets. To address this issue, this paper proposes a multi-scale attention mechanism optimization method based on the YOLOv11 model. Firstly, the 20 × 20 scale detection layer used for large object detection in the YOLOv11 model was removed, and a 160 × 160 scale small object detection layer was added to improve the detection accuracy of small objects. Secondly, the EIoU (Enhanced Intersection over Union) loss function is used instead of the CIoU loss function to solve the localization problem of CIoU in targets with large aspect ratio differences, thereby accelerating convergence and improving localization accuracy. Finally, by combining spatial attention and channel attention mechanisms, the model’s perception ability for targets of different scales was enhanced. The experimental results show that the optimized YOLOv11 model exhibits significantly improved accuracy, recall, and F1 score compared to traditional YOLOv11 on multiple remote sensing image datasets, especially in small object detection tasks with stronger robustness and higher detection accuracy. Research has shown that the proposed method can effectively improve the performance of small object detection, providing a new solution for remote sensing image analysis.

关键词： 桥梁工程   结构健康监测   挠度   计算机视觉   实时测量   多点同步   测量方法  

摘要： 为有效评估桥梁的安全性能,提出一种基于计算机视觉的桥梁挠度测量方法。该测量方法由红外光源标志与加装红外滤光片的相机测站组成桥梁挠度摄像测量系统,在桥墩上安装相机,并在桥梁的多个关键位置设置红外光源标志,通过监测相机图像中标志点的像素点坐标变化量,实时解算桥梁上各监测点挠度。以湖南省澧水特大桥为背景,使用该方法进行该桥90 m跨主梁挠度的长期结构健康监测。结果表明:该桥梁挠度测量方法具有多点同步和实时监测等优势,采用红外光源标志避免了可见光的影响,实现24 h全天监测,且可有效修正相机运动误差,实现桥梁多点挠度实时同步自校准监测,为桥梁健康监测和安全性能评估提供准确的挠度监测数据。

关键词： 混凝土搅拌机   搅拌过程   图像特征   拉格朗日插值型求积法  

摘要： 混凝土是一种由骨料、水泥、水、外加剂和掺合料混合而成的复合材料,广泛应用于建筑、公路、桥梁等土木工程中。随着国内经济的稳定增长和城市化进程的不断推进,对混凝土的质量标准也日益严格。混凝土的搅拌匀质与否是影响其质量的重要因素之一。在实际生产中混凝土匀质性检测主要依靠现场人员的主观判断,从而导致了混凝土生产的高成本和低可靠性。对此,本文通过分析搅拌机工作功率特征和图像处理技术相结合的方式来检测混凝土搅拌的匀质性。首先通过监测搅拌机工作功率的变化规律,分析搅拌机在不同功率下物料的运动特征来决定启用图像采集的时机,降低图像采集的难度;然后获取搅拌机内的搅拌图像,将图像的灰度值直方图面积与混凝土搅拌匀质性相关联,通过拉格朗日插值型求积法计算直方图面积的方式判断混凝土是否搅拌匀质。实现混凝土搅拌机搅拌匀质性的智能化检测。

关键词： 机器视觉   图像处理   火焰完结点   垃圾焚烧炉   炉排炉  

摘要： 炉排炉是国内垃圾焚烧厂中最主流的技术。当垃圾在焚烧炉内燃烧时,为了防止出现偏烧导致炉排被损坏以及安全事故的发生,需要时刻检测垃圾在炉排上的位置与燃烧状况。目前对垃圾焚烧炉内燃烧状况的检测主要是通过人工观察实现,此种方法存在很大的弊端。通过机器视觉技术,对提取到的垃圾燃烧图像进行数字图像处理,检测图像中火焰的边缘并标注燃尽线的距离供操作人员调整炉排的翻滚。试验表明:基于机器视觉的垃圾焚烧火焰完结点提取克服了“人工观火”的主观性影响,提高了火焰完结点的检测效率与准确率,使用此方法得到的火焰拟合线的距离误差在±10 cm以内。