关键词： 视觉传达设计   计算机图像处理   模块化设计   创意表达   用户交互  

摘要： 视觉传达设计作为一种通过视觉元素传达信息、表达情感和理念的艺术形式,其效果往往取决于图像的处理技术。为了更好地平衡设计效果与计算效率,提出一种基于视觉传达设计的计算机图像处理技术系统。该系统将方向梯度直方图算法和支持向量机算法相结合,通过模块化设计,实现从图像输入、预处理、视觉传达设计、特征提取与识别;通过图像合成与输出提高视觉传达设计能力,提高了图像处理的效率和精度;通过方向梯度直方图算法提取特征,运用图像处理技术进行进一步滤波处理得到最终所要图像效果。试验表明,该系统相比于现有的计算机图像处理技术系统所得出的图像相似度高达99.83%,计算机图像处理能力高,大大提高了图像的还原度和美观度。

关键词： 遥感小目标   目标检测   YOLOv8   多尺度特征融合  

摘要： 遥感小目标图像存在检测目标过于密集、尺寸过小、特征信息难以提取等缺陷,导致现有的目标检测算法在遥感小目标图像上的检测精度不高。为了解决上述问题,提出了一种基于YOLOv8的遥感小目标检测算法SBC-YOLOv8并采用了切片辅助超推理(SAHI)方法。首先,采用了SAHI切片方法对遥感小目标图像进行了切片操作,有效地改善了检测目标过于密集、尺寸过小的缺陷;其次,在YOLOv8的Backbone部分加入Space-to-Depth模块,增强了网络结构的特征提取能力,有效地改善了小目标特征信息难以提取的缺陷;然后,采用了加权双向特征金字塔(BiFPN)的特征融合方式并且将原本的P5层替换为P2层,增强了网络的多尺度特征融合能力,有效地提升了检测精度;最后,采用CSP-OmniFusion模块,进一步改善了遥感小目标特征信息难以提取的缺陷。实验结果表明,相比于原YOLOv8算法,采用SAHI加上SBC-YOLOv8算法的改进在VisDrone2019数据集的验证集和测试集平均精度均值(mAP)mAP@0.5分别提升了23.4%和18.3%;mAP@0.5∶0.95分别提升了17.4%和12.4%,同时在CARPK数据集和HRSID数据集上mAP@0.5分别提升了1.6%和1%,mAP@0.5∶0.95分别提升了6.1%和2.7%。因此,所提算法有效地提升了遥感小目标图像的检测效果。

关键词： 动车转向架   螺栓   目标检测   YOLOv5s   多重注意力机制  

摘要： YOLOv5s网络目标检测算法存在损失值较大、平均精度较低等问题,无法满足动车转向架螺栓缺陷识别的高精度需求。为此,通过添加卷积块注意力模块和高效多重注意力机制以改进YOLOv5s网络,构建基于改进YOLOv5s网络的动车转向架螺栓识别算法,并开展验证试验。试验结果表明:基于改进YOLOv5s网络的算法,稳定性更好,鲁棒性更强,能够有效可靠识别动车转向架螺栓,为实现动车智能化运维提供技术支持。

关键词： 野生动物识别   目标检测   注意力机制  

摘要： 动物识别对于生态保护、农业管理以及智能监控等领域具有重要的意义和作用。然而,人工辨识动物往往依赖于个体的经验和知识,存在主观性强、效率低下和难以大规模应用等问题。为了解决这一挑战,文章重点研究了一种基于深度学习的RGB图像识别方法。基于YOLOv7,引入K-means聚类算法优化目标候选框。实验结果表明,与YOLOv3、YOLOv5、YOLOv7和YOLOv10相比,所提模型在所有评估指标上性能最佳,精度为73.80%,mAP@0.5为74.60%,mAP@0.5:0.95为66.60%;与基线方法YOLOv7相比,在精度(P)、召回率(R)、mAP@0.5和mAP@0.5:0.95上分别提高了0.50%、3.40%、1.30%和2.00%。综上所述,该研究实现了对多种野生动物及家养动物的高效、准确识别,为生态保护、农业管理以及智能监控等领域提供了强有力的技术支持。

关键词： 光学疵病   多光谱技术   图像处理   缺陷检测   图像融合  

摘要： 在进行多光谱光学元件疵病谱检测时,由于光谱图像数据量较为庞大,人为操作的误差以及光斑亮度不均匀等问题致使图像明暗不均,多光谱图像的细节信息被掩盖,从而导致检测效率的下降。针对该问题,提出了一种基于图像处理的多光谱光学疵病检测技术,首先将光谱图像进行融合,然后根据图像的照明不均匀性进行背景的提取与自适应补偿,最后对图像进行阈值分割与连通标记法将疵病进行识别。实验表明,该方法可以准确地识别光学元件疵病,对不同环境的样本,其缺陷检测率可达95.73%,提升了多光谱光学元件疵病检测的效率。

关键词： 深度学习   自动化码头   目标检测   无人机  

摘要： 设计了一种基于无人机巡查的自动化集装箱码头监控与预警系统,该系统是基于树莓派平台进行开发的,运用了计算机视觉的目标检测知识,实现了码头多目标检测、集装箱箱体残损识别及集装箱堆码违规区域识别等功能。在无人机结构设计方面,完成了对重要零部件的应力校核;重点构建了视觉感知系统并融合了图像处理算法,采用Python语言开发了多目标检测及集装箱破损识别模块,配套的图形用户界面可直观展示感知结果。该系统解决了在目前自动化码头监控中所存在的不足,为集装箱码头的智慧化建设提供了新的方向。

关键词： 目标检测   卷积神经网络   多尺度目标检测   感受野   特征金字塔网络(FPN)  

摘要： 针对多尺度目标检测中主干网络实际感受野远远小于理论感受野,感受野分布稀疏,以及特征金字塔网络(feature pyramid network,FPN)在横向连接过程中统一通道数会丢失通道信息等影响模型性能的问题,提出一种扩增实际感受野和多特征融合改进FPN的多尺度目标检测算法ResFPN。针对主干网络实际感受野远远小于理论感受野的问题,设计了多分支膨胀卷积(multi-branch dilated convolutional,MBD)模块和多分支池化(multi-branch pooling,MBP)模块,通过学习不同尺度空间特征融合,扩增感受野。针对感受野分布稀疏问题,提出轻量级通道交互融合(channel interactive fusion,CIF)模块,通过双分支结构并在每一分支叠加不同数量深度可分离卷积学习像素间的依赖关系增强特征表示。针对FPN通过1×1卷积统一通道数会丢失通道信息的问题,尝试利用SubPixel卷积提取C5层输出特征,保留原始丰富语义信息的同时引出额外双向路径对FPN通道信息进行补充,但这可能会产生冗余信息。因此,在额外双向路径后引入全局上下文(global context,GC)模块,利用GC瓶颈转换模块进一步融合特征信息,减少信息冗余。实验表明,提出的ResFPN有效解决了感受野分布稀疏问题,并将主干网络感受野增大为原来的一倍,同时提出的改进FPN通道丢失问题的方法也在多尺度目标检测中获得了良好的性能。与典型的网络Faster R-CNN相比,大、中、小物体检测平均精度在具有挑战性的MS COCO数据集上分别提高了2.2、1.6、2.0个百分点,与其他检测器相比检测效果也有提升。

关键词： 目标检测   域适应   无人机  

摘要： 无人机航拍图像具有背景复杂、目标尺度小、目标朝向多变等特性,并且常因模型的训练数据与应用场景存在偏差,导致检测性能大幅下降。针对上述问题,提出基于域适应的无人机航拍目标检测算法,以Faster R-CNN为基础,采用域适应方法来提升模型在不同场景下的泛化性,并设计融合可变形卷积的特征提取网络以优化无人机视角下目标朝向多变的问题、采用特征金字塔网络提高对小目标的表达能力、设计D-ROI Align提高对小目标的检测精度。基于无人机相关数据集的域适应实验表明,该模型相较于目前的主流方法拥有更好的检测性能。

关键词： 生成式人工智能   飞行器技术   空气动力设计   航迹预测   目标检测  

摘要： 在自然语言处理和计算机视觉领域取得颠覆性应用的生成式模型正成为数智化的新型技术基座,是未来驱动飞行器技术智能化发展的重要引擎。综述了生成式模型赋能飞行器技术应用进展。首先,总结了生成式模型架构的发展历程,详细介绍了变分自编码器、生成对抗网络、扩散模型、Transformer等基本原理架构和改进方向。其次,归纳了生成式模型在飞行器空气动力学、航迹预测和目标检测等领域的典型应用和变革情况;关注了参数化建模、气动预测模型、反设计等飞行器空气动力设计关键技术的发展趋势;探讨了实时航迹预测、完整航迹预测、协同航迹预测和预测误差补偿的智能实现方法;从现有目标检测方法改进角度分析了生成式模型在多尺度融合、超分辨率增强和数据增强中的作用。最后,从模型方法和应用场景拓展角度展望了生成式模型赋能飞行器技术未来的研究方向,针对构建可解释的通用大模型和推动垂直领域应用等方面提出了发展建议。

关键词： 仪表读数识别   目标检测   语义分割   透视变换  

摘要： 针对巡检机器人嵌入式系统面临的内存限制和计算能力不足的问题,提出了一种基于轻量化目标检测算法的指针仪表读数识别算法。首先,在YOLOv8n的基础上,设计了轻量化特征提取模块RepC2f和轻量化检测头LSD,这2项设计旨在提升检测精度的同时显著降低模型参数量,从而提高检测的实时性。实验结果表明,该算法相比于YOLOv8n精度提升了0.94百分点,权重模型减少了2.73 MB,而帧率则提升了11.9帧/s。然后,采用Deeplabv3+算法对指针和主刻度线进行精确分割。随后,通过透视变换和最小二乘法实现表盘的几何校正和指针的拟合。最后,依据主刻度线的角度法进行读数的计算。