关键词： 目标跟踪   复杂电磁环境   实时纠缠  

摘要： 阐述针对复杂电磁环境中动态目标跟踪时数据误差大、虚警漏警频发导致的跟踪困难问题,提出了一种基于数据填补的动态目标跟踪算法。该算法通过填补缺失数据,有效解决了纠缠数据跟踪难题,实现了对实时纠缠数据的高效目标跟踪。

关键词： 目标检测   汽车轮毂   YOLOv8   缺陷检测   多头自注意力  

摘要： 为解决以往算法对轮毂内部缺陷进行检测时效率低、精度较低和识别能力差等问题,提出一种基于YOLOv8算法优化的铝合金轮毂缺陷检测方法。首先,通过在主干中添加Focus层进行切片操作,增加通道防止信息丢失,提高全局感受野。其次,将空间金字塔池化部分替换为SimSPPF,减小计算量。最后,在Backbone部分加入BoTNet模块,通过融合多头自注意力层进一步改善检测效果并减小参数。通过实验证明,改进后的算法可以准确定位并识别出气孔、缩孔、缩松和裂纹4类缺陷,平均检测精度(mAP)可以达到98.80%,平均检测速度为75.53帧/s,满足工业检测的实时性要求。

关键词： 目标跟踪   高光谱视频   孪生网络   特征融合   神经网络  

摘要： 在高光谱视频目标跟踪领域,背景杂波通常会影响跟踪的准确性。为解决这一问题,提出了一种基于光谱分割的孪生融合高光谱目标跟踪算法。通过计算未知像素与目标局部区域的最大、最小光谱曲线的偏差,并根据预设阈值实现目标与背景的精确分割。随后计算目标光谱曲线,将目标光谱曲线与搜素区域像素的光谱曲线进行光谱角距离运算完成降维。将降维后图像分别送入负责提取目标深层语义信息的语义解析网络和负责提取目标浅层特征的外观描述网络,得到两张目标响应图,从多角度增强目标识别效果。最后,根据平均峰值相关能量计算响应图权重,对响应图进行加权融合,最终确定目标位置完成跟踪。为验证文中算法的有效性,选择六种跟踪算法进行对比,并进行消融实验,其中包括四种高光谱目标跟踪算法和两种RGB目标跟踪算法。实验结果表明,文中算法通过结合浅层外观信息和深层语义特征,在背景杂波和光照变化等挑战下,均表现优秀的跟踪性能。尤其在背景杂波挑战下实现了69.98%的成功率,比排名第二的算法高出4.48%,精度为89.66%,比排名第二的算法高出0.59%。此外,在所有测试序列上,文中算法成功率达到63.8%,位居第一。由实验结果表明,该算法在应对背景杂波的高光谱目标跟踪任务中具有较强的鲁棒性和优越的跟踪性能。

关键词： 薄膜厚度均匀性   机器视觉   图像处理   伺服电机   XY移动平台  

摘要： 针对薄膜生产吹塑过程中均匀性不稳定、需经常进行人工调整等问题,提出了一种基于机器视觉的多自由度薄膜厚度均匀性控制系统;视觉模块通过摄像头对成型轮廓的进行检测,提取塑料薄膜外形轮廓的图像信息,经过图像处理后输出不对称度信息,用作控制部分的控制参数;控制模块依据视觉检测结果及控制模型,对装有两轴伺服电机的XY移动平台上的膜口间隙调节机构进行实时控制与反馈;实验测试结果表明,所设计的系统偏离度识别误差0.485°,控制误差0.098 mm,满足设计要求及质量要求。

关键词： 铁路施工   目标检测   RT-DETR   轻量化网络模型  

摘要： 针对铁路施工环境较复杂,安全穿戴目标较小难以检测,边缘计算设备资源有限的问题,提出一种基于改进RT-DETR的铁路施工场景下人员安全穿戴检测模型。首先,引用轻量级EfficientViT作为特征提取网络,通过级联分组注意力,解决多头自注意力计算冗余问题,提高注意力头的多样性。其次,采用HWD-ADown下采样模块,应用Haar小波变换保留更多细节信息来改善错检问题,通过将特征图切分再进行卷积的方式减少卷积操作的参数量,进一步降低模型复杂度,精度维持原来相近水平。最后,设计一种新的损失函数Inner-DIoU,在加速边界框回归速度的同时提高模型检测的泛化能力。实验结果表明,改进模型精确率为92.6%,召回率为84.4%,平均精度均值为90%,与基准模型相比分别提高2.7%、2.1%和3%;模型大小为19.9 MB,参数量为985.6万个,GFLOPs为25.5,与基准模型相比分别降低48.4%、50.4%和55.4%;FPS为94.3,提高了34.7%。提出的模型能够满足铁路施工场景下对检测精度和轻量化的需求。

关键词： 无人机   深度学习   目标检测模型   图像缩放攻击   后门攻击  

摘要： 随着低空经济和无人机(Unmanned Aerial Vehicle,UAV)技术的蓬勃发展,基于深度学习的目标检测模型在无人机领域得到了广泛应用。然而,该模型在实际部署中却面临潜在的安全威胁。区别于传统的图像分类,目标检测模型在识别目标的基础上,还会额外生成和返回一组带有标签的目标边界。利用这一特性,提出了一种面向目标检测模型的隐蔽后门攻击框架。与仅在图像中嵌入特定触发特征的传统后门攻击方法不同,提出的新框架首先对图像的目标类别与边界框标注进行精准匹配,再基于匹配结果利用图像缩放原理对数据和标签进行选择性毒化,实现了后门植入的高隐蔽性。最后,在真实数据集上的实验结果证明了提出的后门攻击方法具有较高的攻击成功率。

关键词： 目标检测   卷积神经网络   自注意力机制   金属锈蚀检测  

摘要： 金属锈蚀会对变电设备的正常运转造成威胁,需要电网运维部门及时发现并处理,以避免形成安全隐患,而基于卷积神经网络的金属锈蚀检测是目前一种可行的智能化检测方法。由于卷积操作着重于局部计算存在着全局信息融合能力不足的缺点,为此,论文通过在卷积神经网络输出的特征图上进行自注意力操作,构建了融合自注意力机制的特征提取网络。实验结果表明,论文提出方法在公开数据集和金属锈蚀自建数据集上可有效提高检测性能。

关键词： 无人机遥感图像   目标检测   数据集   评价指标  

摘要： 目标检测技术在无人机遥感图像方面具有巨大发展潜力。为了有针对性地设计出适合遥感图像的目标检测算法,需要准确把握当前各类算法的优势及局限,探索新的解决策略。本文对基于传统技术和深度学习的目标检测方法进行了全面系统的分析,并将各类算法进行了对比;总结了常用的遥感图像数据集及目标检测算法的评价指标;针对遥感图像目标检测中目标较小、含有遮挡物以及背景环境复杂等关键问题,深入剖析了现有方法在处理这些难点时所面临的挑战;鉴于遥感图像的背景环境以及特性,从5个方面探讨了当前算法可能的改进方向,为无人机遥感图像目标检测技术的发展提供了参考。

关键词： YOLOv5   口吃识别   语谱图   目标检测  

摘要： 语言交流效率得分是量化口吃严重程度的方法,该方法需要获得口吃发生的时间,但目前相关研究仅能判断语音段中是否存在口吃,无法精确定位口吃的发生位置,不利于对口吃严重程度的判别.针对目前深度学习检测口吃类型无法可视化定位目标的问题,首先使用短时傅里叶变换将语音转化为语谱图,然后对其进行口吃类型标记,最后使用YOLOv5对口吃类型进行检测.在YOLOv5的基础框架下尝试YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x 4种不同深度和宽度的模型,实现口吃类型的分类和定位,并选择在其性能最优的模型YOLOv5l中引入高效通道注意力机制和CIOU目标框损失函数对基础模型进行改进.实验结果表明,改进的YOLOv5l模型在训练损失值有明显降低,在准确率、召回率和mAP_0.5上分别提升了1.2、0.6和0.4个百分点,较原模型漏检情况有所改善.

关键词： 激光武器   跟瞄系统   单目标跟踪   目标形变  

摘要： 当无人机在被激光武器击中后发生着火并导致部分零件掉落时,目前的跟踪算法会因物体掉落而出现跟丢现象,降低系统的作战效能。本文提出了一种抗无人机着火脱落干扰的单目标跟踪算法,能够在无人机着火后出现的复杂场景下有效应对零件掉落,确保持续跟踪目标。实验结果表明,改进的算法能有效应对着火脱落引起的跟丢问题。