关键词： 无人机   改进YOLO算法   目标跟踪  

摘要： 无人机对目标的精准识别和高效跟踪是一个具有挑战性的问题。现有的目标跟踪算法大多存在跟踪精度不高、抗干扰能力差等问题,难以满足实际应用需求。为了提高无人机的目标追踪能力,文章提出改进YOLO算法的无人机目标跟踪方案,在基于YOLO算法构建特征网络的基础上,采用Kalman跟踪算法对目标的运动轨迹进行预测和跟踪,结合ReID算法对目标的轨迹信息进行选择和关联,并在数据集UAV_databases上进行测试。相较于其他传统模型,本研究提出的模型在各项指标上具有优越的性能,准确率为95.69%,F1值为93.04%,目标丢失率为6.79%。

关键词： 计算机视觉   人工智能   分级任务驱动   学科交叉  

摘要： 本文针对计算机视觉课程的教学现状,提出基于产业需求和学科交叉的教学改革路径:通过模块化课程设计,使学生逐步掌握从基础理论到深度学习模型的核心技术及前沿动态;引入分层任务模式强化实践能力,设计跨学科场景促进理论与实际应用融合;多元化考核方式和过程性评估有助于关注学生学习过程与成果,全面提升学生创新意识和工程思维。

关键词： 线上教学   新工科   混合式教学   数字图像处理  

摘要： 在新工科明确提出工程教育要将“为新经济培养工程科技人才”作为育人目标的背景下,虽然“互联网+”线上教学模式能够在一定程度上满足日常教学任务和培养目标要求,但该方式授课效果较差,课堂环节不易把握,师生互动无法保障,严重影响了教学效果。以新的教学需求为切入点,以数字图像处理课程为例,开展了线上线下融合教学环节设计和课程实践研究,融合了智能推荐、虚拟仿真等技术,形成了个性化学习和教学路径,并有效整合线上线下教学特征和优势,逐步形成了“知识—能力—素质”三位一体的专业人才培养体系。

关键词： 无人机技术   机场助航灯   目标检测   轻量化  

摘要： 助航灯光系统为飞机在夜间或低能见度的情况下起飞、降落和滑行提供目视引导,是机场安全维护的重要组成部分。目前,仅有少数大型机场具备自动化监测系统,绝大多数以人工视察,定期取样测试为主,效率较低。本研究提出了一种基于无人机技术的助航灯快速自动化巡检方法。在夜间停飞维护期间,无人机按设定路线和角度进行图像采集。考虑到灯光特征单一和轻量化部署,提出基于定位信息的巡检方案,并利用阈值提取法实现助航灯目标的快速识别,为后续应用提供便捷。

关键词： 鸡蛋   光电检测   热成像   图像处理   种蛋活性  

摘要： 鸡蛋孵化产量高,但不同孵化时间节点死胚蛋与无精蛋的检测研究较少。孵化前期由于胚蛋活性较弱、产热较少,热成像检测不能很好地将活胚蛋从死胚蛋和无精蛋中区分出来;孵化中后期由于活胚蛋发育基本成型,光线不能贯穿种蛋,光电检测方法无法区分中后期死亡的胚蛋。将光电检测与热成像检测结合,识别孵化前期(6~12 d)与孵化中期(15~18 d)死胚蛋与无精蛋。通过光电传感器采集孵化6~12 d种蛋的透光量变化,提取特征参数,使用自主开发的软件采集孵化15~18 d自然冷却温降序列的热图像,经过处理获取感兴趣区域模板,利用模板分割序列热图像,获得种蛋区域灰度均值变化曲线,提取反映种蛋活性的特征参数,使用逻辑回归(logistic regression,LR)、K最近邻(K-nearest neighbors,KNN)、支持向量机(support vector machine,SVM)、决策树(decision tree,DT)、朴素贝叶斯(naive Bayes,NB)、随机森林(random forest,RF)建立不同孵化时间节点的检测模型。结果表明,KNN区分孵化第6~12天种蛋活性效果最好,在孵化第10天准确率达98.7%;LR区分第6~12天种蛋活性效果在所有时间最稳定,准确率均达94%。SVM区分孵化第15~18天种蛋活性效果最好,第18天准确率达97.1%。孵化前期使用光电检测利用透光量变化检测死胚蛋与无精蛋,孵化中期使用热成像技术利用种蛋温度变化的灰度均值,提取灰度变化曲线特征检测死胚蛋,可批量检测不同孵化阶段白壳白羽鸡种蛋活性。

关键词： 户外导盲   目标检测   轻量化   通道剪枝   YOLOv8n  

摘要： 针对户外导盲场景中道路目标检测存在的复杂背景干扰及关键语义信息需求,当前目标检测算法在道路目标检测中表现出较低的准确性以及容易出现漏检的问题,为此提出一种基于YOLOv8n的道路目标检测算法OD-YOLO。基于FasterNet和SPPF构建主干网络;使用FasterNet以增强特征提取能力,在SPPF模块中引入可分离大核注意力机制(large separable kernel attention,LSKA)以提高算法对道路目标整体的感知能力。提出一种新的C2f模块GAC2f,在减小模型计算量的同时提高其特征捕获能力,同时通过使用多样分支模块(diverse branch block,DBB)中结构重参数化思想优化GAC2f,在不损失模型性能的前提下,融合多种特征信息以显著提高模型精度,另一方面使用卷积门控线性单元(convolutional gated linear unit,Convolutional GLU)改进LarK中的大核卷积以优化GAC2f,使模型能够捕获更多上下文信息。提出一种轻量级非对称检测头PADH,在提高模型性能的同时减少参数量,并使用PIoUv2改进原有的损失函数,通过基于层自适应稀疏度的量级剪枝(layer-adaptive sparsity for the magnitude-based pruning,LAMP)操作进一步优化算法模型。实验结果表明,在公共人行道路目标数据集WOTR上,OD-YOLO与YOLOv8n相比,经过剪枝后模型参数量同为3×10^(6),但mAP@0.5、mAP@0.5:0.95分别提升3.4和4.1个百分点,证明算法OD-YOLO在面向户外导盲场景的道路目标检测中可以达到预期的效果。

关键词： 机器视觉   机械臂   目标检测   垃圾分类  

摘要： 为进一步提高城市生活垃圾分类回收效率并降低人力成本,基于机器视觉技术设计了一种面向垃圾分类与回收任务的巡检机器人。机器人由主控系统、视觉系统、机械臂、分类回收仓等主要部分组成,具备自动巡检及垃圾拾取、分类与卸载功能。视觉系统采用目标检测算法(You Only Look Once,YOLOv3)和轻量级卷积神经网络(Mobilenetv2)分别实现目标检测与垃圾分类。经实验验证,机器人具备较高的分类准确性与稳定性。

关键词： 高能同步辐射光源   高性能像素阵列探测器   在线数据获取   目标检测   数据压缩   DAQ系统  

摘要： 面向高能同步辐射光源(High Energy Photon Source,HEPS)的高性能像素阵列探测器(HEPS-BPIX4)的数据获取系统(Data Acquisition,DAQ)需满足高实时性要求。通过在线压缩图像数据,可有效降低后续传输与存储的压力。针对传统压缩算法在压缩率和实时性方面的不足,本文提出了一种基于深度学习目标检测的图像数据在线压缩方法。采用端到端的YOLO(You Only Look Once)目标检测算法,对深度学习模型进行高效训练,并验证了其在HEPS-BPIX4 DAQ数据流中实现在线数据压缩的可行性。实验结果表明,该方法的图像数据在线压缩平均压缩比达到5.88。同时,设计了高效的部署方案,并对性能进行了测试,单线程下的压缩处理速率可达GB∙s^(−1)量级。此外,进一步提出了适用于HEPS-BPIX4 DAQ框架的多线程部署方案,以满足更高的压缩性能需求,为缓解HEPS-BPIX4 DAQ系统高带宽图像数据处理压力提供了新思路。

关键词： 目标检测   定向船舶检测   合成孔径雷达   YOLOv11   特征融合  

摘要： 合成孔径雷达(SAR)图像船舶目标检测在民用和军事领域发挥着越来越重要的作用。然而,SAR图像中的船舶具有密集排列、任意方向和多尺度等特点。针对这些问题,文章提出了一种改进YOLOv11的SAR图像定向船舶检测方法YOLOv11-FM。首先,设计了一种快速混合聚合网络FMANet,增强网络的特征学习和提取能力。其次,提出了一种双向自适应特征融合网络BAFFN,通过跨层连接的方式实现更丰富的特征交互与融合。最后,采用小波特征增强模块WFU,改进颈部网络中上采样融合模块,增强船舶的细节信息。实验结果表明,YOLOv11-FM在RSDD-SAR船舶目标检测数据集上的P和AP50分别达到了94%和97.6%,具有良好的检测效果。

关键词： 语义通信   深度学习   对比学习   扩散模型   图像处理  

摘要： 无监督图像传输语义通信方法的目的是在接收端生成与原始图像尽可能相似的图像。然而,在低压缩比(Compression Ratios,CRs)或低信噪比(Signal-to-Noise Ratio,SNR)的条件下,重建图像的质量往往会显著下降。为了解决上述问题,本文提出了一种能够自监督提取并利用图像高层语义的语义通信模型。为有效地提取包含高、低层的混合语义特征,本文提出了一种基于动量对比(Momentum Contrast,MoCo)的自监督语义编码器。与纯高层语义特征相比,混合语义特征能够提高生成图像与原图的相似性;与纯低层语义特征相比,混合语义特征能够更好地表示图像的核心语义。本文设计了一种基于扩散模型(Diffusion Model)的语义解码器,旨在建立高层语义特征到图像像素的映射关系,将接收到的语义信息还原为图像像素。实验结果表明,在低CRs和低SNR条件下,与传统通信方法和四种无监督语义通信方法相比,本文所提出的模型在加性高斯白噪声(Additive White Gaussian Noise,AWGN)信道、瑞利(Rayleigh)信道和莱斯(Rician)信道下生成的图像在视觉特征方面与原数据集更接近,并在使用第三方图像分类器进行分类时具有更高的正确率。