关键词： 无人机   目标检测   小目标检测   注意力机制   轻量化  

摘要： 针对无人机航拍图像背景复杂、小目标密集、尺度变化大等问题，提出了一种基于改进YOLOv5s的目标检测算法。首先，采用ShuffleNetV2重构骨干网络，在降低计算复杂度的同时提升检测速度，实现模型轻量化；然后，引入ASPP模块增强多尺度特征提取能力，减少小目标特征丢失，提高检测精度，并在ShuffleNetV2和YOLOv5s特征融合网络中引入CA注意力机制，强化关键特征的提取与表达；最后，将SIoU损失函数替代原CIoU，以更好地适应多尺度目标，提高边界框回归精度。在VisDrone2019数据集上进行的实验，结果表明：改进模型的mAP0.5和mAP0.5:0.95分别达到38.9%和21.5%，较原模型提升5.0%和3.1%，参数量减少至54%，证明该算法在保证模型轻量化的前提下，有效提升了复杂场景下的目标检测性能，具有较高的应用价值。

关键词： 图像处理   图像篡改检测   多模态融合   边界监督   多尺度特征交互  

摘要： 针对现有图像篡改检测方法因依赖单一且融合机制简单的辅助模态，导致其对后处理操作鲁棒性不足，且边界监督策略难以有效感知复杂场景下隐式篡改边界的问题，本研究提出一种多模态融合与边界感知的篡改图像检测网络（Multi-Modal Fusion and Boundary-Aware Network， MMBAN），用于提升篡改区域检测的准确性与模型在复杂场景下的适应能力。首先，设计了多模态融合模块，将RGB图像与噪声指纹（NoisePrint++）、空域富模型（Spatial Rich Model， SRM）和离散余弦变换（Discrete Cosine Transform， DCT）三种模态特征进行联合建模，以丰富伪造线索的表征。其次，在编码器阶段设计了跨域融合模块，结合大核卷积注意力与交叉注意机制，加强RGB模态和混合模态间的互补信息交互；最后还提出了边界感知模块，融合多尺度信息与空间注意机制，提升模型对篡改边缘区域的感知能力。为验证所提模型的优越性，在领域内多个公开篡改图像数据集进行了实验。实验结果表明，定位任务中，其固定阈值下的平均F1分数达到0.651，高于次优模型的0.624；在检测任务中模型的bAcc指标在五个数据集中也均为最优或次优，平均得分为0.760，优于现有主流模型。

关键词： 目标检测   蝴蝶检测   深度学习   检测变换器(DETR)模型   交叉注意力机制  

摘要： 检测变换器（DEtection TRansformer,DETR）是计算机视觉和多模态学习等领域的研究热点，但其解码器学习偏差存在层间传递，且不同层交叉注意力计算使用相同参考点、编码器输出特征语义模糊，严重影响模型性能.本文针对DETR的上述缺陷，以Conditional DETR为基线模型，将交叉注意力机制解耦为权重和值向量两部分，提出层间自适应注意力权重更新（Inter-layer Adaptive Attention Weight Refinement,IAAWR）方法，动态调节解码器不同层的交叉注意力权重，削弱学习偏差层间传递；提出值向量自适应增强（Adaptive Feature Enhancement,AFE）方法，采用分治思想改善编码器各层对目标局部区域的特征提取能力，显著增强输出特征的语义性；提出无参数迭代矫正预测框参考点（Iterative Reference Point Refinement,IRPR）方法，实现预测框参考点动态更新，增强回归预测的灵活性和精细度.融合以上三个创新点改进基线模型Conditional DETR，得到自适应的可解释目标检测变换器（Adaptive and Interpretable DETR,AI-DETR）.新模型AI-DETR仅增加了11个可学习参数，其平均精度（Average Precision,AP）指标在公开数据集MS-COCO(MicroSoft Common Objects in COntext)上比基线模型Conditional DETR提升1.8个百分点，在更具挑战性的野外环境下蝴蝶数据集Butterfly＿2018和Butterfly＿2023上分别提升1.3个百分点和0.8个百分点.通过定性、定量分析及结果可视化，详细阐述和论证了AI-DETR模型各创新点的具体贡献.

关键词： 花生   目标检测   样本计数   YOLOv8n   注意力机制  

摘要： 【目的】花生Arachis hypogaea L.样本准确计数是考种过程中百粒质量和千粒质量测定的关键环节。针对实际测定中花生样本相互重叠易造成漏检等问题，基于改进YOLOv8n模型开展花生荚果与果仁图像识别与目标统计研究。【方法】在原模型YOLOv8n主干网络中引入MLCA（Mixed local channel attention）注意力机制，减少背景噪声干扰，增强对重叠样本的检测能力，从而降低漏检率；在C2f模块中加入SCConv（Spatial and channel reconstruction convolution）模块，提高模型对重叠区域中不同花生边界特征的学习，突出单个花生荚果和果仁的真实边界；将检测头替换为LSCD（Lightweight shared convolutional detection），减少模型参数量，增强特征图之间的全局信息融合能力，优化特征图的提取与融合方式，提高模型检测速度。【结果】改进的MSL-YOLOv8n模型包含3 383 663个参数，对花生荚果与果仁计数的平均精度均值分别为90.9%、91.7%，精确率为98.1%、99.8%，召回率为97.2%、99.7%，每秒帧数为245.8。与原模型相比，对花生荚果与果仁的平均精度提高了1.7和1.1个百分点，性能显著优于SSD、YOLOv10n等模型。【结论】改进模型精确率高，实时处理速度快，具有较好的鲁棒性，可为花生考种过程中精准计数提供技术支撑。

关键词： 个体身份识别   计算机视觉   特征学习   大黄鱼  

摘要： 【背景】个体识别对鱼类养殖的饲料营养和遗传育种等工作至关重要，被动集成应答器（PIT）是当前实现鱼类个体标记的主流方法，然而该技术存在一些亟待解决的缺陷。【目的】针对PIT标记技术存在的侵入性损失、高耗材成本和低效率的问题，本研究致力于开发适用于无显著表型特征（如皮肤斑点或条纹）鱼类的通用视觉识别技术。以中国东海重要经济物种大黄鱼（Larimichthys crocea）为验证载体，系统评估该技术在跨时间尺度的个体识别能力。【方法】使用带有残差结构的ResNet 50网络结构作为主干，建立鱼类个体识别系统，识别系统可以学习不同个体图像之间的差异特征并构建识别特征库。【结果】本研究构建了图像采集流程，针对饲养于福建省白基湾海区且处于遗传选育期的同一批大黄鱼个体，采集了2次共7 960张双侧面和1 410张背腹面图像，填补了目前大黄鱼个体图像数据库的空白。使用产卵前8周的2 061尾鱼的个体图像训练特征学习模型，并在产卵前1周（7周后）进行识别。测试结果显示所提出的方法在两侧图像上的短期识别准确率为95.20%，中长期（不同测试组）的识别准确率为（82.90±1.98）%。仅使用单侧图像进行中长期识别时，侧面1和侧面2的识别准确率分别为（77.70±3.23）%、（74.50±1.41）%，较双侧图像降低了3.00%～8.50%，结果表明在实际应用时应尽可能采集和利用两侧图片信息。此外，使用背腹面图像训练模型时，验证集上的准确率最高仅为10.78%，证实了双侧位影像在生物特征提取及个体辨识方面具有显著优势。【结论】本研究开发的个体识别技术具有一定的时间稳定性，不受体型变化影响。此技术将为大黄鱼遗传育种与饲料营养研究提供基础支撑，同时也为其他鱼类个体识别工作提供了新的思路和方法。

关键词： 复杂作业场景   机器视觉   目标检测   YOLO   视觉动态感知  

摘要： 针对煤矿井下复杂作业场景中高粉尘、低照度、人机多目标混杂与跨尺度变化等因素导致作业人员与装备的目标检测效果不佳问题,提出一种基于机器视觉的煤矿多场景关键目标检测方法。首先,采用CGNet (context guided network)特征提取模块、SlimNeck特征融合模块与Dyhead动态检测头对YOLOv5s算法进行优化,以构建YOLOv5s-CSD网络模型。其次,基于自建煤矿数据集,围绕YOLOv5s-CSD模型开展消融实验、对比实验与嵌入式检测实验。实验结果表明,在煤矿井下掘进、支锚、采煤与辅助运输4种复杂作业场景中,YOLOv5s-CSD的检测精度达91.0%,相较于YOLOv5s算法提升了3.5%,并且其与YOLOv9s、YOLOv11s、YOLOv12s等6种主流目标检测算法相比,模型复杂度适中且检测精度最高。在实验测试平台上,YOLOv5s-CSD模型对工作人员、支护装置、电机车等7类关键目标的实时检测精度均在90.0%以上,并且其实时检测速度达38.6 fps,检测精度高且实时性强,可为煤矿井下复杂环境的视觉动态感知提供技术支撑。

关键词： 全景X光片   目标检测   注意力机制   RT-DETR  

摘要： 针对全景X光片中牙齿疾病或修复体类型及位置识别不准确的问题，本文提出了一种基于全景X光片牙齿结构检测与定位的改进RT-DETR网络.首先，通过引入残差多核Inception模块，有效提升了特征提取能力，强化了对不同尺度特征的捕获和信息流动.接着，针对不同区域间信息关联困难的问题，添加了多维跨空间学习注意力模块，实现了对输入特征图的自适应加权与增强.最后，引入多尺度特征增强模块，进一步增强了物体的特征表示能力.本文在2368张私有数据集上进行实验.实验结果表明模型的准确率和召回率分别为92.7%和87.5%;平均精密度均值(mAP0.5和mAP)分别为92.6%和66.4%，该模型在辅助牙科医生进行智能诊断方面表现出潜力与优势.

关键词： YOLOv8s   智能电能表   热缺陷检测   轻量化  

摘要： 针对智能电能表及其接线盒热缺陷红外检测中存在的小目标漏检率高、复杂背景干扰严重及现有模型精度与效率难以兼顾等问题,提出一种基于改进YOLOv8s架构的轻量化智能电能表目标检测算法YOLO-MCSL,旨在满足电力现场巡检对实时检测的迫切需求。首先,将MobileNetV4轻量化网络作为骨干网,显著降低模型参数量与计算开销;其次,引入RT-DETR模型中的CCFF跨尺度特征融合模块,增强对多尺度微小热缺陷的感知能力;随后,设计轻量化C2f＿Star模块替代原C2f结构,进一步压缩模型并提升特征提取效率;同时,构建LSCD轻量化共享卷积检测头,通过参数共享机制减少冗余计算;此外,结合FocalerSIo U损失函数优化边界框回归过程,提升难易样本区分度;最后,应用层自适应幅值剪枝算法对模型进行结构化剪枝,实现性能与轻量化的平衡。基于自建的智能电能表热缺陷红外图像数据集开展实验,结果表明,在3类关键部件:接线盒、电池模块与显示屏的检测中,YOLO-MCSL的检测精度分别达到91.6%、99.2%和99.5%,整体m AP@0.5为97.9%。相比YOLOv8s基准模型,参数量为1.749 M,减少了84.3%,计算量为5.7 GFLOPs,降低了80.2%,模型内存占用为3.8 MB,减少了82.3%。该方法为智能电能表缺陷检测提供了高精度、轻量化、可嵌入部署的解决方案,具备良好的工程应用前景。

关键词： 图像处理   空间仿生扑翼机构   机构优化仿真   多体运动学模型   余弦相似度  

摘要： 基于对海鸥飞行照片的图像处理通过测量得到海鸥正常飞行时翅膀的运动参数。依据鸟类尺度效应经验公式和海鸥的骨骼尺寸的相关文献，提出了一种新型空间仿生扑翼机构。以最大扑动角为目标函数，极位夹角及最小传动角的取值范围为约束条件建立优化模型。基于序列二次规划（SQP）算法对模型进行优化求解得到驱动机构的杆长参数，并通过ADAMS对驱动机构进行运动仿真，通过对比仿真结果中的极位夹角、扑动角、最小传动角的数值，验证了优化结果的准确性。建立空间扑翼机构多刚体运动动力学模型，经余弦相似度计算基于MATLAB机构运动仿真的结果与测量的海鸥飞行时翅膀的运动参数基本一致。

关键词： 扰动策略   3D物体检测   F-PointNet   多模态数据融合   鲁棒性  

摘要： 本研究旨在研究扰动策略在多模态3D检测中是否显著影响性能的问题，并通过实验验证不同扰动类型对模型泛化能力的差异作用机制。基于F-PointNet模型，构建了一个融合RGB图像与Li DAR点云的三维检测框架，依次完成视锥生成、3D实例分割与三维边界框回归。在训练阶段，分别采用随机扰动与指定扰动对2D检测框进行数据增强，并在KITTI数据集上进行评估。实验结果显示，随机扰动在中高难度的汽车和行人检测中整体优于指定扰动，如中等难度下汽车检测的3D AP达69.09%，相比指定扰动提高近10个百分点；但在简单场景的骑行者检测中指定扰动略占优势。研究表明，扰动策略对检测性能有显著影响，合理设计可提升模型在复杂环境中的泛化能力。