关键词： 飞行安全   翼盒   三维重建   结构损伤   计算机视觉   人工检查   航空工业   高精度三维  

摘要： 本文以飞机翼盒结构损伤三维重建及数字化修复流程为研究对象,系统地研究并提出一套以先进成像技术及计算机视觉算法为核心的损伤检测及修复方法。利用高精度三维扫描与图像处理技术实现飞机翼盒构造损伤区准确的三维重建,在此基础上开展数字化修复技术以高效地修复损伤。研究在提升飞机结构安全性与可靠性的同时,也在修复效率与成本控制上表现出明显的优势。利用实验案例对本文提出的方法进行验证,试验结果表明该修复结构能满足和原始结构等效的性能标准。在航空工业飞速发展的今天,飞机安全性和可靠性问题已成为世界范围内的研究热点。飞机翼盒结构是飞机承载与升力生成过程中的一个重要组成部分,翼盒结构的完整性与安全性直接关系到飞行安全问题。但是飞机翼盒结构在其长期的服役过程中难免会受到各种各样的破坏,例如疲劳、裂纹和腐蚀,这些伤害如果不能及时被发现并进行维修,就有可能引发严重的安全事故。传统损伤检测与修复方法主要依靠人工检查,既效率低又很难确保检测全面性与修复精确性。所以研究出一种有效的方法来对损伤进行检测和修复具有重要意义。在计算机视觉与成像技术快速发展的背景下,三维重建技术给飞机翼盒结构损伤检测带来了一种全新的可能。

关键词： 图像处理   海洋光学图像   局部补偿模型   非下采样轮廓波变换   Retinex   图像增强  

摘要： 机载海洋耀斑光学图像亮度差异大,图像增强结果易出现对比度低、细节纹理丢失的问题,为解决该问题,提出基于局部补偿和非下采样轮廓波变换(NSCT)的海洋耀斑光学图像增强算法。首先采用均值滤波和最大类间方差方法将图像分割为高亮耀斑区和低照度海区:对高亮耀斑区采用对比度受限的自适应直方图均衡(CLAHE)算法均衡图像亮度;对低照度海区采用NSCT算法分解获得低频子带和高频子带。接着对低频子带采用多尺度Retinex算法校正照度不均匀性,对高频子带采用拉普拉斯增强算子提高纹理细节。对处理后的子带进行NSCT重构,采用CLAHE方法进一步提高低照度海区的对比度。最后利用改进的局部补偿模型调整低照度海区的亮度和对比度,获得最终增强图像。实验结果表明,与现有方法相比,所提方法的图像信息熵、平均梯度和对比度平均提升了1.35%、40.62%和77.15%,能有效提高图像亮度、对比度和海浪纹理细节。

关键词： 草莓病害   目标检测   YOLOv8   实时检测  

摘要： 本文介绍了一种基于改进YOLOv8的草莓病害检测与分割系统。该系统旨在解决传统人工监测方式在草莓病害检测中的局限性,通过深度学习技术提高检测的准确性和效率。系统采用YOLOv8n-FasterNet模型,该模型具有较小的尺寸和较快的处理速度,适合实时检测需求。模型通过引入FasterNet替代YOLOv8的主干网络,在保证精度的前提下显著提高了速度;此外,该系统还应用了Lion优化器来提升模型的训练效率和训练精度。实验结果表明,在Kaggle公开的草莓病害数据集上,该系统在草莓病害检测与分割方面取得了显著效果,模型的正确率可达0.969,mAP约为0.932,同时FPS高达133,满足实时检测需求。该系统可应用于智能农业、农业研究、农业保险、农产品质量控制和农业教育等领域,具有良好的应用前景和推广价值。

关键词： 主动毫米波图像   瓶颈型Transformer   小目标检测   多视角加权框融合  

摘要： 主动毫米波(active millimeter wave,AMMW)图像具有噪声多、易含伪影、小目标多等特点,一直是隐匿目标检测的挑战.为此,提出了一种基于BoT-YOLOX的毫米波图像目标检测方法.首先,在模型主干网络中引入瓶颈型Transformer(bottleneck Transformer,BoT),加强模型的特征提取能力;然后,调整多尺度目标检测层,并集成全局注意力机制来提高对小目标的检测能力;最后,提出一种多视角加权框融合的后处理方法,用于集成不同视角检测结果,以提高模型的鲁棒性.在自行采集的包括54000幅图像的AMMW数据集上,与基准模型(YOLOX)相比,该模型达到了93.22%的检出率和4.46%的误检率,AP提升了6.74个百分点;在公开AMMW数据集上,与主流方法相比,mAP提升了4.07个百分点.实验结果表明,所提方法对AMMW图像场景的目标,小目标检测准确度更加出色.

关键词： 茶叶病害检测   目标检测   通道注意力   空间注意力   特征融合  

摘要： 准确、快速检测茶叶病害对茶叶产业经济意义重大。然而,病害叶片尺度变化、相互遮挡、复杂背景等问题大大降低了检测精度。提出了一种融合通道和空间注意力的茶叶病害目标检测方法,以实现准确、高效的病害检测。首先,利用多层的自注意力机制提取茶叶病害的多尺度特征,以获取茶叶图像在不同尺度下的局部细节特征;其次,引入新的通道注意力模块以提取更丰富的通道信息,同时抑制复杂背景噪声并增强模型特征表示能力。此外,设计一种新的空间注意力模块进一步提取特征的空间关系、减少冗余信息并优化计算开销。实验结果表明,融合通道和空间注意力的茶叶病害检测方法能应对叶片的尺度变化、相互遮挡和背景复杂等挑战。

关键词： 多雷达   目标跟踪   信息融合   K秩法融合  

摘要： 针对多雷达协同目标跟踪的效能分析需求,首先对基于密度估计的主流融合算法建模,并结合高斯-均匀混合分布的熵误差理论分析其融合局限,然后基于序贯蒙特卡罗近似的伯努利滤波与K秩融合设计了多雷达协同跟踪方法,提出了误差减函数作为效能分析指标,用于定量分析多雷达目标跟踪的协同效能。仿真实验表明:当多雷达目标跟踪的过程噪声过大或过小时,融合跟踪性能无本质改善,表明该条件下增加雷达数量的效能低;仅当过程噪声适宜时,融合跟踪性能有明显提升,且提升幅度与雷达数量的增加呈正向递减关系,为权衡雷达节点数量开支提供了指导意义。

关键词： 图像处理   颜色恒常性   语义分割   多区域融合   光源估计   场景语义  

摘要： 针对现有颜色恒常性算法在复杂场景下的适用性差,光源估计精度不高的问题,提出一种多区域融合的全卷积颜色恒常算法.首先,利用金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)模型对目标图像进行场景语义分割;其次,将本文提出的基于全卷积网络架构的端到端光源估计模型(Full Convolutional Illuminant Estimation Network,FCIEN)用于各语义区域进行光源估计,各区域通过加权融合得到整体图像的光源估计值;最后,根据得到的光源估计值使用Von Kries模型对目标图像进行偏色校正.在Gehler-Shi、NUS-8camera等数据集中的实验结果表明,相较于同类型的算法,本文算法的光源估计角度误差值分别下降20.73%、15.22%.实验结果表明,本文算法针对复杂场景的光源估计有着较强的鲁棒性和准确性.

关键词： 视觉车距检测   预警系统   单目测距   计算机视觉  

摘要： 本研究旨在构建一种基于计算机视觉技术的视觉车距检测预警系统。该系统通过分析和处理前方车辆的图像,实时获取车辆间距和速度等关键信息,并向驾驶员提供预警提示,以确保行车安全。本文主要内容包括:构建基于YOLO算法的目标车辆检测模型;采用单目测距技术,结合相机成像原理和相似三角形原理,对车载相机进行标定,建立图像中车辆像素高度与实际距离的映射模型;利用光流法和车距检测模型对前方车辆进行跟踪,并计算车辆间的相对速度。通过目标检测网络得到的车辆定位框及其中心点作为特征点,对连续图像帧中的目标车辆进行跟踪,根据目标车辆的相对位移获得相对速度,并计算预警时间,给出预警信息。

关键词： 深度学习   目标检测   遥感图像   混合注意力机制   YOLOX  

摘要： 为了更好地通过遥感图像监测地面交通流量,应对日趋复杂的路况问题,提出了一种基于YOLOX的全新的一阶段目标检测网络AE-YOLO(Attention-Enhanced YOLO)。采用混合注意力加强的SCACSP特征增强模块,很大程度上抑制了背景信息,突出了目标的显著特征,用解耦头部代替耦合头,大大提高了网络的收敛速度和性能。对损失函数进行改进,使用CIoU Loss代替原来的IoU Loss,从而解决了树木遮挡等造成的车辆漏检问题。试验结果表明,与主流的目标检测网络相比,该方法在精度上有更好的表现。

关键词： 深度学习   目标检测   轻量化技术   骨干网络  

摘要： 传统基于深度学习的目标检测算法通常需要巨大的计算资源和长时间的训练,不能满足工业界的需求。轻量级目标检测网络通过牺牲一部分检测精度,换取更快的推理速度和更轻量的模型,适用于边缘计算设备中的应用,受到了广泛关注。本文介绍了常用于压缩和加速模型轻量化技术,归类分析了轻量化骨干网络结构原理,并在YOLOv5s上进行实际效果对比。最后对轻量化目标检测算法的未来前景以及面临的挑战进行了展望。