关键词： 目标检测   特征信息   分类回归   果实识别   目标遮挡   每秒传输帧数   平均检测精度均值  

摘要： 针对当前果实识别中检测速度慢和遮挡目标识别准确率低的问题,提出一种YOLO-Z果实识别算法。使用YOLOv7-Tiny作为基础模型,采用轻量级的T-Net作为新的特征提取网络,减少网络层数,解决参数量过大及模型计算速度过慢的问题;使用AFPN特征融合结构缩减非相邻层之间较大的语义差距,增强特征信息的提取,提升模型的精度;引入损失函数Repulsion Loss,用于计算遮挡损失,解决目标遮挡问题,提高果实识别检测效果。实验结果表明,改进后的模型参数量达4.3 M,FPS为每秒200帧,mAP达到93.40%,较YOLOv7-Tiny提升0.9个百分点,参数量下降1.7 M,验证了该模型的有效性。

关键词： 智能家居   物联网   emWin界面设计   计算机视觉   语音控制   智能门禁  

摘要： 该研究聚焦于构建一个前沿的物联网智能家居平台,旨在深度契合现代家庭对于居住安全及生活品质智能化的迫切需求。该系统以STM32H7与STM32F4高性能微控制器为核心引擎,集成温湿度、光敏、烟雾、雨滴及红外检测等多类型传感器,实现对家居环境的全面感知。系统深度融合智能语音、人脸识别、emWin界面设计、蓝牙APP控制等尖端科技。注重能源管理,智能节能模式降低运行成本。界面友好,操作便捷,保障用户数据与家庭安全,引领智能家居新体验。

关键词： 马铃薯   目标检测   晚疫病   YOLO   深度学习  

摘要： 随着马铃薯种植规模的扩大,农作物病虫害对产量的威胁日益严重,传统检测方法效率低且依赖人工判断。为了提高病害检测的有效性和准确性,采集PlantVillage数据集中的1000片马铃薯晚疫病和1000片健康叶片图像数据作为研究对象,通过LabelImg进行数据标注,采用YOLOv8n深度学习模型进行病害检测。检测评价指标精确率、召回率、F1score和平均精度均值分别为99.67%、97.14%、98.39%和98.69%。实验表明,YOLOv8n在马铃薯晚疫病检测中具有良好的应用前景,提高了检测的准确性,对农田管理和病害预警具有工程实践意义。

关键词： 激光–MIG复合焊接   镁合金   熔滴过渡行为   图像处理   送丝速度  

摘要： 针对镁合金激光–MIG复合焊接稳定性提升需求,开展了复合激光焊接过程熔滴过渡行为实时监测试验,对比分析了激光–MIG复合焊接与传统MIG焊接过程的熔滴过渡行为,并研究了送丝速度对熔滴形态与过渡频率的影响。研究结果表明,激光热源的加入可以有效提升电弧焊接熔滴过渡稳定性,当电弧功率达到2400 W左右时,镁合金激光–MIG复合焊接过程中熔滴呈滴状过渡。送丝速度的改变对熔滴过渡形式无显著影响,但送丝速度的增大有助于压缩电弧,提升熔滴过渡的稳定性;此外,送丝速度过大极易导致熔滴尺寸过大、熔滴过渡频率降低。

关键词： 模型   计算机视觉   目标检测   体质量估测   注意力机制   跨模态层级特征融合   双流网络  

摘要： 为解决群养场景下肉牛个体质量称量复杂、精度低的问题,该研究提出了基于注意力机制和跨模态层级特征融合模型CMHFF-ResNet(cross-modal hierarchical feature fusion resnet)。首先,无接触式地采集俯视视角下日常活动的肉牛的RGB(red-green-blue)图像与深度图像,使用引入定向边界框OBB(oriented bounding box)的YOLOv8网络对肉牛进行旋转目标检测和识别,精准定位群养场景中的个体目标;其次,以ResNet50为骨干网络构建双流估重模型,分别提取RGB和深度模态特征,并引入CBAM(convolutional block attention module)注意力机制以增强关键特征表达能力。设计跨模态的层级特征融合,有效结合RGB流和深度流的特征并充分利用浅层特征;第三,引入肉牛的身份信息便于网络学习肉牛身份与其体质量之间的对应关系,为优化模型效率,将全连接层替换为KAN(kolmogorov-arnold networks),显著减少参数量;最后,将双流的输出结果融合,回归肉牛体质量值。在试验中,构建了包含2546对RGB-D图像的数据集,包括2373对训练数据和173对验证数据。结果表明,CMHFF-ResNet在验证集上的平均绝对误差为14.19 kg。与基于RGB和深度的单流模型相比,双流模型在平均绝对误差上分别降低16.943%和26.133%。同时,该方法优于其他现有肉牛体质量估测方法:与多元线性回归、改进MobileNetv2模型、改进DenseNet201模型和改进跨模态特征融合模型CFF-ResNet相比,在平均绝对误差上分别减少57.233%、34.699%、24.761%和20.991%,提升了群养环境下肉牛个体质量估测的精度与泛化性,能够有效地学习跨模态的层级特征表示。该研究为大规模群养环境中肉牛个体质量的高精度估测提供了参考。

关键词： 改进YOLOv8   混凝土缺陷检测   动态可变形卷积   目标检测   深度学习  

摘要： 混凝土缺陷检测对于保障建筑结构的安全性和耐久性至关重要。传统方法如超声波检测和射线扫描存在效率低、成本高或对小尺度缺陷敏感度不足等问题。近年来,基于深度学习的目标检测算法(如YOLO系列)在该领域展现出巨大潜力。文章针对YOLOv8在混凝土缺陷检测中的应用进行了改进,提出了SPPE_DCNv4主干网络、BiFormer注意力机制以及FASFF_Head检测头的协同优化方案。实验结果表明,改进后的模型在精确率、召回率及mAP等关键指标上显著优于原始YOLOv8及其他版本,特别是在处理微小不规则缺陷时表现出色。该研究为混凝土缺陷的智能化检测提供了高效解决方案,并为未来在更复杂场景中的应用奠定了基础。

关键词： 飞行器   多视图几何   计算机视觉   飞行走廊   正交投影   冲突检测  

摘要： 飞行器的航路冲突检测是避免因航路冲突导致飞行器碰撞的有效手段和关键能力。将三维碰撞检测用于飞行冲突判断,提出一种基于多视图几何的飞行器飞行走廊冲突检测方法。通过广播自动相关监视(Automatic Dependent Surveillance-Broadcast, ADS-B)系统获取航路信息,设计构建飞行器飞行走廊模型;基于可能发生冲突区域的局部态势三视图中图形几何关系进行飞行冲突检测。仿真验证结果表明:新方法可以直观、准确地判断飞行器飞行走廊冲突情况,相较于传统的网格化离散采样法在解算冲突情况下效率提升66.35%,在解算不冲突情况下效率提升98.17%,整体效率提升84.38%。

关键词： 人工智能   视频修复   深度学习   图像处理  

摘要： 以人工智能技术在视频修复领域的应用为研究重点,首先概述人工智能技术的基础内容,其次阐述传统视频修复方法,再次详细分析基于人工智能的视频修复算法,最后结合具体案例深入探讨人工智能技术在视频修复领域的应用,助力广播电视行业的创新发展。

关键词： 止血钳   裙边冲裁   图像处理   视觉定位   机器人上料  

摘要： 针对止血钳裙边冲裁工作效率低、劳动强度大、危险系数高等问题,提出了一种基于视觉定位的止血钳裙边冲裁机器人上料方法。搭建了机器视觉试验台,通过纠偏基准图像逆向采集策略完成图像采集,对图像进行预处理并运用亚像素方法提高边缘精度;通过模板匹配的方法获取止血钳抓取件位与基准位的位置偏差,并进行位置纠偏,最后由机器人将止血钳送至冲床凹模完成上料。试验结果表明,机器人自动上料的定位成功率可达96%以上,可满足止血钳裙边冲裁机器人自动上料的需求,平均日冲压量可达15000件,显著提高了冲压效率。研究内容可为冲床自动上料提供技术支持。

关键词： 风格迁移   生成对抗网络   目标检测   机场检测   边缘增强  

摘要： 在基于图像的目标检测中,机场是一类非常重要的目标,对其进行自动识别具有重要意义。针对一般检测算法难以使用复杂的近地航拍图像中边缘信息的问题,提出一种融合风格迁移增强边缘特征提取的目标检测算法。使用生成对抗网络抑制图像噪声,使用边缘检测算法突出图像边缘特征,将突出边缘信息的图像经由目标检测算法完成机场位置检测。在机场目标检测数据集实验中,结合所提出的边缘特征提取方法的目标检测算法相比原始目标检测算法有精度上的提升,其中结合该特征提取方法的YOLOv5算法的平均精度达到97.7%,验证了该特征提取方法对机场目标检测具有很好的效果。