关键词： 双目视觉   目标检测   立体匹配   立体深度估计   目标定位   深度学习   注意力机制  

摘要： 通过机器视觉算法对目标进行识别并定位其空间坐标是实现机械臂视觉抓取的关键。针对基于双目视觉的目标识别与定位中定位精度低、运行效率不高等问题，提出了面向机械臂抓取的BDS-YOLO(Binocular Detect and Stereo YOLO)双目视觉目标定位算法。它联合目标检测与立体深度估计算法，使用注意力机制进行跨视图特征信息交互，提高特征表达能力，使网络可以通过深度特征匹配获得高质量视差图，经过自注意力机制进一步提升后，由三角测量原理转换为深度信息。网络采用多任务学习，同时训练目标检测与立体深度估计网络，并使用合成与真实数据共同训练。针对真实数据不易标注密集深度问题，采用自监督学习技术，优化由视差重建图像的过程，提高网络对现实世界的泛化能力。实验结果表明：该网络对目标检测的精度相较于YOLOv8l在真实数据集上提升6.5个百分点，预测的视差和转换后的深度优于专门的立体深度估计算法，推理速度可达20 frame/s，并且对目标对象识别和定位均优于其他的方法，提出的网络能较好地完成目标实时检测与定位的需求。

关键词： 深度学习   小目标检测   注意力U型网络   中心差分卷积   对比学习  

摘要： 红外小目标检测(IRSTD)是目标检测领域中的研究热点和难点，受其像素小、对比度低和无纹理的特性，难以从小目标有限和扭曲的信息中学习正确的特征表示，因此IRSTD方法依然面临挑战。针对以上问题，提出多注意力对比学习的IRSTD方法。首先，采用U型网络(U-Net)为基本框架，在编码阶段提出一种融合频域注意力和空间注意力的上下文混合块(CMB)，产生初级注意力特征图；其次，在解码阶段设计了多核中心差分卷积(MKCDC)，用于提取小目标在不同尺度下都稳定表征的核心信息；最后，联合二元交叉熵损失和对比损失函数训练小目标检测网络，提高小目标特征表示能力，得到富于判别的小目标检测模型。所提方法在IRSTD-1k、NUAA-SIRST两个数据集上的检测率(Pd)分别达到96.63%和100.00%，与密集嵌套的注意力网络（DNANet）相比，分别提高了4.71%和1.90%。实验结果表明，所提方法有效提高了红外小目标检测性能。

关键词： 自动驾驶   目标检测   自适应骨干网络   特征金字塔   特征融合  

摘要： 针对自动驾驶汽车在多种复杂路况下采集的全天候场景数据集所带来得特征差异，以及传统单一骨干网络和检测方法无法同时兼顾大小目标检测效果问题，提出了一种融合自适应骨干网络（Adaptive dynamic backbone network，ADBN）和YOLO检测器的目标检测算法。该算法首先通过应用网格搜索法，确定适用于自适应全天候多场景的骨干网络的基础模块和超参数数值，从而构建出具备自适应能力的骨干网络结构。然后，在这一自适应骨干网络基础上引入金字塔结构，以有效提取多层次图像特征，并融合更丰富的高级语义信息，进一步增强网络的目标检测能力和鲁棒性。最后，提出改进的YOLO检测器，在多个特征图上进行图像识别，实现在复杂路况下多尺度目标的精准检测。实验结果表明，所提算法在KITTI数据集上有良好的性能，检测损失率仅为0.16比特，且检测速度达到了每秒17帧，突显了在实际场景中的准确性和高效性。

关键词： 图像处理   图像去雾   扩散模型   移位窗口   注意力机制  

摘要： 针对传统去雾网络存在的去雾后图像细节损失、去雾效果不理想等问题，本文提出一种基于扩散模型与移位窗口策略下的图像去雾方法。首先，使用压缩编码器将有雾图像和对应的无雾图像进行联合特征提取，再使用扩散模型（Diffusion Models， DMs）对特征进行优化。接着将优化后的特征与原始有雾图像一同作为输入，送入一个以U-Net(U-Network)结构为基础结构的去雾网络中，该网络将特征图通过移位窗口分区后，在每一个分区内使用通道注意力和空间注意力并行处理特征图像，能够更精确地捕捉图像中的信息相关性以及增强对重要特征的关注，经典的编码器-解码器结构能够有效地恢复图像的细节和边缘信息。实验结果表明，本文所提出的方法在多个公开数据集上PSNR提升0.47～2.62db。

关键词： 无人机航拍图像   小目标检测   空洞卷积   注意力机制   金字塔网络   多尺度特征融合  

摘要： 无人机航拍图像具有尺度差异大、背景干扰和目标模糊等特点,给小目标检测带来了诸多挑战.针对这些问题,提出了一种高效的无人机航拍小目标检测算法.首先利用空洞卷积增大感受野、保持细节分辨率的特点,设计了并行空洞卷积模块.其次设计了注意力上下采样分支模块,利用闸门机制对提取到的特征进行选择,强化特征表达.最后结合小目标检测头,设计了并行空洞卷积注意力金字塔网络,对多尺度特征进行特征融合.在VisDrone2023数据集和DOTA数据集上,所提算法在小目标检测的平均准确率均值均优于其他主流算法,相较于基线方法在平均准确率均值上提升了7.3%,参数量减少了0.58M, FPS提升了11.2达到43.5,验证了本文所提算法的高效性.在复杂场景ExDark数据集上,所提算法在平均准确率均值上优于其他低光增强模型和暗检测器,相较于PE-YOLO在平均准确率均值上提升了2.4%,验证了本文所提算法的鲁棒性和实用性.

关键词： 焊接空心球   自动对中   图像处理   运动分解   自动焊接系统  

摘要： 【目的】针对焊接空心球半自动焊接系统中人工调整焊缝中心平面与焊枪对准过程存在的误差大、精度不一致等问题，本研究提出并实现了一种焊接空心球自动对中结构及控制方法，为实现焊接空心球的全自动焊接奠定了基础。【方法】在原有半自动焊接系统中增设旋转运动机构及相应驱动控制系统，实现焊缝中心平面的精确旋转控制。；通过前端监看相机图像的霍夫圆检测、掩膜法、最小二乘拟合等处理，实现焊接空心球焊缝中心提取和位置粗调；通过线激光相机图像灰度化、高斯模糊、阈值截断等处理，去除图像干扰。消除干扰后进行图像裁剪、细化和卷积，精确定位焊缝中心坐标，从而实现精确调整。【结果】测试表明，该方法能在55s内自动将焊缝中心平面与焊枪调整至同一平面。相较于人工调整，焊缝最大偏差值的准确度提高68.1%；与机器学习图像识别算法相比，焊缝平均偏差值的准确度提高12%，在树莓派等边缘计算设备上调节时间领先275%。该方法显著提高了焊接空心球的生产效率，展现出明显的优势。

关键词： 海杂波   慢小目标检测   变分模态分解   分数阶傅里叶变换   能量熵   奇异值分解  

摘要： 在海杂波背景下，慢速小目标的检测一直是雷达信号处理中的难点之一。这类目标的时频域特征往往与海杂波的特征高度重叠，使得传统的检测方法难以有效区分目标和杂波。为了应对这一挑战，本文提出了一种基于多种模态分解重构的办法，通过变分模态分解与分数阶傅立叶变换对海杂波背景下的目标信号进行分解，并用能量熵和奇异值分解方法重构目标信号。实测数据验证了该方法在海杂波抑制方面的显著效果，表明其可以显著提升雷达在复杂海况中的小目标检测性能，为海杂波环境下的目标检测提供了新思路和技术手段。

关键词： 粮仓管理   储粮害虫   检测技术   深度学习  

摘要： 高效准确地检测粮仓管理中的储粮害虫是计算机视觉与图像处理领域的重要研究方向之一。随着深度学习和图像处理技术的迅速发展，储粮害虫检测在粮食仓储领域获得了新的解决方案。本文综述了传统与基于深度学习的目标检测技术的研究进展及其在储粮害虫检测中的应用，涵盖数据采集与预处理、模型选择与训练及应用实例，展示了研究者们在提高害虫检测模型的准确率和鲁棒性（环境适应性）上取得的显著进展，以期为进一步提高储粮害虫检测技术的准确性，提升粮仓管理智能化水平，保障粮食安全提供参考。

关键词： 图像处理   指纹分类   双分支结构   注意力机制   特征融合  

摘要： 针对现有指纹分类算法中存在的低质量指纹难以识别、特征信息提取不充分以及提取过程中信息丢失的问题，提出一种基于双分支注意力机制的指纹纹型分类算法。算法通过提取方向场和进行Gabor滤波的双分支网络进行特征融合，充分利用指纹图像的纹线特征和全局特征；提出组合激活函数和综合注意力机制模块充分提取卷积分支上的空间特征和通道特征信息，减少提取过程中的信息丢失；设计分支特征融合模块对双分支输出的特征图进行加权，充分融合特征信息；最后引入改进的交叉熵损失缓解样本分布不平衡的问题。实验结果表明，所提算法在自建纹型数据集的四类指纹分类中取得了99.08%的准确率，在准确率、F1分数和AUC指标方面均优于其他网络模型，验证了本文算法在纹型分类任务上的有效性和优越性。