关键词： 高速公路   短时交通流   智能交通   图像处理   决策树  

摘要： 文章通过对观测点的实时监测数据进行处理,综合考虑交通流量、车速、密度等关键参数,从交通流数据的分析入手,研究了应急车道紧急启用策略。首先借助YOLOv10算法和Sobel边缘增强技术提取出高精度视频数据,结合决策树、自回归积分滑动平均模型(ARIMA)以及多项式曲线拟合(PCF)三种模型,对交通流量、车速和密度进行预测,建立了交通流拥堵预警模型;然后基于交通状态的分级系统设计了应急车道启用决策规划。从数据处理到决策制定,形成了一个系统化的解决方案,旨在为交通管理提供全面的科学依据。

关键词： 深度学习   计算机视觉   目标检测   YOLOv7   安检   危险物品检测   小目标检测   自注意力机制  

摘要： 针对安检小目标物体检测精度偏低的问题,文中提出一种基于改进YOLOv7(You Only Look Once version7)的安检小目标检测模型XS-YOLO(Xray-Spection-YOLO)。使用基于自注意全局感受的特征提取骨干网络SwinT(Swin Transformer Backbone)构建全局注意力,从而获取特征信息。提出基于多尺度分层特征融合的四维检测结构FHD(Four Head Detection),通过引入第4个检测头来提高模型对小目标的识别能力。提出基于分类与定位任务解耦的分支检测策略DCSP(Decoupled Cross Stage Partial),使特征融合后的输出分支各自进行特征图处理。实验结果表明,相较于YOLOv7,XS-YOLO在HiXray数据集上的mAP(mean Average Precision)提升了2.8百分点,在OPIXray数据集上的mAP提升了5.8百分点。

关键词： 目标跟踪   接收信号强度   无线传感网络   事件触发   无迹卡尔曼融合滤波  

摘要： 针对资源受限移动无线传感网络下的目标跟踪问题,考虑到运动建模和接收信号强度(RSS)量化的不确定性,提出一种基于RSS环境自适应事件驱动的鲁棒无迹卡尔曼融合滤波方法.首先,设计环境自适应事件驱动机制,使移动目标能适应周围锚点分布动态调度接近期望数量的锚点,同时动态触发锚点数据传输,以降低无线传感网络节点的计算、电能和通信负担;然后,引入随机均匀分布的噪声协方差刻画运动建模和RSS量化的不确定性,并结合多重Sigma点均匀随机采样加权平均,构建鲁棒平方根无迹卡尔曼融合滤波算法,以减少不确定性对目标跟踪性能的不利影响;最后,通过数值仿真结果表明,所提方法在保证触发接近期望数量锚点的同时能够有效提升目标跟踪的稳定性、鲁棒性和精确性.

关键词： YOLOv8   水下目标检测   GSConv   轻量化   HGNetV2   AKConv  

摘要： 为解决现有的水下生物目标检测模型参数过多,难以部署到资源有限的移动端的问题,提出了一种基于GS-YOLOv8的轻量化水下生物目标检测模型;该模型基于YOLOv8s模型进行改进,设计一种轻量化的RepHGNetV2网络作为YOLOv8s的主干网络,以降低模型的计算复杂度和参数量;使用轻量化卷积GSConv替换颈部网络中所有的标准卷积,进一步减少模型参数,提高检测性能;引入设计的C2fAK模块,使模型能够更好地适应不同形状和大小的水下生物目标,从而提高检测精度;实验结果显示,在URPC2020数据集上,与原模型YOLOv8s相比,改进后的GS-YOLOv8网络模型的参数量降低了37.7%,计算量降低了27.8%,mAP@0.5提高了0.9%;此外,与目前较为先进的YOLOv10模型相比,改进后的GS-YOLOv8模型在检测精度和轻量化方面更有优势。

关键词： 机器人视觉   目标识别   目标跟踪   机电系统  

摘要： 深入剖析了机器人视觉识别与跟踪算法在机电系统中的应用实践。首先详细阐释了视觉识别与跟踪算法的基本原理,涵盖图像采集、预处理流程、特征提取方法,以及目标识别与跟踪的算法机制。同时,还对视觉系统的硬件架构及其在机电系统中的融合应用展开了深度分析。通过具体案例剖析,呈现了这些算法在提高制造效率和降低运营成本方面的突出贡献。

关键词： 安全工程   深度学习   目标检测   火灾预警   智能监控  

摘要： 为提升火灾隐患的智能监控能力,本文构建了基于YOLOv10的多目标识别系统。通过建立包含水瓶、烟头、电瓶车等7类隐患目标的图像数据集,结合数据增强与规则引擎技术,实现隐患实时检测与语义级预警。在阿里云GPU环境下的测试表明,系统mAP50达0.808,mAP50-95为0.639,推理速度7.63 FPS,部分类别检测精度超过0.98。实验结果验证了系统在多类火灾隐患识别中的有效性与实时性。

关键词： 目标检测   YOLOv8   Swin Transformer   C2f模块  

摘要： 在一些复杂道路场景中,车辆行人等不同目标在图片中的大小具有多样性,且小目标占比较多,容易出现误检、漏检等问题导致检测效果不佳。为此,提出了一种基于改进YOLOv8s的目标检测算法。在骨干网络部分,使用轻量化的RepNCSPELAN4模块进行特征提取,使模型更关注图像中车辆行人的特征,同时引入CA坐标注意力机制来提升网络的特征感知能力;在颈部网络部分,将Swin Transformer融入C2f模块中,从而获取更多关于目标物体的特征信息,增强网络的全局建模能力;在检测头输出部分,增加P2小目标检测层,提高模型对小目标的检测能力。在自制KIT-P数据集上的实验结果表明,所提YOLOv8-RCSP算法在模型体积和检测速度几乎不变的情况下,检测精度达到了93.2%,比原YOLOv8s提高了2.2%。

关键词： 大数据平台   实时车牌   图像处理   传输优化  

摘要： 针对智能交通系统中实时车牌识别的技术瓶颈,提出实时车牌图像处理及传输优化方案。以广东省某城市交通管理为案例,通过实时车牌图像处理系统构建、轻量化模型设计、分布式资源调度等处理措施,以及图像压缩与编码、传输协议优化、边缘-云端协同等传输措施,显著提升了实时识别准确率,降低了车牌数据传输延迟。

关键词： 计算机辅助设计   三维重建   计算机视觉   计算机图形   图像处理  

摘要： 为了生成更高质量的三维模型,文中将三维高斯泼溅方法(3D Gaussian Splatting,3DGS)融合进机械物件的三维重建管线中,利用3DGS高效、高精度并支持新视角渲染的特点改善机械设计、制造的质量和效率。运用拉普拉斯模糊检测筛选数据并对数据进行分割、掩模,使用3DGS根据SFM所生成的点云及图像内外参,高精度、高质量地重建出目标物件的三维点云。通过搭建基于三维高斯泼溅的三维重建管线,文中探究其在重建机械物件的数字模型上的表现,探讨其应用前景。

关键词： 除草机器人   视觉导航   图像处理   位姿关系   滑窗算法   坐标转换  

摘要： 除草机器人在进行田间除草作业时,需要获得准确的导航信息以防止在除草过程中损伤水稻幼苗。传统的图像处理方法或卫星定位系统在水田环境下并不能直接得到车身与水稻行的相对位置。为此,提出了一种基于水稻行线与车轮航向位姿关系的视觉导航方法。通过优化滑窗算法提取图像中车轮和水稻行的特征点,将得到的车轮航向点和水稻行线点通过坐标转换公式,由像素坐标转化为世界坐标,得到车轮在水稻行之间行进的位置信息,进而得到导航信息。算法部署在Nvidia Jetson TX2平台上,处理每帧图像得到导航信息的时间可稳定在0.25 s内。导航信息提取实验结果表明,横向偏差提取平均误差为20.3 mm,航向角偏差提取平均误差为1.76°,可以满足除草机器人作业行进间导航的实时性与行线跟踪准确性的要求。