关键词： PCA技术   变电站   无人机巡检   图像目标检测  

摘要： 受变电站数量与规模持续扩大的影响,传统巡检方法中的红外图像采集过程中会受到光照变化、噪声或者其他干扰因素的影响,导致检测效果存在不同程度的识别偏差,造成整体检测效率与安全性明显下降。为提高巡检效率和准确性,基于PCA技术,提出变电站多旋翼无人机巡检红外图像目标检测方法。在确定的变电站多旋翼无人机巡检覆盖范围内采集巡检红外图像,并将采集图像的像素信息转换为像素矩阵,并计算目标巡检图像特征中脉冲幅值和波形包络面积UI信号功率,结合像素筛选法获取精确的目标边缘。在此基础上,通过调整PCA参量,实现变电站多旋翼无人机巡检红外图像目标检测。实验结果表明,所提方法的识别率最高为98.5%,准确率最高为96%。说明所提方法能够满足设计预期效果,有效提高目标检测精度,提升检测效率与安全性,整体可靠性良好,具有较高的推广价值。

关键词： 桥梁检测   裂缝识别   图像处理   连通域   最大内切圆  

摘要： 针对桥梁裂缝识别算法精度不高、应用效果不佳的问题,该文以桥梁表观高精度图像为研究对象,提出一种基于图像连通域特征与最大内切圆计算原理的裂缝识别算法(CIACM)。首先,采用灰度化、匀光滤波和边缘检测等传统图像处理算法将裂缝边缘特征显现;随后,基于连通域特征与最大内切圆计算原理进行裂缝识别,并筛选裂缝最大宽度处。试验结果表明:该算法计算绝对误差不超过0.02 mm,相对误差平均值为2.47%,标准差为1.52%;对于宽度<0.2 mm的细微裂缝,相对误差平均值为4.71%,标准差为1.54%,满足桥梁检测精度要求。研究表明:CIACM算法可有效提升裂缝识别精度,尤其适用于细微裂缝检测,为桥梁表观损伤自动化评估提供了可靠的技术支持。

关键词： 目标检测   注意力机制   YOLOv5   红外跟踪  

摘要： 针对传统目标检测框架对红外弱小目标检测能力不足、召回率低、模型参数量大的问题,提出了一种新的多重注意力机制的轻量级红外弱小目标检测算法——FCDN。首先,提出了轻量级网络结构,减少目标信息在信息流传递过程中的丢失;其次,在上采样过程中采用轻量化的上采样算子来获取更大的感受野,提升召回率;再次,采用带有多重注意力机制的检测头从不同层次来更多关注小目标信息用于目标的回归和识别;最后,采用一种新的损失函数,使用最大相似包围框度量来表征真实框和预测框的相似度。实验结果表明,在复杂背景下的红外弱小目标检测数据集上,相比于基准模型YOLOv5(You Only Look Once version 5),精确率达到99.4%,召回率提高了5%,达到94.7%,mAP50提高了4.3%,达到97.8%,参数量相比原基础模型下降约42%,模型大小被压缩至8.66 Mb。检测结果表明该算法可以满足未来对于红外弱小目标的检测需求,对于红外跟踪、预警侦察、导弹制导等实际应用具有重要价值和参考意义。

关键词： 目标检测   表情识别   学生行为检测  

摘要： 学生在课堂中的行为和面部表情是衡量学生学习参与程度的重要指标。针对该场景下学生行为和表情识别中存在的遮挡、样本不均、图像模糊等问题,构建了课堂教学行为和表情数据集,并提出了一种多尺度注意力和人脸盲复原的课堂教学中学生行为和情感识别模型。在学生行为识别模型中,通过添加多尺度遮挡注意力(MultiSEAM)捕获上下文信息和增强与遮挡相关的特征来增强对遮挡学生的识别,使用SlideLoss函数动态为难例样本加权处理样本不平衡问题。在表情识别模型中,使用GFPGAN高分辨率重建和图像增强复原面部特征并增加数据多样性,提高面部表情识别的效果。实验结果表明,与基线模型相比,改进后的YOLO在自建学生行为数据集上的mAP值提升了3.6%。恢复面部细节特征及数据增强后,学生面部表情识别准确率达到82.3%,能够满足实际应用需求。

关键词： 桥梁裂缝检测   图像增强   迭代阈值分割   中轴变换   误差分析  

摘要： 针对复杂背景下桥梁裂缝检测精度不足的问题,提出一套基于图像处理的系统性检测框架。通过分析混凝土裂缝的形态特征,构建了多场景裂缝数据集,采用防抖高感光度单反相机采集数据,并结合180°翻转、颜色抖动等数据增强技术提升模型泛化能力。提出融合加权平均灰度化、双边滤波与自适应伽玛变换的多级图像增强策略,有效提升裂缝与背景的对比度。实验表明,裂缝长度与宽度的平均检测误差分别为2.2%和2.5%,最大误差不超过6.67%。研究成果为复杂环境下桥梁裂缝的自动化检测提供了高精度技术路径,可降低至传统检测成本的40%以上。

关键词： RT-DETR   目标检测   双轮车头盔   损失函数  

摘要： 针对双轮车头盔检测算法中出现的密集目标,远景小目标等复杂场景下的漏检、误检和检测准确率低的现象,以RT-DETR-r18为基础,提出一种改进的RT-DETR双轮车头盔检测算法。设计了二重跨阶段的多尺度特征融合模块(DcspBlock),将多核初始化模块(PKIBlock)融入到跨阶段模块中,在降低模型参数量的同时,有效增强了网络对远近场景中不同尺度目标的捕获能力;引入了小目标检测模块Decoderhead-p2,有效增强了模型对小型目标的检测准确性;为了缓解复杂检测场景出现的正负样本不平衡以及边界框定位不准确问题,使用改进的损失函数MPD_Focaler-IOU替换原模型的GIOU,通过设置阈值参数来改进IOU的计算方式,从而减少正负样本不平衡对模型性能的影响,引入最小垂直距离的计算方式,使得边界框在精细定位上有着更好的表现。实验表明,在TSHW数据集上,改进的RT-DETR相较于原模型,平均精度均值(mAP)mAP@0.5提升了3.6%,参数量降低了17.6%,同时保持较小的计算量,说明改进的模型可以有效提升复杂场景中对双轮车头盔检测的性能。

关键词： 计算机视觉   人脸表情识别   深度可分离卷积   通道注意力机制  

摘要： 提出深度非对称可分离卷积在网络结构不变的情况下,有效地降低了网络的参数。为了提高人脸表情的识别准确率,提出了改进通道注意力机制,通过指数函数增大不同通道特征图之间的差异,更突出关键特征。在Fer2013数据集上的实验表明,验证了文中提出的深度非对称可分离卷积和改进通道注意力机制的有效性。

关键词： 轻量化   YOLOv8   安全帽   反光衣   目标检测   施工安全  

摘要： 为了解决施工环境中现有安全帽和反光衣检测算法参数量和计算量大、检测精度低以及模型较大难以高效部署等问题,提出改进CCEI-YOLOv8轻量化检测算法。在骨干网络和颈部网络中采用C2f-CIB模块;重构颈部网络,形成跨尺度特征融合模块(CCFM);引入EMA坐标注意力机制;将CIoU替换为Inner-EIoU,提高回归定位精确度。以Roboflow开源安全帽和反光衣数据集为基础,验证改进方法的有效性。实验结果表明,CCEI-YOLOv8检测算法相较于原始YOLOv8n,参数量降低了48.3%、计算量下降了32.1%、平均检测精度均值mAP@50提高了0.5%,达到了91.7%,模型仅为3.442 MB,减少了45%。CCEI-YOLOv8检测算法在检测性能和轻量化方面均优于原始YOLOv8n检测算法和其他主流的目标检测算法,更适用于项目的实时检测和部署,为安全帽和反光衣的实时检测提供参考。

关键词： YOLO_v3模型   计算机视觉   锂电池缺陷检测   目标检测  

摘要： 针对人工进行锂电池表面缺陷检测受主观影响大、稳定性较差的现状,提出一种基于实时目标检测YOLO_v3算法的锂电池表面缺陷检测方法。利用既有小目标检测模型,使用自行采集的锂电池表面缺陷数据集进行训练并测试,证明了YOLO_v3的检测准确率相对较高且速度快。结合锂电池表面缺陷检测问题对模型进行调整,通过消融法减少卷积层的数量,将Leaky ReLU激活函数替换为Mish激活函数,使用K-means聚类方法对先验框数值进行优化计算,进而将调整后的模型使用锂电池表面缺陷数据集进行训练与测试实验。结果表明,该模型检测锂电池表面较明显缺陷的准确率均在90%以上。本研究工作为应用计算机视觉技术实现锂电池表面缺陷自动检测进行了有益探索。

关键词： YOLOv8   DeepSORT   目标检测   跌倒检测  

摘要： 儿童跌倒/坠伤在儿童伤害原因中居前列,而现有跌倒检测模型多针对老年人。本文聚焦儿童跌倒检测问题,采用基于YOLOv8-FD结合DeepSORT多目标追踪算法的模型,在C2f模块引入深度可分离卷积优化特征提取并减负,使用加权交叉熵损失函数提高鲁棒性。结果显示,与传统YOLOv8模型相比,改进后模型跌倒检测准确性提高,能满足多数场景儿童精细化保护需求。该模型可为儿童监护提供有效技术支持,有助于推动儿童跌倒检测技术发展,提高儿童安全保障水平。