关键词： 飞行目标   目标跟踪   核相关滤波算法   尺度变化   视角变化   YOLOv5l  

摘要： 在飞机等飞行目标的尺度以及视角发生变化时,核相关滤波(KCF)算法由于跟踪边框固定和滤波器准确性较低而易导致目标跟踪丢失。针对这一问题,在KCF算法基础上增加一种模型更新策略以提高模型准确性,并适时利用YOLOv5l检测网络实现对目标尺度的精确估计。在构建的飞机目标数据集上进行了实验验证,结果表明:相比原算法改进KCF算法在精确度和成功率上分别提升了0.315和0.285,在目标尺度及视角发生变化时具有较强的跟踪性能。

关键词： 遮挡场景   无人机集群   多对地目标跟踪   伸缩系数   视频序列  

摘要： 为了确保目标在被遮挡场景下依旧可以稳定、准确得知目标的位置和状态,提出了遮挡场景下无人机集群多对地目标跟踪算法。通过负反馈控制器令无人机传感器的视线对准目标,消除方位角与俯仰角位置误差。结合前一帧中心加权数值,确定局部搜索区域并设置内插特征,得到目标连续域多信道特征。利用核相关滤波器求解最大响应位置和伸缩系数,更新分类器系数,完成无人机集群多对地目标跟踪。通过实验,证明所提算法能够实现在遮挡场景下无人机集群多对地目标跟踪,可及时更新目标的位置和状态信息,提高跟踪的准确性和效率。

关键词： 电弧熄灭监测   计算机视觉   深度学习   图像处理   高压直流继电器  

摘要： 高压直流继电器的电弧熄灭监测对电力设备稳定运行意义重大,传统监测方法存在精度低、实时性差、适应性弱等问题。文章提出基于计算机视觉与深度学习的监测算法,经图像处理提取电弧特征,结合卷积神经网络(Convolutional Neural Networks,CNN)与深度学习模型,可实现电弧熄灭精确识别。实验验证,优化算法在不同环境下精度高、响应快,能有效提升高压直流继电器故障诊断能力,保障系统安全可靠。

关键词： 通道注意力   降维   并行池化   多特征融合增强   自适应   目标检测  

摘要： 针对通道注意力降维时导致细节信息损失和特征融合不充分的问题,提出一种并行池化注意力及多特征融合增强方法。首先,对输入图像使用两种池化模块并行处理,实现特征注意力增强。其中:熵引导池化模块利用通道信息熵生成特征权重系数,加强边缘纹理等细节信息;方向感知池化模块捕获图像在垂直和水平方向上的空间方向信息,再计算通道均值实现逐步降维保留关键特征。其次,多特征融合增强模块利用特征图尺度的对数函数自适应选取卷积核的大小,再将卷积后的特征分组重塑为与输入图像维度相同的通道、高度和宽度方向上的三个特征子图,并进行元素相乘获得增强特征图。最后,增强特征图与输入图像加权融合,同时增强目标的位置和细节信息。实验结果表明,文中方法在参数量不变的情况下,在VOC2007数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.62%、4.46%,在COCO数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.57%、4.63%。

关键词： 遥感图像   目标检测   上下文感知   特征融合  

摘要： 针对遥感图像目标检测过程中,目标背景区域复杂、小目标特征信息过少等因素造成漏检和检测精度不高的问题,提出一种基于上下文感知与稀疏特征融合的遥感图像检测方法。首先,设计了一种上下文感知单元,在特征提取过程中挖掘空间方向的上下文特征信息,增强对小目标特征的捕获能力。其次,提出一种稀疏特征融合策略,通过学习稀疏表示,引导网络中的浅层特征与深层特征进行更有效的特征融合。最后,在网络颈部引入Slim-Neck设计范式减轻网络模型复杂度。实验结果表明,在NWPU VHR-10和DIOR遥感数据集上,所提方法的计算量和参数量分别比YOLOv8s降低3.1%和6.3%,检测精度分别提升1.6百分点和2.6百分点。与当前主流的6种检测方法相比,所提方法表现更好。

关键词： 目标检测   YOLOv11   手眼标定   机器人上料  

摘要： 【目的】解决多品种、小批量生产时停产换线的问题。【方法】创新了一种基于深度学习的物料识别与机器人上料技术。首先,对相机、机器人、PLC等硬件进行选型和接线,完成试验平台的搭建;其次,比较目标检测的深度学习算法,选择YOLOv11算法对图像进行训练、验证、识别;再次,对相机进行标定,对手眼进行标定,计算得出图像与机器人末端之间的转换关系;最后,根据图像识别结果,计算机器人末端应偏移的变量,实现机器人自主上料。【结果】该试验平台识别准确率达99.5%,准确抓取率达99.0%,能够对不同种类工件进行上料,解决停产换线问题。【结论】未来的研究可考虑工件的高度变化,利用深度摄像头获取工件的深度信息,结合Z轴的偏移变量以实现不同高度品类工件的自动上料。

关键词： 平面设计   格式兼容   图像处理  

摘要： 在数字媒体迅速发展的背景下,平面设计师常常面临处理和管理多种图像格式的挑战。文章通过探讨现有的多格式兼容图像处理技术,分析其在提升设计效率和维持作品质量方面的作用,基于对智能格式识别、自动化转换流程以及云计算支持等技术的研究与分析,揭示了这些技术在优化图像处理流程中的优势。结论表明,深入应用这些技术可为平面设计行业提供更加高效和灵活的工具支持,有助于推动设计工作的智能化发展。

关键词： 目标检测   主动视觉   参数调整   视点规划   智能感知  

摘要： 目标检测是计算机视觉领域的基础研究方向之一。由于图像采集时物体摆放密集、光照条件差等因素导致图像失去细节,当使用此类图像作为输入时,常规的目标检测算法对目标物的检测结果无法满足任务需求。为了解决这类问题,面向目标检测的视点规划这一智能感知方法应运而生,其可自主分析当前条件下影响检测任务的因素,调整相机的位姿参数规避影响,实现目标物准确检测。面向目标检测的视点规划方法不仅可以辅助计算机视觉的其他领域,也会为未来的智能化生活提供便利。为了反映其研究现状和最新进展,本文梳理了2007年以来的文献,对国内外的研究方法做出概括性总结。首先,以算法应用的场景维度和调整参数作为分类依据,将面向目标检测的视点规划方法分为二维像素调整的规划方法、三维空间移动的规划方法以及两者结合的规划方法3类,本文重点对前两类方法进行分析与总结。其次,解析每类方法的基本思想,并指出各类方法需解决的关键问题,然后对解决问题的主要研究方法进行归纳和分析,并总结各自的优点和局限性。除此之外,本文也对各类场景下可使用的数据集和评价指标进行简要介绍。最后,在目前方法的分析基础上,探讨面向目标检测的视点规划领域所面临的挑战,并对未来研究方法进行展望。

关键词： 信号处理   图像处理   人工智能   生物识别  

摘要： 阐述一种基于手掌关键点识别的身份认证与控制方法。通过采集用户手掌视频帧,利用预训练的关键点检测模型提取手掌特征点坐标,并基于特征点筛选起始帧图像。随后,将起始帧输入到预训练的手掌识别模型完成身份认证。实验结果表明,身份认证且手势分类准确率为97.10%。

关键词： 印刷电路板   计算机视觉   轻量化   小目标检测  

摘要： YOLO算法模型在轻量化与保证检测精度之间存在矛盾。针对印刷电路板小目标缺陷检测任务,提出一种基于改进YOLOv8s的轻量级目标检测算法。首先,删除主干网络中最后的卷积层与C2f层,然后引入轻量级跨尺度特征融合模块CFFM,在实现模型轻量化的同时提升小目标检测精度。其次,引入分布移位卷积DSConv,将C2f与DSConv结合生成C2f_DSConv模块,再与轻量级注意力机制CBAM集成,设计出C2f_DSConv_CBAM模块,分别替换骨干网络部分与颈部网络部分的C2f,进一步减少模型参数量,增强模型特征提取能力。最后将辅助边界框损失函数Inner-IoU、边界框聚焦损失函数Focal IoU Loss、原边界框损失函数CIoU三者结合生成Focal Inner-CIoU,引入大小可控的辅助边界框用以计算定位损失,提高较高的IoU边界框所占比重,最终实现检测精度提升。实验表明,改进模型较YOLOv8s原模型参数量降低81.5%,计算量降低21.3%,模型大小降低72.3%,平均精度均值(mAP)提升3.0%。有效降低了算法的计算成本,便于实际应用部署。