关键词： 鄱阳湖   鸟类检测识别   YOLOv8n   网络结构优化   可变形卷积   Slide Loss函数  

摘要： 当前鄱阳湖地区鸟类野外自动监测设备的资源有限,致使在野外场景下鸟类快速精准识别存在目标特征不明显、轮廓模糊、尺寸较小等挑战.为了解决这类问题,该文提出了一种基于YOLOv8n的轻量级鸟类检测识别模型YOLOv8-Birds.首先,重新构建模型网络结构,删除深层下采样模块,增加小目标层,以减小模型体量和提升浅层特征权重;其次,融入第3代可变形卷积(DCNv3)设计了C2f_D3模块,提高模糊目标的识别精度;再次,引入分组混洗卷积(GSConv)和加权融合拼接(Concat_BiFPN)模块对颈部网络优化,增强模型特征表达能力,适应不同尺寸目标;最后,应用Slide Loss函数强化困难样本学习.该文以鄱阳湖地区10种珍稀鸟类为研究对象开展模型试验,实验结果表明:精度均值mAP@0.50、mAP@0.75、mAP@0.50∶0.95分别达到93.7%、84.9%、72.8%,测试集鸟类目标平均的正检率提升2.3%,达到89.0%,模型的参数量、体积仅为原模型的50.0%左右.

关键词： 菜豆   分类   机器视觉   图像处理   智能识别   机器学习   支持向量机   特征提取  

摘要： 为基于机器视觉(MV)设计一种低成本、高效且无损的菜豆种子识别、分类的方法,采集6个品种2751粒菜豆种子的图像信息,在对图像进行二值化、颜色提取、形态学操作等图像处理的基础上,提取包括颜色特征、纹理特征以及几何特征在内的9种特征作为分类的依据,分别建立K近邻(KNN)、随机森林(RF)、支持向量机(SVM)3种分类模型,对菜豆种子的品种进行分类。对比3种分类模型的混淆矩阵、准确率及F_(1)值后发现,SVM模型的分类效果上最优,其分类准确率和F_(1)值分别达到97.7%、0.977。研究表明,利用MV可以实现对菜豆种子的精准识别和分类。

关键词： 输电线路   覆冰厚度   图像处理   边缘检测  

摘要： 针对雨雪天气严重影响线路覆冰图像质量与标准覆冰厚度计算的问题,提出一种基于智能图像处理的线路覆冰厚度检测方法,并在实验室对导线进行人工覆冰并模拟人工冷雾,采集有雾和无雾条件下的覆冰图像,用所提方法检测导线覆冰厚度。对采集的图像通过去雾、灰度化、直方图均衡化和空间滤波进行预处理,采用多种算子对处理后的图像进行边缘检测,计算出覆冰厚度。结果表明,覆冰图像去雾处理后采用直方图均衡化和空间滤波可较好地改善图像质量,配合使用Canny算法进行导线覆冰图像边缘检测时更具优势,即使在有雾的情况下,也可以得到较为准确的覆冰厚度检测结果。

关键词： 自动驾驶   YOLOv7-tiny   道路目标检测   轻量化   Jetson TX2  

摘要： 针对目标检测算法对算力和存储空间的高要求限制其在边缘设备中检测功能实时性的问题,提出了一种基于YOLOv7-tiny改进的轻量化道路目标检测算法。首先,通过K-means++聚类算法生成适合道路目标检测的先验锚框;其次,改进ELAN结构轻量化主干网络,同时提出轻量型多尺度特征(LMS)模块优化颈部网络;最后,使用西格玛线性单元(SiLU)激活函数加速模型收敛,采用MPDIoU损失函数进一步提高检测精度。试验结果表明:改进后的模型参数量减少18.3%,计算量降低15.0%,且所有类别平均检测精度上升1.1%。在Jetson TX2中,使用TensorRT加速后的检测速度达到48帧/s,基本满足道路目标检测的实时性要求。

关键词： YOLOX-S   级联融合网络   Inner-MPDIoU  

摘要： 阐述通过目标检测算法可以对野生动物进行保护监控。改进的YOLOX-S引入了CFNet,通过跨层特征融合和注意力机制增强算法对复杂自然场景的理解能力。同时,提出了新型的Inner-MPDIoU损失函数,提高了模型对小目标和模糊目标的定位精度。模型在野生动物数据集上取得了优于原始YOLOX-S算法的性能。

关键词： 大豆   品质检测   计算机视觉   麻雀搜索算法   支持向量机   主成分分析法  

摘要： 为了提高计算机视觉对大豆品质检测的准确率和检测速度,提出基于麻雀搜索算法(Sparrow Search Algorithm, SSA)优化支持向量机(Support Vector Machine, SVM)及通过主成分分析法(Principal Component Analysis, PCA)进一步优化SSA-SVM模型的两种大豆品质检测模型。采集正常、破损和霉变的大豆图像并进行预处理,提取HSV颜色空间下的12个颜色特征参数,基于灰度共生矩阵法提取4个纹理特征参数。利用SSA寻找SVM的最佳惩罚因子和核函数半径。结果表明,SSA-SVM模型的准确率达到98.00%,较SVM模型的95.33%提高2.67%;使用PCA将16个特征参数降维到8个,构建PCA-SSA-SVM模型,该模型准确率为97.33%,较SVM模型的95.33%提高2.00%。PCA-SSA-SVM模型与SSA-SVM模型相比,其准确率低了0.67%,但迭代时间为11.78 s,较SSA-SVM的13.72 s缩短14.14%。结果表明,SSA-SVM模型与PCA-SSA-SVM模型在大豆品质检测方面均优于SVM模型。

关键词： 遥感图像   军用飞机   轻量级   聚焦系数  

摘要： 针对遥感图像军用飞机中背景复杂、目标尺度小所导致的识别精度低、计算成本高、模型体积大等问题,提出一种融合重参数化和细节增强的轻量级军用飞机目标检测算法YOLOv8-MA。首先,融合重参数化设计多分支梯度流通特征提取模块,提高模型推理速度;其次,结合Efficient RepGFPN舍弃冗余模型结构,融入P2层,构建多尺度特征融合网络,改善因过多下采样带来的小目标信息丢失问题;在此之上,结合群范卷积和细节增强提出轻量级检测头,减少模型参数量和计算量;最后,向Shape-IoU中引入聚焦系数融合成新的损失函数,提升模型检测性能。在公开军用飞机数据集MAR20上,该算法的m AP50高达97.9%,模型体积低至2.1 MB,相较于YOLOv8n参数量下降了74.7%,计算量下降了40.7%,FPS提高了14 f/s,证明其能够有效提升遥感图像中军用飞机的检测效果。

关键词： 自主搜索   目标检测   FT-6678N  

摘要： 自主搜索是在无目指条件下,雷达对周围空间进行扫描并处理回波信号,进而发现空间目标。自主搜索数据量大,对雷达实时信号处理提出了巨大的挑战。基于FT-6678N提出了一种基于多核数字信号处理器(DSP)的自主搜索检测算法,按距离门将回波数据分配至多个核独立处理,处理完成后由一个核对检测结果进行综合,输出最终检测结果,提高了自主搜索信号处理的效率和准确性。通过理论仿真对该算法的检测性能进行了评估,并将该算法应用至某型在研雷达,对无人机进行自主搜索,搜索结果实际运动规律,满足预期设计。

关键词： 图像处理工作站   分析   技术审评  

摘要： 图像处理工作站通过对医学图像的处理和分析,可以帮助医生准确地定位病变、评估疾病的程度和进展,并制定合理的治疗方案。文章从医疗器械技术审评角度对图像处理工作站产品的安全有效性进行分析,在图像处理工作站相关基础理论研究、监管信息、综述资料、产品技术要求、临床评价资料等方面提出建议,以期对该类产品注册申报时资料的准备及技术审评有所帮助。

关键词： 视频智能分析   目标跟踪   留置场景  

摘要： 阐述针对视频智能分析系统中的人员检测误检、漏检问题,提出一种基于中心点欧式距离的人员跟踪方法。通过引入人员产生计数器和丢失计数器,有效改善检测准确性。实验表明,该方法在留置场景中显著提升了报警准确率,为智能视频监控系统提供了更可靠的人员跟踪解决方案。