摘要： 冰是水的固体形态,当气温降到0℃以下时,便可以见到状如玻璃或水晶的结晶了。拍摄冰,既是一种乐趣,也是一种技能的历练。有时候需要掌握透射光的特点与运用技巧;有时候又必须考虑镜面反射的光影效果;而更多的时候需要把握和表现冰的造型与它的特殊质感;同时还要通过后期加以修缮和补正。

关键词： 计算机视觉   深度学习   猪只识别   YOLOv5  

摘要： 当前的猪只识别技术在复杂环境下识别时间长、误识率高，为了提升猪只识别与行为监控的效率与精度，本文进行了猪只识别技术研究。研究利用改进的YOLOv5模型，结合数据采集、预处理与特征提取方法，以达到猪只身份与特定行为识别的目的。分析结果表明，该方法在复杂环境中具备较高的识别精度与适应性，为智能化养殖管理提供了重要技术支持，对养殖业数字化转型具有实践参考价值。

关键词： 新工科   人工智能   数字图像处理   教学改革  

摘要： “新工科”背景下，探索“数字图像处理”课程建设新举措，结合人工智能的理论知识和前沿科研进展，对“数字图像处理”课程进行教学改革。更新、完善、补充教学内容；以计算机视觉领域中的典型任务为案例，补充更多基于人工智能和图像处理实际应用的教学案例；引入并讲解当前数字图像处理领域人工智能技术前沿发展趋势和研究成果；探讨如何结合教师的科研项目，进一步开展深入的学习和研究；鼓励学生采用Python+OpenCV+Pytorch的编程语言，以及深度学习开发平台进行实验和大作业的编程。

关键词： 大闸蟹   旋转目标检测   双目视觉   质量估算   极端梯度提升树  

摘要： 准确估算大闸蟹质量对于大闸蟹生长状况监测、养殖密度控制、投饵量确定和产量预测等具有重要作用。现有大闸蟹质量估算方法通常使用单目相机，依赖参照物进行真实体尺校正，且图像中大闸蟹背甲角度不固定容易导致目标检测精度低等问题，限制了其在实际养殖环境中的应用。针对上述问题，提出了一种基于旋转目标检测和双目视觉的大闸蟹质量估算方法。通过双目相机采集大闸蟹图像；构建基于SSP-YOLO v7（SK-SimCSPSPPF-ProbIoU-YOLO v7）的大闸蟹背甲旋转目标检测模型，在主干部分引入SK（Selective kernel）注意力机制，使用SimCSPSPPF（Simplified cross stage partial spatial pyramid pooling fast）优化空间金字塔池化，使用ProbIoU损失函数（Probabilistic intersection over union）计算旋转框回归损失，增强特征提取能力的同时减少计算量，有效提高了旋转目标检测精度；对大闸蟹双目图像进行三维重建，通过欧氏距离公式计算大闸蟹背甲体尺；最后构建基于粒子群算法优化的PSO-XGBoost（Particle swarm optimization-eXtreme gradient boosting）模型，实现不同性别大闸蟹质量估算。在自建数据集上进行测试，本文提出的背甲旋转目标检测模型mAP0.5为99.46%,模型参数量为7.321×10～6,浮点运算量为1.668 4×1011,帧率为39 f/s;基于PSO-XGBoost的质量估算模型对于公蟹均方根误差为8.549 g,平均绝对误差为6.172 g,决定系数为0.946,对于母蟹均方根误差为6.902 g,平均绝对误差为5.175 g,决定系数为0.955。结果表明本文方法能够实现大闸蟹质量估算，为大闸蟹生长状况监测和智能化养殖提供技术支持。

关键词： 状态空间模型   YOLO   Mamba   目标检测   输电线路隐患  

摘要： 输电线路巡检是保证电力稳定运输的重要手段，现有的隐患检测方法难以做到在保障模型实时性的同时有效建模全局信息。本文在YOLOv8的基础上引入状态空间模型，通过分块操作与低秩近似实现了空间长距离隐患的检测，以较低的复杂度提取全局信息。在状态空间模型中，使用交叉扫描和动态多路径激活机制来解决状态空间模型对图像数据的方向不敏感和非因果特性，捕获隐患目标结构和模式信息，并利用空间上下文信息识别出局部特征；在目标分类和定位阶段，设计了基于空间对齐的分离式检测头，通过不同的表征方式对齐空间错位，增强分类和定位的精确性。最后，通过实验证明了新模型在平均精度和帧率方面优于主流的单阶段和双阶段目标检测模型，精度提升了2.8%。

关键词： 计算机视觉   自适应照明   设备检测   设备调控  

摘要： 针对传统照明系统存在的能耗高、灵活性不足等问题，本文提出了一种融合计算机视觉的自适应照明设备检测与调控系统架构设计，并通过实验验证了系统的有效性。

关键词： 计算机视觉   工程管理   适用性  

摘要： 随着大数据与深度学习技术的快速发展，计算机视觉技术为建筑工程管理的智能化转型提供了重要支持，但其在算法精度、场景适应性及隐私安全等方面仍面临挑战。本文通过文献综述、案例分析与行业调研，系统评估了该技术在工程管理中的适用性。研究显示，计算机视觉技术在质量控制、安全管理及进度管理中已取得显著成效，但存在数据依赖性高、多模态融合不足及动态场景适应性弱等技术瓶颈。对从业者的调研表明，尽管从业人员对技术认知有限，但普遍认可其在安全监测、质量缺陷量化及设备效率分析中的潜力，而其主要应用障碍包括专业运维人员短缺、成本不合理及隐私问题。文章指出，计算机视觉技术在复杂场景与高精度需求中已展现适用性，但需突破动态环境适应、三维场景理解及隐私保护等难题。未来应聚焦模型自适应优化、多模态数据融合及与BIM、数字孪生等系统的深度集成，以推动建筑工程管理的智能化升级。通过技术迭代与行业协同，该技术有望为建筑行业的高效管理与可持续发展提供核心驱动力。

关键词： 中药饮片   YOLOv8   深度学习   图像识别   目标检测  

摘要： 目的 解决中药饮片种类繁多、形态相似，人工识别耗时费力且易出错的问题。方法 构建了包含201类中药饮片的数据集，并提出了一种轻量化改进的YOLOv8算法，具体改进包括在YOLOv8n网络中引入GhostC2f模块以降低模型参数量，采用DySnakeC2f模块以增强对纤细结构的灵敏度，替换主干网络的池化层为SimSPPF模块以加快推理速度，并加入坐标注意力（coordinate attention,CA）机制以增强对小尺寸目标的特征提取。结果 改进后的算法跨阈值平均精度（50%～95%）达到84.16%，较之前提高了4.39%，同时模型参数量减少了约15%。改进的模型成功部署在电脑客户端和手机APP中，构建了中药饮片自动化识别标注系统。结论 改进后的模型能够有效识别中药饮片，同时系统支持自动数据扩充和升级，从而为中药饮片的快速、准确识别提供了一种新方法。

关键词： 视频合成孔径雷达   动目标检测   目标阴影   深度学习  

摘要： 在雷达图像领域，动目标检测任务一直受到人们的广泛关注。近年来，随着电子技术的发展和雷达技术的提升，视频合成孔径雷达(Video-SAR)技术带来了更高帧率的SAR图像数据。同时，深度学习在目标检测任务上的优秀成绩也让众多学者将其应用于视频SAR动目标检测任务，视频SAR动目标检测技术开始由传统地面动目标指示(GMTI)的方法转向使用深度学习方法。然而，基于深度学习的视频SAR动目标检测算法尚处于研究阶段，且目前暂无关于视频SAR动目标检测任务的综述类文章。因此，在动目标检测算法的基础上，对国内外已有的方法进行分析和整理。同时，结合已有研究总结了视频SAR动目标检测任务面临的问题与难点，并结合现有技术的发展对其未来的发展提出研究建议。

关键词： 云边协同   嵌入式人工智能   物联网   目标检测   实验教学  

摘要： 针对嵌入式人工智能实验教学中存在的视觉检测场景多样化、检测任务开发流程复杂、实验硬件设备选型困难、通用性不足、部署难度大，以及深度学习算法对学生入门门槛高、教学成本较高等问题，结合云端与边端深度学习算法的优势与局限性，设计并开发了一套基于云边协同的嵌入式人工智能与物联网实验教学系统。该系统由以下核心模块组成：自主研发的支持多种协议与多传感器接口的边缘端数据采集板、一站式低代码深度学习算法开发平台，以及云边协同一体化的人工智能与物联网算法实验平台。实验教学结果表明：该云边协同实验教学系统能够实时采集传感器数据，支持多种常用的轻量化深度学习网络模型的开发和部署，满足嵌入式场景下的目标检测要求，同时适应不同专业背景的专业硕士研究生在人工智能实验教学与科研中的多样化需求，有效提升了学生的工程实践与创新能力。