关键词： 振动台试验   钢轨位移   计算机视觉   KLT特征跟踪   扩展卡尔曼滤波  

摘要： 振动台试验被广泛应用于地震对轨道结构的影响评估，但由于大位移的非线性特性、环境噪声的干扰以及位移计安装条件的限制，结构部件位移的精确测量依然面临挑战。因此，本文提出了一种结合KLT特征跟踪器与扩展卡尔曼滤波（EKF）的振动台钢轨位移测量方法。该方法通过KLT特征跟踪器与随机抽样一致算法提取并跟踪关键特征点，同时结合EKF，在综合考虑系统噪声和观测误差的基础上，实现对动态状态的最优估计。振动台试验验证结果表明，该方法所测得的加速度均方根误差为0.300 m/s2，与加速度传感器数据的相关性超过99.7%，显著优于原始KLT方法的测量精度，为大位移非线性振动条件下钢轨位移测量提供了一种更为高效可靠的方法。

关键词： 计算机视觉技术   汽车发动机   故障检测  

摘要： 发动机是汽车的重要部件之一，对其故障进行及时有效检测，对于提升汽车行驶安全性和延长车辆使用寿命至关重要。该文对汽车发动机故障检测系统的重要性进行分析，阐述汽车发动机故障检测系统存在的问题，从硬件和软件系统架构两个方面提出基于计算机视觉技术的汽车发动机故障检测系统设计优化方案，以实现对汽车发动机故障的全面检测，高效排除发动机故障，保障车辆安全运行。

关键词： 深度学习   视觉跟踪   Siamese网络   批量归一化   注意力机制   改进ResNet网络  

摘要： 为了增强利用残差网络提取的目标特征，在ATOM50算法基础上提出了一种基于改进的ResNet网络和特征融合的目标跟踪算法。在ResNet-50骨干网络中使用结合无批处理归一化和位置感知循环卷积的增强瓶颈块，有效增强了全局信息的捕获能力，并减缓了跟踪过程中的偏移累积；对提取的特征采用注意力特征融合模块，通过融合浅层特征的细节和深层特征的语义信息，进一步增强特征对目标的表达能力。利用OTB2015、VOT2018和LaSOT数据集对所提算法进行验证，在OTB2015上成功率和精确度分别达到了70.2%和91.1%，与基准算法ATOM50相比，成功率和精确度分别提升了1.2%和1.5%；在VOT2018数据集上，期望平均重叠率提升了4.4%；在LaSOT数据集上，成功率和精确度分别提升了2.4%和2.9%；在OTB2015数据集上的平均跟踪速度达到34.3 f/s，确保了实时跟踪。

关键词： 深度学习   目标检测   目标跟踪   注意力机制  

摘要： 基于深度学习的车辆目标检测与跟踪技术在智能交通和自动驾驶领域具有重要的研究价值与广阔的应用前景。随着城市化进程的加快和交通系统的日益复杂,对高效、精准的车辆检测与跟踪技术的需求愈发迫切。传统方法往往依赖手工设计特征,难以适应复杂场景的变化,而深度学习方法凭借其强大的特征提取与学习能力,为解决这一问题提供了全新的技术途径。本文以改进YOLOv8模型和DeepSORT算法为核心,研究了车辆目标检测与跟踪方法,旨在提高检测精度和跟踪鲁棒性,为智能交通系统提供更加高效的技术支持。 首先,本文对深度学习的理论基础及其在目标检测与跟踪领域的研究现状进行了综述。分析了单阶段和双阶段目标检测算法的优缺点,阐述了检测后跟踪算法与联合检测跟踪算法的特点及其在实际应用中的适用场景。在此基础上,为解决当前算法在复杂交通场景中面临的目标遮挡、姿态变化和多目标混淆等问题,本文提出了一种基于改进YOLOv8模型的车辆目标检测方法。通过引入AKConv卷积模块,改进了模型在特征提取过程中的表达能力,从而提升了对目标细节的捕获精度;设计了C2f＿MLCA结构,优化了网络的特征融合方式,增强了模型对多尺度目标的检测能力;提出了Shape-Io U损失函数,克服了传统Io U损失函数对目标形状差异敏感性不足的问题,从而进一步提高了检测精度。 在改进模型的基础上,本文搭建了符合实验需求的车辆目标检测数据集,并对模型进行了训练与优化。实验结果表明,改进后的YOLOv8模型在检测精度和计算效率上均优于原始模型及其他主流目标检测算法,与原始YOLOv8模型相比,精度、召回率、平均精度均值(m AP@0.5)分别提高了1、3.5、1.1个百分点,浮点运算次数(GFLo Ps)下降4.9个百分点。尤其是在复杂场景下表现出更强的鲁棒性和适应性。此外,通过对比实验和消融实验,验证了各改进模块对模型性能提升的贡献,进一步证明了改进方法的有效性。 针对车辆目标跟踪任务,本文以DeepSORT算法为研究对象,对其核心模块进行了优化与改进。通过对卡尔曼滤波器的状态建模、状态转移方程和观测方程进行分析,结合匈牙利算法的目标匹配原理,改进了DeepSORT算法在目标跟踪过程中的鲁棒性和精度。同时,本文将改进的YOLOv8模型与DeepSORT算法相结合,提出了一种联合检测与跟踪的方法,利用改进的检测结果为跟踪算法提供更精准的输入,从而显著提高了跟踪的整体性能。实验表明,该方法与原YOLOv8+DeepSORT模型相比,多目标跟踪准确度和精确度分别提升了2.4%和2.6%,且ID切换次数减少了10.4%。不仅在目标跟踪精度上取得显著提升,还能够有效降低目标丢失率和误匹配率。

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段，机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备，为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息，进行重点区域目标检测、识别、跟踪，值得深入探索。此外，视频SAR与可见光、红外宽谱段集成，还可以视频级高刷新率实现低空对地多模态、高精度感知，多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。

关键词： 新医科   医学图像处理   教学改革  

摘要： 医学图像处理作为医学与信息技术完美融合的学科，为了适应社会对医学人才培养的需求，亟须打破传统教学的框架束缚，积极探索创新路径。深入剖析了在新医科教育理念指引下，对“医学图像处理”课程进行破旧立新，融入最新科研成果与技术进展，激发学生的创新思维；同时，采用项目驱动、编写可视化小程序等多元化教学方法，强化学生的实践操作与团队协作能力。此外，改革传统考核方式，引入综合性评价机制，着重评估学生解决复杂医学图像问题的实际能力。经过一系列的教学改革与实践，教学成效显著提升，达成了较为理想的教学目标。

关键词： 谷粒表型   图像处理   深度学习   目标检测   图像分割  

摘要： 水稻作为核心粮食作物,其谷粒性状,如长宽、胚根长度、萌发率等,是育种评估的关键指标。传统手工测量效率低精度差,现有检测系统在功能性、易用性和精度方面仍有不足,制约大规模表型分析和育种应用。为解决上述问题,本文进行了以下研究工作: (1)设计了一种基于YOLO旋转检测算法的谷粒长宽测量方法。该方法通过多项技术优化实现了检测性能的显著提升。首先,使用八参数表示法,规范旋转目标检测数据集的表示方式。其次,引入了更加适合旋转目标检测任务的KFIo U损失函数,有效提升了检测模型对目标旋转角度和形态变化的适应能力。此外,引入SPDConv和RCS-OSA结构,进一步增强模型的特征提取能力和检测效率。 (2)提出了一种基于SAM和高斯模型的萌发谷粒分割算法。首先使用YOLO目标检测与SAM分割模型,实现对谷粒的自动分割。再基于高斯模型,对分割掩码进行像素级分类,实现对萌发谷粒胚根掩码的精确提取。通过粗细粒度不同的分割和分类流程,使得本文算法能有效获取萌发谷粒的胚根掩码轮廓,为水稻表型研究提供了一种高效、自动化的图像分析工具。 (3)提出了一种基于图像骨架化处理的谷粒胚根长度测量算法。该算法通过对胚根的掩码图像进行骨架化处理,生成宽度为1像素的骨架图,并利用图结构分析算法计算从谷粒骨架到胚根骨架端点的最短路径,进而得到胚根的真实长度估算值。 (4)设计并实现了一套基于YOLO目标检测和SAM分割算法的半自动化数据标注软件。为提高数据集的制作效率,该软件能够自动完成大部分数据标注任务,并允许用户通过手动调整优化标注,确保标注的准确性和灵活性。 (5)实验表明本文算法在精度、效率和通用性上的优势。谷粒长宽检测m AP指标达到0.951,每张图像仅需11.5毫秒即可完成检测。胚根长度测量中,本文提出的分割算法Dice系数达0.955,胚根长度测量最大绝对误差小于0.9毫米。此外,本文还对不同品种的水稻谷粒以及玉米、珍珠粟等其它作物进行胚根长度测量实验,实验结果表明本文算法具有较好的泛化能力。

关键词： Photoshop   图像处理   套索工具   魔术棒工具  

摘要： 阐述四种主流抠图工具的技术要点与应用场景，包括套索工具的抠图应用、魔术棒工具的抠除技巧、快速选择工具在抠图操作中的技巧、钢笔工具在复杂抠图场景中的技巧。通过掌握这些工具的组合应用策略，使用户可以应对各种场景的抠图需求，高效提取照片中的元素进行背景替换、合成或美化。

关键词： 道路检测   图像处理技术   研究   实践  

摘要： 在现代社会飞快发展的背景下，图像处理技术在诸多领域得到广泛应用，极大促进了信息的传播和共享，但是图像处理技术在道路检测系统中的运用却面临着重重挑战。借助图像处理技术能够提高信号传输质量、缓解传输压力、推动道路检测系统高水平发展。文章围绕道路检测系统中图像处理技术的应用情况展开论述，在剖析道路检测系统发展难点的基础上，多角度促进图像处理技术的有效应用。

关键词： 计算机视觉   机器学习   自动化监测   辅助决策  

摘要： 阐述基于计算机视觉的电气安装与维修自动化技术。通过分析和识别电气设备的图像信息，结合智能算法和机器学习方法，实现对电气安装和维修过程的自动化监测和辅助决策。