关键词： 电子连接器   无监督学习   异常检测   扩散模型   计算机视觉  

摘要： 由于电子连接器异常样本稀缺，使得有监督模型难以捕捉异常样本特征，很大程度上限制了有监督学习方法的检测性能。并且现有无监督模型存在重建图像模糊、缺陷残留的问题，严重影响检测精度。为此，提出一种仅需无异常样本训练的一步去噪单纯形扩散模型电子连接器异常检测方法。由于高斯去噪扩散概率模型在图像重建任务中存在特征投影误差导致重建位置偏差，因此引入单纯形噪声构建单纯形噪声去噪扩散概率模型，并重新制定去噪范式使推理时间降低至0.09 s。此外，研究得到一种图像预处理方法，消除冗余特征干扰，使模型高效学习电子连接器表面特征，提高模型学习效率。实验结果表明，在异常检测标准评估度量AUROC准则下，所提方法显著优于现有无监督模型。图像级检测准确率达99.71%,像素级精度达到93.86%,展现出卓越的异常检测性能。

关键词： 机器视觉   指针式仪表   图像处理   深度学习  

摘要： 随着工业领域智能化和自动化的发展，指针式仪表检测与读数识别成为了一个备受关注的研究领域，该文综述了近些年指针式仪表检测与读数识别方面的研究进展。首先，介绍了指针式仪表读数的作用及计算机视觉应用于指针式仪表读数识别方向。随后，总结了指针式仪表读数识别方法，详细地阐述了国外和国内学者的主要研究。进一步介绍了图像处理与深度学习相结合的5个步骤，即图像预处理、仪表盘检测、仪表指针与刻度检测、仪表盘数字检测与识别和仪表数值识别的研究现状与方法对比。绍了指针式仪表的检测与识别框架内容及技术；然后对指针式仪表的检测与识别框架内容及技术进行阐述与比较；最后对基于机器视觉的指针式仪表检测与识别进行了总结与展望。

关键词： 小目标检测   Scaled-YOLOv4   深度学习   注意力机制   自适应感受野  

摘要： 针对目标检测方法中网络采用固定感受野使卷积提取特征时只关注常规尺寸目标而忽略小目标的特征造成检测精度低的问题，提出自适应空间注意力机制，增加并行的不同大小卷积核，嵌入Scaled-YOLOv4残差结构的3×3卷积层中，使网络根据不同的尺寸的物体自主调节感受野大小加强对小目标特征的提取。实验结果表明，新的网络模型能有效提升小目标的检测精度，并改善原模型存在的误检和漏检问题。在MSCOCO和PASCAL VOC等数据集上的检测精度均比之前有较大提升。

关键词： 遥感影像   目标检测   脉冲神经网络(SNN)   脉冲序列快速感知   通道自衰减归一化  

摘要： 人工神经网络（ANN）在遥感影像目标检测方面取得显著进展。然而，低检测效率和高能耗一直是遥感领域的重要瓶颈。脉冲神经网络（SNN）以稀疏脉冲的形式处理信息，为计算机视觉任务带来高效能优势。不过，大部分研究工作集中在简单分类任务上，仅有少数研究者将其应用于自然图像的目标检测。本文考虑到生物大脑的简约特性，提出一种人工—脉冲神经网络快速转换方法，用于遥感影像检测。基于群组稀疏特征建立快速稀疏模型进行脉冲序列感知，并对原始图像进行变换域内的稀疏重采样，从而快速感知图像特征和编码的脉冲序列。此外，为满足相关遥感场景中的精度要求，从理论上分析了转换误差，提出通道自衰减加权归一化方法，以消除神经元过度激活。所提遥感影像目标检测模型被称作S3Det。基于一个大型公开遥感数据集的实验表明，S3Det实现了与ANN相似的精度。同时，我们的转换网络稀疏度为原始算法的24.32%；能耗仅为1.46W，是原始算法的1/122。

关键词： 二维码   PDF417   编码   解码   图像处理   神经网络  

摘要： 本文综述了PDF417条码的结构特征和编码、解码技术，重点探讨了编解码相关的方法和算法，以及当前研究的热点和挑战。通过对现有文献的综合分析，总结了PDF417条码的特点、应用领域和标准规范，并介绍了常用的编码和解码算法。

关键词： 图像处理   AutoCAD   轮廓提取   边缘检测   仿射变换  

摘要： 【目的】实现包含物体轮廓信息的图片高效、自动地转化为AutoCAD图纸。【方法】基于计算机视觉图像处理算法和AutoCAD的图形设计接口，设计了一种将图片中物体轮廓自动转换为AutoCAD图纸的技术方法。分析了该方法从图片读取、预处理（去噪、灰度化、二值化、闭运算）、边缘检测到轮廓提取，并最终在AutoCAD中自动生成图纸的完整流程。【结果】该方法有效提高了设计效率，减少了传统手工绘制或复杂软件操作的耗时与成本；同时，通过优化图像处理步骤和算法选择，确保了转换后CAD图纸的高精度与原始图像的一致性，并解决了图像与CAD坐标系差异导致的图形失真问题。【结论】本研究为产品设计领域提供了一种全新的自动化设计工具，有助于推动工业设计向更高效、更精准的方向发展。

关键词： 遥感目标检测   FNM-Net   轻量级   剪枝   改进YOLOv7-tiny   SIIM  

摘要： 针对现阶段遥感目标检测精度低、速度慢、模型参数量大的问题，提出基于改进YOLOv7-tiny的FNM-Net轻量级遥感目标检测网络。首先，引入轻量级特征提取网络Faster-Net替换原有主干网络，避免网络对特征图的冗余覆盖；其次，引入焦点调制模块，提出空间信息整合模块（SIIM）来构建新型路径聚合网络，解决特征融合过程中信息冗余和忽略层内特征的问题；然后，针对遥感目标尺度变化大的特点提出多细粒度检测头；最后，采用基于层自适应幅度剪枝（LAMP）评分的剪枝方法，修剪权值较小的连接，减少参数量和计算量并提高检测速度。该方法在公开数据集RSOD上进行验证，结果表明，相比基线模型，参数量减少51.2%，计算量（FLOPs）减少55.2%，检测速度提升6.5 f/s,mAP提升2.1%。同时，在NWPU VHR-10数据集上验证了其泛化能力。

关键词： 嵌入式系统   图像处理   智能驾驶  

摘要： 随着汽车电子技术的飞速发展，嵌入式图像处理系统广泛应用于智能驾驶、辅助驾驶、车辆监控等领域，嵌入式图像处理技术可显著提升汽车的安全性、智能化水平和管理效率。本文分析了嵌入式图像处理系统在汽车领域应用的意义，阐述了实时目标识别与跟踪、多传感器图像融合处理、车道偏离与障碍物检测等关键技术，并针对这些技术在嵌入式系统实现存在的瓶颈，从算法优化、硬件加速、系统集成、精度提升等方面提出了设计与实现策略。

关键词： 轻型无人机   目标跟踪   Sine模型   MUCMKF算法   参数自适应  

摘要： 如何在战场中准确跟踪敌方来袭无人机是对其进行准确打击的关键。轻型无人机水平匀速飞行时，由于本身体积小、质量轻，以及飞控系统不稳定导致飞行轨迹出现漂浮抖动而难以跟踪的问题，本文提出一种基于改进正弦（Sine）模型的修正无偏量测转换卡尔曼滤波（MUCMKF）跟踪算法。该算法针对传统Sine模型需要提前设置加速度方差和机动频率可能造成跟踪系统发散的问题，提出利用目标当前位置一步预测值和当前位置估计值进行加速度方差自适应估计，并将机动频率与加速度方差进行关联计算，实现加速度方差和机动频率同时自适应调整。在此基础上，利用修正无偏量测转换卡尔曼滤波算法，对轻型无人机真实飞行轨迹进行滤波跟踪。仿真结果表明，与匀速模型（CV）、匀加速模型（CA）、当前统计模型CS和常规的Sine模型相比，基于改进Sine模型的跟踪算法能够更好地适应轻型无人机的飞行特性，精度分别提升44%、59%、42%、37%，具有较好的工程应用前景。

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。