关键词： YOLOv5   注意力机制   CBAM   目标检测   Bi-FPN  

摘要： 由于变电站内设备悬挂异物的现象频发,为预防站内人员巡检不及时导致电力事故发生,在YOLOv5的基础上,提出融合注意力机制和Bi-YOLO的变电站异物检测研究。采用加权双向特征金字塔替代原有的特征金字塔网络,将坐标注意力模块嵌入C3结构,添加混合注意力模块,以提高变电站异物的特征提取能力和检测效率。实验结果显示,相较于YOLOv5算法,提出的检测算法多类别平均检测精度提高3.3%,mAP值达91.3%,满足实时性要求。

关键词： YOLOv5   注意力机制   石化设备   设备数据集   目标检测  

摘要： 为解决石化设备目标检测任务中,由于设备种类多、尺度跨度大和背景复杂等原因,造成设备目标检测误检率和漏检率较高的问题,研究多个CCbam3层、通道和空间注意机制、SiLU激活函数等对YOLOv5模型的作用机制,提出1种单阶段注意力机制增强的改进YOLOv5模型,该模型主干模块改进为焦点层、卷积层、多个CCbam3层和空间金字塔池化层;中间模块则使用通道和空间注意机制模块来优化不同设备尺度的特征图;此外,该模型使用SiLU作为激活函数,提高网络的自稳定性;最后,预测模块采用4个检测模块来检测不同尺寸的设备。研究结果表明:改进的YOLOv5模型在真实的设备数据集获得的P-R曲线平均精度为97.8%,石化设备均得到精确地检测和定位;在mAP50方面,较YOLOv5s,YOLOv5x分别提升3.2和0.4百分点;添加的注意力机制的模型有利于提取石化设备特征并更准确地进行目标检测。研究结果可为石化设备的智能化目标检测和过程安全风险防控工作提供技术支撑。

关键词： 矿区地质灾害   YOLOv5s   目标检测   结构化剪枝  

摘要： 本文提出基于YOLOv5s模型的结构化剪枝目标检测算法,解决矿区无人机巡检中常规算法过大、参数多、难以部署的问题。通过遍历网络中的BN层,对γ进行排序,并设定全局阈值评估通道重要性,剔除低于阈值的通道。实验结果显示,相较于YOLOv5s,该算法模型减小52.9%,检测时间降低18.1%,平均精度仅下降1.5%。

关键词： 交通安全   目标检测   视觉自注意力网络   光照估计   多模态融合  

摘要： 准确高效的感知是保障自动驾驶安全性的关键。然而在夜间等低光照场景以及雨雪沙雾等极端天气下,视觉或激光雷达等感知方案的误判率可能显著增高。因此,本文结合可见光图像的细节优势与红外热成像的高穿透力探测优势,研究自动驾驶场景的全天候实时感知方法。针对可见光-红外传感数据之间的时空错位和模态不平衡问题,首先设计一种多模态注意力机制进行局部到非局部的特征融合,修正空间位置偏差并捕捉语义互补信息,实现高效多模态融合。然后,采用基于Retinex理论隐式估计像素级光照权重并进一步引导注意力计算,在多级特征图中平衡可见光及红外特征。相较于既往研究,本文方法在感知性能和效率方面均取得较大改进,可为保障车辆行驶安全提供技术支撑。

关键词： 机器视觉   异物检测   红外弱光   空间定位   特征泛化增强   目标跟踪  

摘要： 针对现有深度学习异物跟踪检测算法易受复杂环境、目标遮挡等影响,导致出现漏检及检测精度低等问题,提出了一种空间定位与特征泛化增强的铁路异物跟踪检测算法。提出改进多尺度级联GhostNet特征提取网络,提升对红外目标的特征提取能力;利用异物空间位置定位与泛化形态信息,设计空间定位与特征泛化增强模块,增强对复杂场景下位置移动与跟踪轨迹变化目标的检测精度;构建金字塔预测网络,得到红外铁路异物的检测锚框、类别及置信度信息;通过改进类别和置信度显示的DeepSORT跟踪算法,结合卡尔曼滤波与匈牙利算法实现红外弱光环境下铁路异物跟踪检测。实验结果表明:所提算法对铁路异物的跟踪检测精确度达到83.3%,平均检测速度为11.3帧/s;与比较算法相比,所提算法检测精度更高,对红外弱光场景下铁路异物跟踪检测具有较好的性能。

关键词： 计算机视觉   沉降监测   隧道工程   地下管廊  

摘要： 管廊作为常见的城市基础设施,其安全性对于城市居民极其重要。该研究针对现阶段管廊监测系统效率低、成本高的问题,提出了一种基于计算机视觉技术的高效沉降监测方法。该方法创新性地使用特征平面叠加的方法,采用基于组合缩放因子的空间监测方案,利用不同的像素精度及灵活的截面叠加实现实时沉降监测。以北京市慈云寺桥地下管廊为例对该方法进行验证。实验结果显示:随着监测距离的增加,监测误差能够收敛于特定常数值,该方法可以通过校准的方式实现有效的高精度、高性能监测。环境因素定量监测结果也显示,即使大部分监测截面处在不同温湿度、气压、粉尘的影响下,该方法的监测结果仍具有较高的稳定性。

关键词： 颗粒堆积   离散元方法   包装效果   振动参数   图像处理   振动皮带机  

摘要： 目的颗粒的堆积高度反映了包装袋的填充密度,堆积高度越大,则填充密度越小;反之,填充密度越大。探究不同振动参数(振动时间、振动频率、振动幅度和振动方向)对颗粒堆积高度的影响规律,以提高包装袋的填充密度。方法基于DEM(Discrete Element Method),利用EDEM数值模拟软件建立PET颗粒堆积模型,并通过Matlab图像处理技术与实验相结合验证模型的准确性;在此模型基础上,仿真模拟颗粒在静止和振动状态下的堆积行为。结论竖直方向的振动更能降低颗粒的堆积高度,增大填充密度;随着振动时间的延长,颗粒的堆积高度逐渐降低,随后趋于平稳,最大可降低约17.70%;随着振动频率的增加,颗粒的堆积高度显著降低,最大可降低约16.67%;随着振动幅度的减小,颗粒的堆积高度逐渐降低,最大可降低约18.59%。结果通过改变振动皮带机的振动参数,可以有效提升包装袋的颗粒填充密度。

关键词： 按摩机器人   人工标记点   目标检测   YOLOv5   圆心定位  

摘要： 人体穴位识别和定位是按摩机器人的关键问题,是保证机器人安全工作的先决条件。这里结合人工标志点和深度学习目标检测技术,提出了一种按摩机器人穴位贴识别和定位方法。首先在人体背部预按摩穴位点处布置圆形人工标志点,采用基于YOLOv5深度学习网络模型检测圆形标志点在图像中大致区域,并用高斯滤波法滤除该区域中的孤立点和噪声点,然后根据圆形目标的粗定位信息、图像的边缘灰度分布特征获取圆形标志点的边缘信息并检出其中最大连通区域的边缘,最后通过基于椭圆方程的最小二乘算法精确定位出人工标志点的圆心坐标,并利用机器人手眼标定技术转换为机器人按摩穴位坐标,实现人体穴位的自动识别和定位。实验结果表明,在仿真环境下圆心定位误差小于0.7像素(pixel);在实测环境下圆心定位相对误差小于1.8%,可以有效减少目标边缘模糊、相似物干扰、圆形畸变等情况对穴位贴圆心定位精度的影响。

关键词： YOLO   中缅油气管道   遥感图像   高后果区   目标检测   智能识别  

摘要： 为解决中缅油气管道国外段外界环境敏感且复杂多变、人工巡检难度大、危险系数高的问题,提出一种改进的高后果区目标检测算法。首先通过引入卷积注意力模块(CBAM)自适应地学习通道和空间注意力,以增强网络的感知能力和泛化能力;然后使用精确边界框回归的高效交并比(Focal-EIoU)损失全面考虑目标特征和相互关系,处理类别不平衡问题,减少易分类样本的干扰,增强模型鲁棒性;最后将改进模型应用至中缅油气管线遥感图像地区属性化智能识别,并进行相关消融试验,以验证改进YOLO模型的有效性。结果表明:采用所提方法识别中缅油气管线遥感图像特征,田地、绿地、居住地、河流4类地区检测的平均精度均值(mAP)达68.2%;相比于YOLOv5、YOLOx及YOLOv8分别提高29%、21.6%、10.7%。

关键词： YOLOv5s   花椒簇识别   深度学习   目标检测   坐标定位  

摘要： 为满足花椒簇自动化采摘需求,引入YOLOv5s算法。采用深度学习特征提取算法,以跨阶段部分连接暗网(Cross Stage Partial Network,CSPDarknet)为主干网络,进行精准特征处理,增强目标特征表现,用空间变换网络校正图像,通过马赛克拼接、混合增强等手段分析标注不同环境下成熟花椒图像,构建花椒数据集。训练中,优化模型架构超参数,用路由聚合融合特征、在线困难样本挖掘算法聚焦难分样本,系统平均识别率达82.8%。运用开源计算机视觉库(Open Source Computer Vision Library,OpenCV)绘制函数,实现目标精准定位与坐标输出,可解决花椒簇机械采摘的识别与定位问题。