关键词： 图像处理   RK3588   目标跟踪识别   异构计算   双模成像  

摘要： 针对可见光成像、红外成像在越来越多的场景得到应用,采用一体化设计理念,设计一款小型双模成像图像处理平台。该双光图像处理平台采用RK3588与ZYNQ作为主协处理器,可完成1080P可见光图像与1280×1024分辨率非制冷红外图像的并行实时处理,在软件算法的控制下可实时完成目标跟踪识别。经实物样机外场测试与高低温测试,该平台性能稳定可靠、结构紧凑,能够满足车载、船载、机载的多种应用场景需求。

关键词： 驾驶分心   目标检测   全局注意力   SIoU损失函数  

摘要： 驾驶分心行为检测是提高安全驾驶的方法之一,针对小目标和被遮挡目标的检测不充分问题,提出一种基于改进YOLOv7算法的驾驶员分心行为检测模型。首先,引入全局注意力模块,加强目标特征的位置信息提取和网络识别精度;其次,替换IoU损失函数为SIoU损失函数,提高回归精度。实验结果表明:改进YOLOv7驾驶分心行为检测研究提高了对于小目标和被遮挡目标的检测能力,且mAP达到了99.1%,检测速度提升到了12.4 ms,实现了驾驶员驾驶分心行为的实时检测。

关键词： 侧扫声呐   YOLOv8   视觉变换器   知识蒸馏   目标检测  

摘要： 侧扫声呐图像目标检测是现代海洋环境监测中的重要课题。为提高侧扫声呐图像中小目标的检测精度与效率,文章提出了一种基于YOLOv8和视觉变换器(Vision Transformer,ViT)的新型目标检测模型--YOLOv8-ViT-KD。首先,将YOLOv8与视觉变换器结合,增强特征提取能力;其次,采用知识蒸馏(Knowledge Distillation,KD)方法,以YOLOv8为教师模型、YOLOv8-ViT-KD模型为学生模型进行训练,有效减少假阳性检测结果。实验结果表明,新模型在测试集上的精确率达85.721%,召回率达82.19%(较标准YOLOv8模型提升12.80%)。与标准YOLOv8模型相比,该模型检测性能显著提升,可在海底复杂环境中有效完成特定目标的检测任务。

关键词： 数字图像处理   混合式教学   实验课程改革   人工智能   知识图谱  

摘要： 人工智能技术的深度发展正在重构教育生态体系,以突破时空限制的智能交互方式推动教学根本性改革。作为电子信息类专业基础课程,数字图像处理在数智化转型背景下亟需构建“理论—实践—创新”深度融合的教学范式。该文旨在研究数字图像处理实验课程中存在的实验内容碎片化、个性化指导不足、缺乏动态评价机制等问题。基于目标导向教育理念和形成性评价机制,构建“知识图谱引导—项目实践驱动—动态排名激励”的三阶段递进式教学模式。该研究构建知识图谱,通过图形化结构梳理知识点逻辑关系,并建立实验结果实时排名激励制度激发学生实践积极性,为工科实验课程提供可复制的混合式教学解决方案。

关键词： 多目标跟踪   目标检测   数据关联   特征提取  

摘要： 多目标视频跟踪方法主要包括两阶段检测(Two-Stage Detection)和单阶段检测(Single-Stage Detection)方法。深度学习的应用显著提升了目标检测的准确性和鲁棒性。通过梳理现有研究,系统综述当前主流的目标检测模型,包括基于CNN(卷积神经网络)的目标检测方法和基于Transformer的目标跟踪方法。同时,对比不同目标检测模型的特点,总结多目标跟踪面临的挑战及未来发展方向,包括跨域复杂构建和轻量化及实时处理方法等,为相关领域的研究人员提供了一个清晰的框架,以促进多目标视频跟踪技术的进一步发展。

关键词： Transformer模型   注意力机制   目标跟踪   无人机  

摘要： 目标跟踪在无人机(Unmanned Aerial Vehicle,UAV)视角下面临着目标尺寸较小、环境复杂,从而引发特征提取不足、目标遮挡等问题,已有的目标跟踪方法在无人机场景下适用效果不佳.为此,提出一种融合多分辨率特征结合CNN和Transformer架构的无人机跟踪器(MFTPT).该模型结合CBAM注意力机制和特征金字塔网络构建了一个新的骨干网络,以增强模型对上下文关系的捕捉能力.并将提取到的不同分辨率多层次特征映射馈送到池化Transformer中,以学习高低分辨率特征之间的相互依赖性.此外,设计了一个针对小目标且能够丰富编码细节信息的特征优化层(FOI).最后,在3个常用的无人机数据集UAV20L、UAV123和DTB70中开展的实验结果表明,MFTPT能有效提升跟踪精度和成功率.

关键词： 图像处理   八角茴香   硫磺熏蒸   莽草   野八角   识别  

摘要： 八角茴香品质鉴定传统方法主观性强、步骤繁琐。为实现八角茴香、硫磺熏蒸八角茴香、八角茴香常见伪品的准确快速识别,研究了一种基于图像特征分析和模式识别的八角茴香品质鉴定方法。采集八角茴香、硫磺熏蒸八角茴香、莽草、野八角RGB图像,对图像进行中值滤波、图像二值化、形态学开运算与闭运算、图像分割等预处理后,提取其形态、颜色、纹理共3大类58个特征参数。分别采用逐步判别分析和主成分分析对特征参数进行筛选和降维,建立线性参数分类器和反向传播(back propagation,BP)神经网络模型实现八角茴香及其伪品识别以及硫磺熏蒸八角茴香鉴别。结果表明,逐步判别分析-线性参数分类器对八角茴香、硫磺熏蒸八角茴香、莽草、野八角的判别正确率为87.50%~100%,平均识别率为96.75%;主成分分析-BP神经网络模型对4种籽粒的判别正确率为85.00%~100%,平均识别率为91.88%。研究结果证明图像处理与分析可有效对八角茴香及其伪品进行检测识别,并可对硫磺熏蒸八角茴香作出有效判定。

关键词： 边缘计算   深度学习   图像处理   无人机   轻量级  

摘要： 针对现有无人机图像处理系统存在处理耗时长、处理速度低等问题,该文引入边缘计算的轻量级深度学习,开展无人机图像处理系统设计研究。设计系统硬件总体架构,并在总体架构下设计图像处理模块UART接口,完成系统硬件部分设计。利用CMOS图像传感器采集无人机图像,获取图像信号,计算图像信号的饱和度和幅度,结合边缘计算的轻量级深度学习,对图像进行渲染处理,完成系统软件部分设计。实验证明,实验组系统平均处理速度在6.25~6.85幅/min范围内,而对照A组和对照B组无法达到这一水平,验证了所设计的无人机图像处理系统的有效性。

关键词： 电力检修   无人机   巡检   YOLOv5   目标检测  

摘要： 为解决电力检修作业巡检定位误差大、目标检测准确性不足的问题,提出基于YOLOv5的电力检修安全作业无人机智能巡检目标检测方法。采用注意力权重归一化方法获取电力检修作业图像的加权特征并进行特征融合;构建YOLOv5网络结构,基于融合特征动态调整锚框尺寸,通过锚点在特征图上生成候选区域;将定位损失、置信度损失和分类损失引入模型,实现电力检修安全作业全过程无人机智能巡检目标检测。实验结果表明,该方法目标检测平均交并比数值稳定维持在0.8左右,最大浮点运算量约为19×10^(9)FLOPS,具有显著的实际应用价值,为电力安全作业提供了可靠的技术支撑。

关键词： 计算机视觉   智能技术   实训教学   教学改革  

摘要： 近年来,随着人工智能技术在教育领域持续赋能,实训教学作为实践育人的关键环节,正面临前所未有的变革契机。传统实训教学中,教师难以实时掌握学生的操作状态与认知反应,教学反馈和干预时效性会影响教学质量与学生能力形成的判断。基于计算机视觉与人工智能的表情识别与行为分析的探索,为破解实训教学“观察难、诊断难、评估难”提供可能路径。