关键词： 交通场景   遮挡目标   YOLOv8   特征融合   特征增强  

摘要： 交通场景下的目标因为密集或遮挡等情况会导致检测困难,针对该问题,提出了一种交通场景目标检测算法FFE-YOLOv8。设计跨层级特征融合模块(cross-level feature fusion module,CFFM),结合浅层细节和深层整体特征,得到更丰富的特征信息指导遮挡目标的检测;设计了双路特征增强模块(dual-channel feature enhancement,DCFE),经两通道同时提取浅层特征的中心区域关键信息以及上下文信息,补充特征的同时避免浅层特征层感受野较小的问题;经自适应特征融合模块(adaptive feature fusion module,AFFM),计算经双路特征补充模块处理后的特征和浅层检测通道特征的相似度从而进行有针对性的增强。在KITTI,CBCL和Udacity数据集上进行实验,结果显示相比于基准网络改进后的算法在精度上分别提升了1.52、1.61、2.47个百分点,改善了遮挡目标的检测效果,证明了该方法的有效性。

关键词： 番茄叶片   YOLOv8   轻量化   目标检测   嵌入式设备  

摘要： 针对真实田间环境下背景复杂、病虫害特征小以及现有检测模型难以部署的问题,提出一种RHEO-YOLO模型,并将改进模型部署于移动平台以实现实时检测。设计高效重参数聚合网络(RepELAN)模块以优化原有的C2f模块,在模型推理时将多分支网络结构重参数化,实现在不影响精度的同时降低模型参数量。使用高层筛选特征金字塔网络(high-level screening feature pyramid network,HSFPN)替换原有特征融合网络,增强模型对番茄叶片病虫害特征的表达能力。重新设计YOLOv8的检测头,并将损失函数更改为OIOU,加快模型收敛速度,并提高检测精度。实验结果表明改进后模型的精确率和召回率为89.4%和84.2%,平均检测精度为88.9%,同时参数量和模型大小分别降低约63%和60%,与其他目标检测模型相比,RHEO-YOLO模型在计算复杂度、检测精度方面具有更好的综合检测性能。在嵌入式设备Jetson Nano和Jetson Xavier NX上实时检测帧率分别为8.3 FPS和29.4 FPS,基本满足实时检测要求。改进后的模型能够有效检测自然环境下的番茄叶片病虫害目标,为番茄叶片病虫害检测算法改进和实际应用提供理论和技术支持。

关键词： YOLO   Android平台   答题卡自动评分   目标检测   深度学习   PyTorch  

摘要： 传统的人工阅卷方式效率低且易出错。为此,结合YOLO目标检测算法与Android平台,设计并实现了一种答题卡自动评分系统。首先通过搭建深度学习环境、准备数据集,使用LabelImg对图像进行标注,利用PyTorch框架训练YOLOv5模型,并将其转换为适用于移动设备的格式。接着开发了基于Kotlin语言和Jetpack Compose的Android应用程序,实现了答题卡图像的采集、目标检测及评分功能。实验结果表明,该系统具有较高的准确性和实时性,能有效提升阅卷效率,为教育信息化提供了技术支持。

关键词： 海珍品目标检测   YOLOv9-S   AKConv   注意力机制  

摘要： 海珍品目标检测是海珍品资源智能化开发的关键性技术。针对水下环境复杂、特征提取困难、目标尺寸各异以及小目标较多导致海珍品目标检测精度低的问题,该研究提出了一种基于YOLOv9-S的改进算法YOLOv9-PAEG。首先,通过引入PfAAM注意力机制和分布移位卷积DSConv2D对SPPELAN模块进行改进,设计出PFAD_SPPELAN模块,提高了模型的检测精度和速度。其次,在模型的骨干网络层引入可改变核卷积AKConv,模型能够更灵活地适应不同大小和形状的特征,从而提高对多尺寸目标、尤其是对小目标的特征提取能力。然后,在模型的颈部层中融入ECA注意力机制,模型对重要特征的表示能力得到了增强,进而提升了检测精度。最后,通过采用GIoU损失函数,模型的收敛得到了加速,定位精度也得到了优化。结果显示,在数据集DUO和UDD上,YOLOv9-PAEG模型的mAP@0.5分别达到了89.7%、77.6%,FPS分别达到了71、69,相比于原模型和其他主流的目标检测模型在检测精度和速度上均有所提升。这充分证明了YOLOv9-PAEG模型的有效性和先进性,能够为海珍品提供更好的检测效果。

关键词： 边缘检测   尾流   遗传算法   图像处理   边缘评价  

摘要： 基于改进遗传算法提出了一种新型的自适应阈值。由于实际检测过程中受光照强度以及气候等外部因素的影响,当目标图像的配置阈值与实际阈值相差较大时,检测结果往往不够准确。针对不同的图像,通过遗传算法计算出最优阈值,并将计算出的阈值用于边缘检测。引入图像评价指标对本算法在处理尾流图像的效果进行定量评估,结果表明,与传统的边缘检测算法相比,本文所改进的算法处理后的尾流图像边缘连续性更强,在尾流图像处理中具有更好的检测效果和适用性。对比结果与主观对比检测结果图像得出的结论相同,说明本算法可以更准确提取尾流的边缘,且失真较小。

关键词： 裂缝   数字岩心   CT扫描   图像处理   滤波   边缘增强  

摘要： 裂缝广泛存在于各类岩石中,其特征对于储层评价、油气藏开发和地质灾害预测等领域具有重要意义。现有基于图像处理的裂缝提取技术在微裂缝识别、裂缝细节特征提取、裂缝与孔隙区分等方面存在明显不足。提出了一种多尺度裂缝滤波核叠加降噪方法,采用多个滤波核叠加对岩心CT扫描图像进行滤波降噪,再将滤波结果叠加;提出了一种多尺度信息增强裂缝分割方法,将阈值分割、顶帽分割等图像分割方法与边缘增强技术相结合,以增强微裂缝信息,并针对不同尺度裂缝采取不同的分割策略;分析了图像分割三维体的长度、宽度、表面积、体积、形状因子、平整度和伸长率等形态参数之间的关系。研究结果表明,多尺度裂缝滤波核叠加降噪方法显著降低了岩心CT扫描图像噪声干扰,精准地保留了裂缝细节特征;多尺度信息增强裂缝分割方法提高了多尺度裂缝的提取精确度和稳定性;裂缝形态参数图版能剔除与裂缝相似的孔隙、特殊矿物边界等非裂缝,最终实现多尺度裂缝的准确提取。

关键词： 光伏组件   红外图像   目标检测   热斑检测   RT-DETR  

摘要： 针对无人机航拍光伏组件红外图像的背景复杂、热斑缺陷的形状大小各异、反光干扰导致目标特征显著度较低等问题,提出了基于改进RT-DETR模型的光伏组件热斑缺陷检测模型RT-DETRSRC。首先,以RT-DETR为基础模型,利用细粒化卷积SPD-Conv改进主干网络中的深度可分离卷积模块,精细化地提取缺陷的特征,提高模型的特征提取能力。在颈部网络中,提出RepBi-PANCARAFE结构来提升模型的检测精度。采用双向级联特征融合结构RepBi-PAN,增强深层特征和浅层特征之间的信息交互和特征融合;引入特征上采样算子CARAFE,在更大的感受野范围内捕获和整合上下文语义信息。实验结果表明,RT-DETR-SRC模型的mAP50和mAP50:95相较于基线模型分别提升了4.5%和4.1%,能够有效地识别红外图像中的热斑缺陷。

关键词： 助残手控制   计算机视觉   深度相机   抓取模式识别  

摘要： 助残手是帮助上肢残疾患者恢复日常生活能力的重要方法,但在目前研究中,助残手一般只有张开和闭合这2种抓取模式,不符合真实的手部动作。为了实现不同的抓取模式,提出了一种基于深度相机的助残手不同抓取模式的控制方法,采用物体信息-抓取模式映射的策略,帮助用户控制多指助残手对各种日用品进行抓取。通过设计助残手实验,完成了不同抓取模式下6种日常物体的控制动作。实验结果表明:模式识别成功率达到92.83%,验证了基于深度相机助残手不同抓取模式控制方法的可行性和实用性。

关键词： 水下潜航器   目标跟踪   量测异常修正   运动变化约束   扩展卡尔曼滤波   自适应   稳健性   测距精度   动态阈值检测   噪声未知  

摘要： 针对水下环境中量测噪声的非平稳及统计特性未知等问题,本文在典型水下目标跟踪场景下,提出一种融合运动变化约束与自适应噪声估计的量测异常检测与修正机制。结合水下无人潜航器低速航行的运动特性,构建运动模型并引入基于新息分析的动态阈值策略,实现对突发量测异常的实时判别与修正。为增强滤波器在噪声未知环境中的适应能力,进一步引入了Sage-Husa(SH)算法解决噪声未知的问题,在动态环境中自适应调整量测噪声。经仿真与实测结果验证:所提方法与传统方法相比测距误差降低13.16%,表明其在量测噪声非平稳下具备更强的稳健性与适应性。

关键词： 目标检测   红外   弱小目标   上下文   注意力机制  

摘要： 红外弱小目标尺寸小、信杂比低以及且场景复杂多变,传统目标检测框架对其检测精度以及鲁棒性难以满足实际要求。为解决上述问题,本文提出了一种融合密集嵌套结构与非对称上下文的红外弱小目标检测方法DNACNet(Densely Nested with Asymmetric Context Net)。该方法通过构建密集嵌套骨干网络,结合非对称上下文实现全局注意力调制,增强多尺度上下文信息交互,使红外弱小目标的特征表达更加完整。在公开数据集NUDT-SIRST和NUAA-SIRST上进行了大量实验,结果验证了DNACNet在检测红外弱小目标精度和鲁棒性方面均具有显著优势。