关键词： 人体三维建模   计算机视觉   Kinect  

摘要： 针对人体三维建模技术中存在精度有限、难以精确投影至人体图像轮廓、姿态深度信息缺失等问题,提出了一种基于立体视觉和Kinect相机的人体三维建模算法,通过将Kinect相机采集的点云数据集与立体视觉技术下建立最初的人体模型相匹配,不断优化模型参数,实现基于单幅图像的人体三维建模。结果表明,本文算法所建模型的均方根误差相较于Hmr算法平均减少了31%,能够较为准确地将所建立的三维模型投影到彩色图像中的人体轮廓,重建出较为精确的人体三维模型。

关键词： YOLOv8   卷积函数   轻量化网络   注意力机制   目标检测   深度学习   自动分拣   核桃品种检测  

摘要： 为了提高在传送带上核桃品种检测的精度,文中提出一种轻量化核桃品种检测算法(YOLOv8n-EAM)。首先,该算法采用多尺度卷积结构,通过对GhostNet的冗余特征最小化策略、分组卷积和MobileNet的通道特征融合进行改进,显著提高了模型的核心特征提取能力;其次,为了更好地保留特征图中的信息和尺度不变性,采用平均池化和最大池化进行下采样,在减少浮点运算量的同时,提高了模型的检测准确率;最后,在空间金字塔池化中内嵌MLCA注意力机制,提高模型在Neck部位捕获不同尺度语义信息的能力。实验结果表明,在自制的核桃数据集上,YOLOv8n-EAM算法相比YOLOv8n算法浮点运算量有所降低,模型体积降低了17.7%,精确率、召回率、mAP@0.5和mAP@0.5:0.95分别提高了3.6%、1.6%、1.4%和2.8%。在Pascal VOC 2007数据集上,YOLOv8n-EAM算法相比其他算法同样有较高的平均检测精度,mAP@0.5和mAP@0.5:0.95分别为58.2%和37.2%,均优于其他对比的目标检测算法,可以为工业上对核桃品种分拣提供技术支持。

关键词： 传感网   目标跟踪   一致性算法   置信度  

摘要： 在视场互补传感网目标跟踪应用中,当目标跨节点视场时,目标在每个时刻仅能被部分节点观测到并返回目标量测,导致各节点对同一目标的状态估计精度参差不齐,节点间进行自适应一致性信息融合的增益权重失配,使得传感网目标跟踪性能恶化。在现有ACFr滤波算法基础上提出了一种基于置信度的自适应一致性滤波算法(Confidence-based Adaptive Consensus Filter,CB-ACF)。所提算法利用节点对目标可观性的历史统计量,将目标跨节点状态细分为入视场和出视场两种情况,并基于其设计能够反映各节点对目标状态估计精度变化趋势的自适应置信度计算规则,利用节点置信度设计一致性增益权重并对各节点间状态估计值进行自适应一致性滤波融合。仿真验证结果表明,所提算法与经典自适应一致性滤波算法相比,传感网的目标状态估计精度及节点间目标状态估计一致性均有较大提升。

关键词： 图像识别   图书盘点   图书定位   计算机视觉   图书馆  

摘要： 随着图书馆规模的扩大和图书数量的增加,传统的图书盘点和定位方法已无法满足现代图书馆的需求。本文提出了一种基于图像识别技术的图书盘点及定位系统,该系统利用计算机视觉和图像处理技术,通过对书籍封面或标签的识别来确定图书的具体位置,旨在提高图书盘点的效率和准确性,为图书馆管理提供有力支持。

关键词： 中药饮片   目标检测   EfficientDet   深度学习  

摘要： 目的应用深度学习算法对易混淆的中药饮片进行识别,确定目标中的中药饮片位置及类别,在此基础上进一步对原网络框架上进行改进,提高识别准确率。方法本文基于EfficientDet目标检测算法框架,结合注意力机制,对网络结构进行改进。通过这种方式,模型在处理图像时能够更加关注重要特征,从而提高识别的准确性。图像数据采集使用人工拍摄的方法构建,采集后,使用标注工具对图像进行人工标注,确保数据集的准确性和完整性。完成数据集构建和模型设计后,输入数据进行训练,以优化模型性能。结果针对易混淆的两种中药饮片(川贝母、平贝母)进行识别验证,平均识别准确率为99.06%,引入注意力机制进行改进后,平均识别准确率可达到99.34%。这一结果表明,EfficientDet算法在易混淆中药饮片识别任务中具有很高的准确性,且注意力机制的引入有效提升了模型的性能。结论本文将轻量级高效的EfficientDet神经网络应用于中药材识别,并在原网络框架基础上进行改进,显著提升了识别准确率。该研究为中药饮片自动化识别系统的实现奠定了基础,具有重要的临床应用价值。通过高效的识别系统,能够提高中药的安全性与有效性,为中医药的传承与发展提供强有力的技术支持。

关键词： 目标检测   合成孔径雷达(SAR)   Transformer   轮廓增强   可变形注意力  

摘要： SAR图像船舶目标检测在海上搜救、环境监测等领域意义重大。近年来,基于Transformer的检测网络于SAR目标检测领域发展迅速。但这类SAR船舶检测网络仍存在近岸船舶检测难度大、计算复杂度高两大突出问题。该文对这些问题进行深入剖析,针对近岸船舶检测中虚警高、漏检多的难题,对网络结构进行重构,在骨干网络部分使用可变形注意力机制,并引入数据相关的偏移生成器;在颈部网络使用轮廓引导的形状增强模块,抑制海岸、岛屿或海浪产生的背景杂波对图像的干扰。为解决计算效率问题,该文在网络前端增设一个动态的网络稀疏化模块,逐步修剪不同层中的冗余信息。实验结果表明,改进后检测网络提升近岸船舶检测效果,降低计算复杂度,具备实际应用价值。

关键词： 改进YOLOv3   受损建筑物   遥感影像   高分辨率   目标检测  

摘要： 针对地震后利用遥感图像检测受损建筑物,本研究提出了一种基于改进YOLOv3模型的受损建筑物识别方法。首先,通过深入分析尺度特征,对主干网络进行了针对性优化,增强了模型对微小目标特征的捕获能力。其次,引入感受野模块(Receptive Field Block,RFB),拓宽了特征图的感知域,提高了对小尺寸目标的检测灵敏度。最后,对锚框及其分配策略进行了精细调整。实验结果表明,相较于原始YOLOv3模型,所提方法检测精度和检测速度均大幅提升,并且在抗噪能力上展现出显著优势;与已有识别方法相比,平均检测精度分别提升了4.8%和5.4%;在处理复杂的目标检测任务时展现出更优的性能和更强的鲁棒性,有效实现了高分辨率遥感图像中受损建筑物的准确识别。

关键词： 目标检测   目标跟踪   YOLOv5s   DeepSORT  

摘要： 针对YOLOv5s算法作为DeepSORT的目标检测器具有计算量大、模型复杂以及检测精度有待提高等问题.首先,引入GhostNet轻量化模块对YOLOv5s模型进行轻量化,减少模型的参数量与计算量,以满足移动端的部署要求;其次,引入ECA注意力机制,增强模型的感知能力,提升检测性能;最后,对YOLOv5s模型进行知识蒸馏,进一步提升模型的检测精度.改进后的YOLOv5s在精确度、召回率和mAP@0.5上与未改进的YOLOv5s相比分别提高2%、1%和0.8%,模型参数量降低47%,模型复杂度降低48%.将改进后的YOLOv5s与DeepSORT算法相结合,与未改进的YOLOv5s相比在MOTA、MOTP和IDF1上分别提升1.2%、3.1%和2.7%,IDS下降35.通过实验验证,改进后的YOLOv5s作为检测器能够提升检测速度,减少行人ID的切换,能有效应用于行人跟踪.

关键词： 机器视觉   缺陷检测   机械零件   随机森林   图像处理  

摘要： 为了提高机械金属零件缺陷检测的准确性和效率,本文研究了一种基于机器视觉的自动化检测方法。该方法首先通过工业相机采集金属零件的图像,并进行图像预处理操作;然后,基于颜色直方图对图像进行特征提取,描述缺陷的颜色分布信息,并构建特征向量作为随机森林模型的输入。实验采用东北大学NEU-CLS(northeastern university surface defect database)数据集进行验证,通过5折交叉验证对模型性能进行了评估。实验结果表明:所提方法在缺陷识别的准确性、精确率、召回率和F_1分数等方面均表现出优异的性能。

关键词： 活性污泥微生物   目标检测   YOLOv8   可形变卷积   注意力机制   损失函数  

摘要： 活性污泥中的指示性微生物是评估污水处理厂运行状况的关键指标,但部分微生物存在体型小、形状不规则和形态相似等问题,给检测带来挑战。该研究基于YOLOv8提出MMDIM-YOLO方法:首先在YOLOv8的主干网络引入可形变卷积(DCN),在训练过程中引入偏移来提取更全面的特征,同时应用多路径坐标注意力(MPCA)机制强化DCN偏移权重计算,融合C2f模块形成C2f-DM模块,提高主干网络的特征提取能力;然后引入混合局部通道注意力机制MLCA,提升处理复杂图像任务时的效果;最后设计Inner-MPDIoU边界框回归损失函数,提高回归预测精度,加快收敛速度。在自建ASM-ODD数据集评估,MMDIM-YOLO模型仅6.193 MB参数量、8.135GFLOPS计算量,mAP50达90%,比YOLOv8提高2.1%,优于其他主流模型,能助操作人员优化污水工况处理、提升效率。