关键词： 钢材表面缺陷检测   深度学习   目标检测   YOLOv5   空洞卷积   微小目标检测头  

摘要： 针对钢材表面缺陷检测的难点,提出一种基于YOLOv5算法的钢材表面缺陷检测方法。采用二等分的方法进行数据扩充,提高了模型的鲁棒性和泛化性;加入了通道注意力机制,提升了网络对重要特征的提取能力;增加了全局上下文特征提取模块,增强了模型对全局上下文特征的提取能力以及对不同尺寸缺陷的检测能力;增加了微小目标检测头,提升了网络对于微小瑕疵的检测能力。改进后的算法在NEU-DET数据集和GC10-DET数据集上的检测精度分别达到了83.1%和76.24%,较原YOLOv5算法提升了8.11个百分点和6.03个百分点。实验结果表明,改进后的算法性能优异,具有先进性,可以为钢材表面缺陷检测提供新的研究思路,助力于工业生产与发展。

关键词： 番茄   成熟度   多模态   目标检测   语义分割  

摘要： 准确识别番茄成熟度并确定最佳收获时间是实现番茄高效采摘并保障采后品质的重要前提。然而,在实际采摘作业场景中,复杂光照导致RGB图像质量下降,限制模型特征提取能力,影响应用效果。此外,现有的番茄串检测和分割数据集难以在番茄异步成熟的生长过程中满足成熟度定向采摘需求。构建基于可见光、深度、近红外的不同成熟度番茄果实多模态图像数据集,能够有效弥补当前研究领域的空白。本数据集采用机械车平台采集和人工辅助采集两种采集方式拍摄视频流数据,通过抽帧降冗、模态对齐、人工筛选等步骤获得4000组多模态图像数据样本,涵盖自然光、人工光、微弱光、钠黄光4种光照条件下的番茄样本图像,包含未熟、半熟、成熟三类成熟度的目标检测和语义分割标注,共计10.08GB。本数据集在YOLOX和Deeplabv3+模型上表现良好,可为番茄智能管理与采收设备的视觉智能系统研发提供基础数据支撑。

关键词： 虹膜分割   集成学习   学习器   U^(2)-Net   DeepLabv3+   PSPNet   皮尔森系数法   图像处理  

摘要： 针对虹膜图像在分割过程中细节分割不准确、边界分割不圆滑以及易受噪声影响等问题,文中提出了一种基于集成学习的虹膜分割算法。相较于传统集成学习算法,文中算法基于皮尔森系数法选择合适的模型作为基学习器,从而提高了集成学习的性能。选用U^(2)-Net、DeepLabv3+以及PSPNet作为同质个体学习器在CASIA-Iris-Interval数据集上进行训练,并预测得到对应的虹膜分割预测结果。对预测结果进行CLAHE和Gamma校正等图像增强操作得到新的预测结果图,选取加权平均法作为集成算法将基学习器的预测结果进行集成学习,从而得到最终的虹膜分割预测结果。测试结果表明,在3个不同的评估指标下,相较于基学习器,所提算法的准确率提升了1%,平均交并比提升了3.8%,宏平均分数提升了2.4%,视觉效果和客观评价指标均有所提升。

关键词： 机器视觉   人工神经网络   导盲手杖   图像处理   OpenMV  

摘要： 视障人群的出行及日常活动普遍依赖导盲犬、导盲手杖或他人帮扶等方式,但随着经济发展,城市规划变得越来越密集,城市布局和道路规划的复杂度也逐渐增加,上述方法已经不能够保障视障人士的出行及日常生活安全,因此加强对视障群体的关注力度、提高其生活质量是我们亟待解决的问题。本设计着眼于机器视觉对彩色信息和深度图像的去噪、滤波、目标标定等处理,加以机器学习训练,实现图像的色彩识别、常见障碍物识别及距离测量功能,将分析结果转换为音频信号并通过语音输出给用户,给予一定行进建议,致力于为视障人士提供避障服务,降低在行走过程中因无法提前预测的障碍物对出行造成的负面影响。

关键词： 多雷达   目标跟踪   信息融合   K秩法融合  

摘要： 针对多雷达协同目标跟踪的效能分析需求,首先对基于密度估计的主流融合算法建模,并结合高斯-均匀混合分布的熵误差理论分析其融合局限,然后基于序贯蒙特卡罗近似的伯努利滤波与K秩融合设计了多雷达协同跟踪方法,提出了误差减函数作为效能分析指标,用于定量分析多雷达目标跟踪的协同效能。仿真实验表明:当多雷达目标跟踪的过程噪声过大或过小时,融合跟踪性能无本质改善,表明该条件下增加雷达数量的效能低;仅当过程噪声适宜时,融合跟踪性能有明显提升,且提升幅度与雷达数量的增加呈正向递减关系,为权衡雷达节点数量开支提供了指导意义。

关键词： 合成孔径雷达   飞机检测   复杂背景   全维度特征提取   可变形全局特征融合  

摘要： 合成孔径雷达(SAR)图像飞机目标检测面临背景复杂、飞机目标较为微弱且尺度较小、不同成像条件下目标差异较大、目标结构不连续等挑战,提出一种新的飞机目标检测算法ATDM,用于提高复杂背景下SAR图像飞机目标的检测精度。使用YOLOv8s作为基线模型并改进了损失函数,算法包含三个重要的模块,即卷积注意力模块(CBAM)、全维度特征提取(ODFE)模块和可变形全局特征融合(DGFF)模块。为了增强网络在复杂背景下对飞机目标特征的提取能力,在基线网络的Backbone插入CBAM,从空间和通道两个维度学习飞机目标的特征;ODFE利用卷积核空间四个维度的动态性,通过并行策略沿核空间的四个维度学习不同类型飞机目标的特征,提升复杂背景下对散射特性较弱的飞机目标及小目标的检测能力;DGFF自适应调整卷积核的形状以适应不同成像条件下得到的飞机目标,并进行全局信息特征融合。最后,改进边界框回归损失函数为动态非单调聚焦损失函数WIoU,采用动态非单调聚焦机制,使用离群度评估锚框质量,降低SAR图像中可能存在的错误标注产生的影响。为了评估所提ATDM的性能,在SADD和高分三号SAR飞机数据集上开展实验,在两个数据集上得到的平均准确率(AP)分别达到95.4%和98.2%;消融实验结果与分析验证了所提出的三个模块及损失函数的有效性。此外,在与其他目标检测算法的对比中,所提算法也得到了最高的平均准确率。

关键词： 图像处理   颜色一致性   跨相机应用   RAW图像   光源感知  

摘要： 针对相机传感器光谱灵敏度和内置图像信号处理(ISP)模块差异导致的图像间颜色不一致的问题,提出2种基于光源感知的跨相机颜色一致性算法,即色温(CCT)感知的自适应分区映射算法和类别感知的自适应分类映射算法,用于将RAW图像从待处理相机的颜色空间转换到目标相机的颜色空间.通过在不同色温和类型的典型光源下得到的训练算子来推导目标场景最终的映射算子,为不同照明场景建立特定的映射关系,进而实现跨相机图像的转换.在实验中采用颜色差异指标来对算法进行客观评估,结果表明所提出的2种算法在色差和视觉效果方面均比现有经典方法展现出更好的性能,能够有效适应照明条件的多样性和复杂性,具有广泛的应用潜力.

关键词： 小样本学习   元学习   目标检测   多尺度特征融合   注意力机制  

摘要： 针对现有小样本目标检测模型存在的尺度变化问题,支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题,本文提出一种融合多尺度特征与注意力的小样本目标检测模型.首先,采用ResNet-101网络进行特征提取,同时引入ASPP(Atrous Spatial Pyramid Pooling)模块获取不同的感受野,以捕获目标细节信息的多尺度特征.其次,采用Bi-FPN网络进行多尺度特征融合,获得更具代表性的查询特征与支持特征,有效缓解尺度变化问题.然后,利用提出的注意力引导特征增强模块对查询特征与支持特征进行自身关注,使得它们具有更好的判别能力,由此促进查询特征与支持特征的融合,以更好地应对外观变化和遮挡带来的挑战,从而缓解误检、漏检问题.最后,将分类头与边界框回归头进行解耦,分别对RPN网络基于细粒度查询特征产生的候选区域进行目标分类与目标定位.在PASCAL VOC与MS COCO数据集上的实验结果表明,所提模型的检测性能优于主流的小样本目标检测模型,相较于基线模型DCNet,mAP平均分别提升了3.5%与2.1%.

关键词： 深度学习   YOLOv5   轻量化   鲜茶叶   目标检测  

摘要： 茶芽分类识别是名优茶生产中十分重要的环节。针对目前茶芽识别算法模型尺寸大、计算量大且无法区分采摘形态等问题,本研究以YOLOv5s为基线模型,提出了一种改进的鲜茶叶识别模型(YOLOv5s-SPCS)。首先,收集实验室环境和自然环境下的鲜茶叶图像制作鲜茶叶数据集。其次,基于ShuffleNetV2思想构建Shuffle Block模块替换主干网络中的卷积模块,在减少模型参数量和计算量的同时提高特征提取速度。然后,在颈部网络引入部分卷积结构PConv和无参数注意力机制SimAM构建C3-PCS模块替换原C3结构,减少模型计算冗余和内存访问,提高识别精度。最后,采用SIoU作为边界框损失函数,提高预测框收敛速度和收敛精度。试验结果表明,YOLOv5s-SPCS模型参数量、计算量和权重文件大小分别为YOLOv5s模型的14%、14%和16%,对鲜茶叶识别准确率为81.8%、平均精度均值为82.4%,相较于原始模型,准确率提升了2.7个百分点,平均精度均值保持不变。此外,改进后的YOLOv5s-SPCS模型整体性能优于当前常用的Faster R-CNN、SSD、YOLOv3、YOLOv4等目标检测模型。本研究可为鲜茶叶识别分类及后续移动端部署提供有效的技术支持。

关键词： 图像处理   颜色恒常性   语义分割   多区域融合   光源估计   场景语义  

摘要： 针对现有颜色恒常性算法在复杂场景下的适用性差,光源估计精度不高的问题,提出一种多区域融合的全卷积颜色恒常算法.首先,利用金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)模型对目标图像进行场景语义分割;其次,将本文提出的基于全卷积网络架构的端到端光源估计模型(Full Convolutional Illuminant Estimation Network,FCIEN)用于各语义区域进行光源估计,各区域通过加权融合得到整体图像的光源估计值;最后,根据得到的光源估计值使用Von Kries模型对目标图像进行偏色校正.在Gehler-Shi、NUS-8camera等数据集中的实验结果表明,相较于同类型的算法,本文算法的光源估计角度误差值分别下降20.73%、15.22%.实验结果表明,本文算法针对复杂场景的光源估计有着较强的鲁棒性和准确性.