关键词： 航拍小目标检测   YOLOv8n   特征提取   特征融合   VisDrone2019   TADDH  

摘要： 针对无人机航拍小目标检测任务中因多尺度和遮挡现象导致的漏检问题,文中提出一种改进的YOLOv8n检测算法FDD⁃YOLO。首先,在骨干网络中引入了感受野注意力卷积(RFCAConv)模块来提取深层特征,显著提升了特征提取的有效性和准确性;其次,在颈部设计了一种跨尺度加权特征融合模块(FBGM),克服了因目标尺度悬殊致使小目标特征易丢失的难题,在精简网络结构的同时,显著提升了复杂场景下对小目标的精准检测能力;最后,引入了任务对齐动态检测头(TADDH),解决了任务间缺乏有效交互的问题,减少了误检和漏检的情况。通过实验,验证了FDD⁃YOLO在VisDrone2019数据集上的性能表现,并与最初的YOLOv8n基线模型相比,参数量上升2.7%的同时,精确率(P)提高了4.9%、召回率(R)提升了4.0%、mAP@0.5增加了4.9%、mAP@0.5:0.95提高了3.3%,取得了更好的效果,在无人机航拍目标检测领域更具优势。

关键词： 机器视觉   接触网   障碍物检测   图像处理   深度学习  

摘要： 随着铁路交通事业的蓬勃发展,接触网作为电力供应体系的核心构成部分,其安全性与稳定性对铁路运营起着举足轻重的作用。传统的接触网检测手段主要依赖人工巡检或固定设备,这类方式不仅效率低下、成本高昂,而且极易受到人为因素的干扰。鉴于此,本文提出了一种基于机器视觉的接触网障碍物检测系统,该系统融合了图像处理与深度学习技术,能够自动检测并识别接触网区域内的障碍物,具备较高的检测精度与实时性,为提升接触网巡检效率、保障铁路运行安全提供了坚实可靠的技术支撑。

关键词： 杉木   YOLOv5   深度学习   目标检测   卷积块注意力模块(CBAM)  

摘要： 为准确快速获取杉木(Cunninghamia lanceolata(Lamb.)Hook.)幼苗植株信息,利用杉木幼苗顶芽向上生长特性,针对顶芽尺寸差异及背景复杂等问题,提出依据改进型YOLOv5算法的幼苗精准识别方法。采用MobileNetv3-Small轻量化主干网络替代原有网络,降低模型参数量及计算量,实现实时检测。在模型颈部引入卷积块注意力模块(CBAM)注意力机制,增加对较小顶芽的感知能力,提高模型泛化能力。结果表明:在自建的杉木幼苗顶芽数据集上,改进后的YOLOv5模型与标准版YOLOv5模型相比,有较大提升。改进后的YOLOv5模型在NVIDIA 2060上检测速度达到28.7帧·s^(-1),检测速度提升68.9%,模型大小减少63.8%,计算量减小77.2%;在精度评价指标上,精确度达到88.4%,查全率为87.2%。与其他目标检测模型(YOLOv3、Faster R-CNN)及标准版YOLOv5相比,改进后的YOLOv5模型平均精确率提升8.2%~28.8%。轻量化结合注意力机制的改进型YOLOv5模型能够准确及快速地识别杉木幼苗,为实现杉木苗大规模及自动化的精准培育提供技术支持。

关键词： 深度学习   冬枣   目标检测   成熟度检测   YOLOv8   特征融合  

摘要： 冬枣的准确检测和成熟度判别是冬枣产量估计和实现机器人采摘的前提。针对果园环境中未熟、半红和完熟冬枣的检测,提出一种基于改进YOLOv8的冬枣果实成熟度检测算法(SG—YOLOv8)。首先,在原始网络的主干中引入全局注意力机制GAM,以增强通道间的相关性,从而更有效地区分不同成熟度的冬枣。其次,在网络颈部新增小目标检测层,通过扩展检测尺度来提升对密集生长和小型冬枣目标的检测能力。此外,构建基于GSConv的Slim—neck结构,以降低模型的内存占用和计算复杂度,同时保持高准确率。试验结果表明,所提模型的检测平均精度均值mAP为95.00%,与YOLOv8s相比,mAP提高2.7个百分点;与YOLOv6s、YOLOv7、RT—DETR—X、Faster R—CNN和YOLOv5s相比,SG—YOLOv8的mAP分别提高10.9、7.3、5.8、59.0和3.9个百分点。

关键词： 钢板信息识别   计算机视觉   深度学习   图像处理   工业自动化  

摘要： 针对传统人工识别效率低、错误率高的问题,提出基于计算机视觉与深度学习的自动化识别系统,通过工业相机、PLC控制及OCR技术实现钢板信息的实时采集与处理。系统采用海康威视线阵相机(16384×1像素)和高性能工控机(NVIDIA RTX 3060 GPU),结合CRNN模型进行字符识别,并利用投影分割法解决喷码粘连问题。测试结果表明,系统在磨损、光照不均等复杂条件下,字符识别正确率达98.7%~99.2%,显著优于传统OCR技术。硬件上,西门子S7-1200 PLC通过PROFINET网络协调视觉模块与输送线控制,电气柜分层设计有效抑制信号干扰;软件上,海康Vision Master平台集成图像预处理、ROI提取和深度学习推理模块,确保高信噪比输入。系统通过HMI实现实时监控与参数调整,形成闭环控制。结论表明,该方案不仅提升了钢板信息识别的精度与效率,其模块化设计还可扩展至其他工业字符识别场景,为智能制造提供了可靠的技术支撑。

关键词： 葡萄果实检测   葡萄果梗   深度学习   目标检测   卷积神经网络  

摘要： 葡萄果实与果梗的精确检测是实现葡萄智能化采摘的关键。当前检测算法的准确性和实时性尚不满足实际生产环境需求,且难以在复杂场景下完成多串葡萄的高效检测。针对这一问题,基于YOLOv8s提出一种用于葡萄果实与果梗检测的高精度实时方法RepViT—YOLOv8s。该方法在图像特征提取阶段使用RepViT替换基准模型的卷积块,RepViT结合Vision Transformer的高感受野特性以及卷积神经网络的方便快捷性,能更充分地提取图像的特征信息,更细粒度地表征目标的特征;在特征融合阶段提出一种C2f—CBAM模块,使用视觉注意力机制CBAM突出目标特征,抑制图像背景信息,并结合C2f模块实现目标特征增强提取;在目标边框损失上使用SIoU Loss更准确地计算预测框与真实框的偏差,在训练时更快地收敛模型。试验表明:相比于YOLOv8s模型,RepViT—YOLOv8s在MS COCO 2017验证集上的精确率、召回率、mAP@0.5以及mAP@0.5:0.95分别提高3.5%、2.5%、3.0%和2.3%,同时在自建葡萄果实和果梗数据集上RepViT—YOLOv8s的精确率、召回率、mAP@0.5以及mAP@0.5:0.95分别达到97.4%、79.6%、86.8%和61.6%,较YOLOv8s分别提高3.3%、3.0%、3.2%和2.6%。

关键词： 公路隧道   分布式光纤传感   振动探测   数据采集   信号检测   测试分析  

摘要： 公路隧道位于错综复杂的地下城市交通网络中,周遭环境多变,其运营安全常常受到外界施工的侵扰。为了解决这一难题,利用分布式光纤测振系统及时预警潜在的破坏性施工活动,为公路隧道的防破坏监测提供了有力工具,从而有效保障了隧道的安全运营。

关键词： 枸杞识别   YOLOv8   目标检测   实例分割   风沙噪声   图像分类  

摘要： 20250601风沙噪声影响下基于改进YOLOv8的枸杞识别算法//DOI:10.25165/***.20251802.9052鉴于中国西部地区风沙大的自然环境,枸杞识别与沙尘噪声之间存在显著关系,因此需要一种高精度的算法来解决这一问题。该研究旨在开发一种能够准确检测和识别枸杞的算法。YOLOv8是由Ultralytics推出的一种算法,支持图像分类、目标检测和实例分割任务。

关键词： 铁路运输   智能检测   计算机视觉   检车装置  

摘要： 为提高货运列车运输安全检查的高效性，文章开展了货运列车在站智能检测技术的研发，提出了基于高清彩色线阵相机采集图像的检测技术方案，并开展了高清图像切割拼接算法、AI智能模型算法和低速测速算法等研究，完成了图像智能、声音和温度监测等关键技术验证。完整的闭环检测装置包括双向窄波测速装置模块、列车编组智能比对模块、三维高清图像智能监测模块，实现了整车装载状态的智能检查。列车在站智能检车装置可提升交接工作效率，使检车流程更加智能化和规范化。

关键词： 计算机视觉   建筑   施工   危险   前兆   信息识别  

摘要： 为提升建筑施工安全管理的智能化水平，文章开展基于计算机视觉的建筑施工危险前兆信息识别研究，介绍基于计算机视觉的危险前兆信息识别方法，详细分析目标检测、数据预处理、模型训练及信息识别等关键技术环节，并提出一种融合YOLOv4目标检测算法与单应性矩阵空间映射的施工危险预警模型。结果表明，该方法能够有效识别施工现场中的危险相关对象，实现对危险前兆信息的准确提取与量化，为施工安全风险的早期预警提供技术支持。