关键词： 空间目标   仅测角   C-W方程   摄动   目标跟踪  

摘要： 针对在仅测角相对导航中由于状态方程精度不够导致跟踪误差发散的问题，提出一种基于扩展卡尔曼滤波（Extended Kalman Filter，EKF）的高轨空间非合作目标跟踪方法。首先，构建了非合作目标的相对运动模型，建立了状态方程和量测方程；然后，利用合适的摄动力项对状态方程进行改进，使状态方程与实际情况更相符；最终得到的空间非合作目标仅测角跟踪算法与改进前相比，提高了C-W方程的精度，进而提高了相对导航的精度。通过将不同的改进项应用于目标跟踪并进行仿真比较，以空间目标的实际运动轨迹和预测轨迹的相对距离的误差为评价指标，仿真结果表明，跟踪精度明显提升，满足相对导航的指标要求。

关键词： 喷药机   多喷头   翻转   折叠   图像处理   Simulink仿真   喷药性能  

摘要： 农药喷洒是植保的重要环节,但传统喷药机存在喷药效率低、喷洒精度低、对农作物破坏性大、危害喷药人员身体健康等问题。为此,设计了一款多喷头拉杆翻转折叠式喷药机,其具备图像处理、全方位喷药、自动化喷药3大核心技术,克服了传统喷药技术的不足,且在喷药精度等方面优势明显。阐述了该多喷头拉杆翻转折叠式喷药机的基本结构和工作原理,并对其关键结构包括移动装置、储药装置、旋转驱动装置、喷药装置、电路与控制装置进行了结构分析与设计。利用Simulink可视化仿真工具进行了路面不平度分析、振动分析和强度校核,各项指标均符合要求。最后,为测试自动喷药机的运行情况和实际作业性能,对样机进行了喷药性能试验。通过测定喷药机的飘移潜在值,得出喷药机的喷药性能较为稳定,从而验证了该喷药装置的可行性。

关键词： 图像处理   卷积神经网络   注意力机制   特征交互   泌尿感染  

摘要： 深入探讨一种基于双尺度特征交互网络的上尿路泌尿感染CT影像评估方法。对2023年12月至2024年4月复旦大学附属闵行医院收治的上尿路感染患者CT平扫数据进行回顾性分析,构建数据集,展开深度学习训练。该文提出一种基于双尺度特征交互的模型(Dual-Scale Feature Interaction Network,DFI-Net)。该模型在ResNet模型的基础上,融合了视觉Transformer结构的优势,引入特征交互机制,可以有效提高模型的特征提取和识别能力,同时以准确率、精确度、特异度等作为模型性能的评价指标,与已有的分类模型ResNet50、EfficientNet-B0、ConvNext-T、Swin-T及Vision Transformer进行了对比。此外,设计消融实验以验证特征交互模块的有效性。ResNet50、EfficientNet-B0、ConvNext-T、Vision Transformer和Swin-T的准确率分别为79.955%、78.842%、83.206%、78.485%和83.195%。DFI-Net的准确率达到85.582%,且特异度和灵敏度达到较好的平衡,分别为88.261%和85.093%。该模型能够有效增强对上尿路泌尿感染CT影像的识别能力。

关键词： 嵌入式设备   目标检测   疑似违停车辆  

摘要： 路侧停车区在缓解城市停车压力方面发挥了重要作用,但随着城市机动车保有量的持续增长,城市路侧停车位供需缺口持续扩大,由此导致的违停现象严重影响了交通效率和安全。现有基于定点摄像头或传感器的违停监控系统存在成本高、监控范围受限等问题。为此,本文提出了一种基于移动摄像头的路侧停车区疑似违停车辆检测方法。该方法利用嵌入式设备结合改进的目标检测算法(mAP@50提升3.3%)进行开发,依托自制数据集完成模型训练,实现了疑似违停车辆的实时检测,并有效支持大范围区域的疑似违停监控任务。通过与同时段、同路段的无人机跟踪正射影像对比分析,本文方法的违停检测平均查准率达0.87、查全率达0.88,检测速度高达53.96 fps,充分验证了本文方法的可行性和有效性。

关键词： 疲劳驾驶检测   眼睛长宽比   嘴巴长宽比   计算机视觉   实时监测  

摘要： 为降低疲劳驾驶引发交通事故的风险,文章设计了一种基于OpenCV的驾驶员疲劳状态检测系统。该系统通过摄像头获取驾驶员面部视频,利用计算机视觉方法实时监测驾驶员的眼部和嘴部特征状态,并采用PERCLOS指标、眼睛长宽比(EAR)和嘴巴长宽比(MAR)等算法判断驾驶员是否处于疲劳状态。系统首先检测人脸并定位眼睛和嘴巴区域,计算眼睑闭合程度和张嘴幅度等特征参数;当检测到连续眨眼、长时间闭眼或频繁打哈欠等疲劳迹象时,系统及时发出警报提示。实验结果表明,该系统能够在白天正常光照条件下准确识别疲劳驾驶行为,对闭眼和打哈欠的检测准确率较高,误报率较低,具有一定的实时性和鲁棒性。其创新点在于融合眼部和嘴部多特征进行疲劳检测,并基于OpenCV实现了轻量级的实时监测系统,可为驾驶安全预警提供技术支持。

关键词： 违禁品   开放词汇   目标检测   X光图像   深度学习  

摘要： 针对X光安检场景中违禁品复杂多样的挑战,本文引入了一种开集目标检测算法,即Grounding-DINO模型,旨在实现开放词汇检测。该模型融合了视觉与语言特征,突破了类别限制,可动态识别任意目标。实验表明:在X光安检图像中,Grounding-DINO对新型违禁品仍保持较高的检测精度,其跨模态注意力机制能有效应对复杂情况,提升检测鲁棒性。

关键词： 深度学习   电子图像识别   图像处理   技术优化  

摘要： 文中聚焦于基于深度学习的电子图像识别与处理技术优化,深入剖析了当前技术在图像识别与处理应用中的关键问题,并基于对深度学习算法的深入挖掘和改进,提出了一系列优化策略。研究表明,优化后的技术显著提升了电子图像识别的准确率与处理效率,在复杂场景下也展现出良好的适应性,促进了电子图像技术在更多领域的深入应用。

关键词： 无人艇   目标跟踪   YOLOv5   Deep-SORT  

摘要： 无人艇(Unmanned Surface Vessel,USV)是一种可以在海面上自主航行或依靠操作员远程遥控航行的智能载具,可以搭载各种测量、监控设备甚至是武器。无人艇在民用领域和军用领域都有很大用途。但是受海洋环境变化以及检测目标的运动性,传统的目标跟踪方法效果一直不佳。本文提出了一种将YOLOv5与Deep-SORT联合优化算法,能够有效地应对目标跟踪漂移、目标跟踪脱靶和误跟踪等问题,为无人艇领域提供了新思路与技术支持。

关键词： 卷积神经网络   目标检测   图像分析   无人机   玉米雄穗  

摘要： 精准检测玉米雄穗对保障玉米生产具有重要的理论意义与应用价值。针对当前玉米雄穗检测中存在的不同品种雄穗形态差异明显、田间复杂背景干扰及目标遮挡严重等核心问题,该研究基于YOLOv9m提出多尺度轴向感知与特征增强网络(multi-scale axial aware and feature enhancement network,MAAFENet),用于多品种玉米雄穗的检测。该网络利用交互式跨层融合特征增强模块增强玉米雄穗的关键特征信息,减轻土壤、叶片等背景噪声干扰,并缓解遮挡场景下的特征丢失问题;利用多尺度轴向感知模块结合全局上下文信息和局部细节信息,提升对多品种雄穗的特征提取能力。结果表明,MAAFENet在多品种玉米雄穗检测(multiple varieties maize tassel detection,MVMTD)数据集上的精确率、召回率和平均精度均值分别为92.9%、92.5%和93.9%,比YOLOv9m模型分别提高了1.1、0.9和0.2个百分点。此外,MAAFENet在公开的玉米雄穗检测与计数(maize tassel detection and counting,MTDC)数据集上的精确率、召回率和平均精度均值分别为91.9%、85.9%和92.1%,与YOLOv9m、YOLOv10m等主流模型相比均达到最优。检测可视化的结果表明MAAFENet对于形态各异的玉米雄穗具有良好的检测效果。综上,该研究提出的方法能够有效检测出品种多样的玉米雄穗,为后续玉米产量估算提供基础的技术支持。

关键词： 计算机视觉   目标检测   鱼类体长提取   鱼类体高提取  

摘要： 鱼类的体长、体高等性状是判断鱼类生长状况最基本的参数,对养殖、育种、分选、生物量估算等都有重要意义。开发并验证了一种基于YOLO v8深度学习模型的鱼类体长、体高快速准确提取方法,旨在克服传统人工测量方法效率低、易受主观影响以及易对鱼体产生伤害等局限。通过采集的534张鱼类图像并构建数据集,利用YOLO v8算法自动识别并测量鱼类的体长和体高,同时引入棋盘格标定板以实现图像中像素长度与实际物理尺寸之间的精确转换。结果显示:该方法在体长和体高测量上的平均绝对误差分别为0.29cm和0.08cm,平均相对误差分别为1.18%和1.56%,测量精度满足需求。与传统测量方法相比,本方法每尾鱼的平均测量时间仅为0.6s,体现了高效性。