关键词： 铁路沿线地物目标   无人机遥感影像   钢轨缺陷   目标检测   语义分割  

摘要： 随着铁路路网规模的持续扩张与结构的日益复杂,铁路安全问题愈发突出,主要体现在两方面。一是铁路沿线违规建筑物以及可能入侵的自然异物等,严重威胁着外部运行环境安全;二是钢轨等关键部件因长期运行产生的缺陷与潜在风险,直接影响铁路的安全运营。鉴于此,本文聚焦于铁路沿线复杂环境与设施安全需求,对铁路沿线地物目标检测及钢轨缺陷分割展开系统性研究。针对铁路沿线遥感影像中地物目标检测面临的复杂背景干扰、目标尺寸多变等挑战,基于YOLOv8目标检测模型进行结构优化以提升性能,同时开展轻量化研究适配实际应用。此外,针对轮廓模糊、尺度较小的钢轨缺陷分割难度大的问题,通过优化U-Net语义分割算法,有效提升钢轨表面缺陷的识别精度。具体研究内容如下: (1)基于改进YOLOv8的铁路沿线遥感影像地物检测算法。铁路遥感影像往往呈现出背景复杂、目标形态多变的特点,且存在部分地物目标小且密集分布。针对上述问题,提出了ASM-YOLOv8地物目标检测方法。该模型采用改进的渐近特征金字塔网络(Asymptotic Feature Pyramid Network,AFPN),通过渐进式融合低层和高层特征,增强模型对铁路复杂场景的适应性;并在SPPF模块中引入LSKA注意力机制,更好地捕捉全局特征,增强模型对不同尺度目标的检测能力;同时引入MPDIoU损失函数优化边界框回归精度,进一步提升目标检测的定位准确性。实验结果表明,改进后的检测算法相较于基准模型实现了3.6个百分点的mAP提升。 (2)基于YOLOv8的轻量化铁路沿线遥感影像地物检测算法。针对实际应用中铁路沿线地物检测算法结构复杂、参数量大等问题,为满足无人机检测任务的高效性与实时性需求,提出一种轻量化检测模型(SFCB-YOLO)。首先在主干网络中引入SPPELAN模块,在保持性能的同时减少了参数量;其次,提出FasterEMAC2f模块优化特征提取过程,进一步提升特征表达能力和计算速度。最后,在颈部网络中采用BiFPN架构,利用双向跨尺度连接的方式,在多尺度目标检测任务中具有更高鲁棒性。实验结果表明,该方法相对于YOLOv8在mAP提高1个百分比的同时参数量降低了25%,有效降低了计算量并提升了检测精度。 (3)基于U-Net的铁路钢轨表面缺陷分割。针对铁路钢轨缺陷形态多样、尺寸各异且易受背景干扰等问题,提出一种改进的GRD-Net识别算法。在编码器阶段,采用基于Haar小波的下采样模块,在降低特征图分辨率的同时最大限度地保留重要信息,减少信息损失;同时引入基于多重注意力的高效特征融合模块(Efficient Feature Fusion,EFF),以优化特征融合效果。实验结果表明,改进后的算法相较于U-Net模型,实现了约3.4个百分点的mIoU提升,有效提升了表面缺陷分割性能。

关键词： 目标检测   身份识别   多目标跟踪   REID特征提取   Transformer网络  

摘要： 随着社会的发展和科技的进步,利用人工智能技术对奶牛进行科学化监管已经成为现代化大型养殖场的主要发展方向。其中,奶牛目标检测、身份识别和多目标跟踪技术是实现牛舍智能化升级的关键基础环节,对于后续科学、高效的奶牛饲养工作至关重要。由于自然场景下牛舍中奶牛遮挡情况严重,摄像头拍摄距离较远,奶牛尺度变化,奶牛无规则运动问题,导致传统的奶牛身份识别方法和多目标跟踪方法精度较低。为了解决上述问题,提高识别和跟踪精度,本文的具体研究内容和创新点如下: 第一,提出一种基于Seq-Net的自然场景下奶牛身份识别方法。具体而言,该方法首先以Seq-Net为基础模型,并引入全局-局部语义信息模块,深度挖掘全局与局部场景中蕴含的丰富语义信息,通过关联二者来增强重识别特征的表达能力,从而获取更具区分度和语义内涵的特征表示。随后,为进一步丰富特征向量并帮助网络更好地捕捉图像中的细节与语义信息,提出了多级特征融合模块。该模块通过不同层级的卷积操作对多层信息进行整合,不仅提升了特征表达能力与语义信息的提取效果,还有效缓解了信息瓶颈,从而提高了识别的准确性。最后,通过全局-局部特征融合模块将全局-局部语义信息模块、多级特征融合模块以及原始REID特征有机结合,实现多尺度特征的融合与强化。 第二,提出一种基于DLA-Net的自然场景下奶牛两阶段多目标跟踪方法。具体而言,首先采用核心定位特征提取策略,从输入的视频单帧图像中提取多只奶牛的特征图,有效挖掘奶牛个体的历史位置信息;其次设计联合注意力机制,通过跨维度注意力模块捕捉通道之间的语义关联,同时利用空间注意力机制强化躯干区域的特征表达能力,提升对目标个体的识别性能。此外,通过随机模拟遮挡方法生成不同程度的奶牛遮挡场景,以提升模型在真实复杂环境中的鲁棒性。最后,基于高级运动数据匹配算法,结合时空信息和个体外观特征,精准地实现了跨帧之间奶牛个体的稳定关联,从而提高了整体跟踪效果。 第三,提出了一种基于Transformer的自然场景下奶牛端到端多目标跟踪方法。具体而言,首先采用完整的Encoder-Decoder结构,其中Deformable Attention Transformer(DAT)作为骨干网络,用于多级特征的提取。其次设计时空记忆优化编码器,通过自回归方式对奶牛的历史位置进行编码并自动更新,实现时空信息的自动融合,免去了手动选择时空特征的繁琐,同时有效应对奶牛的不规则运动。最后,通过同构异源可变形解码器对奶牛的运动和外观特征分别进行解码,降低了在联合训练时两条分支之间的相互影响,提高了跟踪精度。

关键词： 车桥耦合振动   微观结构   力学性能   计算机视觉   匀质性   骨料分布  

摘要： 本文研究了车桥耦合振动振幅和频率对桥梁改扩建工程中拼宽混凝土力学性能、匀质性和微观结构的影响。通过抗压强度和计算机视觉技术评价了振动前后拼宽混凝土的分层力学性能和骨料分布情况,利用XRD和TG-DTG分析了混凝土分层微观结构的变化。结果表明,振动作用导致了拼宽混凝土的显著分层,振动对混凝土早期强度影响明显,3 d龄期抗压强度下降至未振动状态的80%,28 d龄期上下层抗压强度差异随着振幅和频率的增大进一步扩大。振幅的提高加剧下层粗骨料堆积,骨料间距减小且分布不均,导致整体匀质性显著下降。高频振动下水化硅酸钙（C-S-H）和钙矾石等水化产物偏向于在上层富集,振幅的增大则抑制了下层胶凝材料的水化,未水化的硅酸三钙（C3S）残余量增加,水化产物生成量减少,表现出上下层混凝土的宏微观结构特征差异。

关键词： 目标跟踪   交互多模型   自适应   无迹卡尔曼滤波  

摘要： 针对跟踪复杂机动目标过程中由于目标运动状态发生变化导致的跟踪误差较大的问题，提出一种自适应交互多模型无迹卡尔曼滤波（interacting multiple model unscented Kalman filter,IMM-UKF）算法，使用模型概率后验信息和模型似然函数自适应修正马尔可夫转移概率矩阵（transition probability matrix,TPM）。设计模型概率校正方法和模型转移加速方法，两种方法分别作用于模型稳定阶段和模型转移阶段，提高模型概率准确度和模型转移响应速度，减小状态估计误差。最后，通过两种场景下的实验验证所提算法在目标具有复杂运动状态下的性能，并与传统方法进行对比分析，在目标做机动运动时，位置精度和速度精度分别提高了15%和26%，验证了算法的有效性和可行性。

关键词： 钢材表面缺陷检测   小尺度缺陷   特征融合   目标检测   深度学习  

摘要： 钢材作为建筑、机械制造、交通运输等领域的核心材料,其表面质量直接影响产品的安全性能和使用寿命。表面缺陷可能导致材料性能劣化甚至引发安全事故,因此实现钢材表面缺陷的精准检测对保障产品质量、提升生产效率具有重要意义。传统检测方法存在主观性强、效率低下等问题,难以满足现代工业对高精度、高效率检测的需求。因此,本文围绕钢材表面缺陷检测精度与效率较低的核心问题展开研究,基于公开的钢材缺陷数据集NEU-DET提出解决方案。本文主要研究如下: 1.本文提出了一种基于YOLOv8的钢材表面缺陷检测模型DCW-YOLOv8。针对钢材表面缺陷背景复杂、缺陷微小等问题,首先设计了DBBCSPE(Dual-Branch Bottleneck Non-Local Cross-Stage Partial Efficient Network)模块,通过集成Rep NCSPELAN4结构与DRBNCSP架构,优化特征融合策略并实现了检测精度的显著提升。同时,提出了上下文引导特征融合模块CGFM(Context Guide Fusion Module),结合通道注意力机制动态调整多尺度特征的权重分布,有效提升了复杂背景下缺陷检测的准确性。此外,引入基于小波变换的特征处理模块Wavelet Pool,利用Haar小波变换实现特征图的多分辨率分析,在保留关键结构信息的同时增强了对细微纹理特征的捕捉能力。在NEU-DET钢材缺陷数据集上的实验结果表明,改进后的模型在多个关键指标上均有显著提升:Precision提高5.3%,Recall提升2.0%,m AP50增长3.0%,特别在微小缺陷检测方面表现突出。 2.针对钢材表面缺陷检测效率较低的问题,本研究进一步提出了多层次知识蒸馏方案,通过逻辑蒸馏和特征蒸馏的协同优化,在保持检测性能的前提下实现了模型的显著轻量化。在公开数据集NEU-DET上,蒸馏后的模型参数量减少58.5%,计算量降低54.2%,推理速度提升37.5%,而m AP50仅下降0.4%。实验结果表明,本研究提出的改进方案实现了检测精度与计算效率的优化平衡,为钢材质量检测提供了高效、可靠的智能解决方案,在工业质检领域具有广阔的应用前景。

关键词： 图文多模态   特征增强   特征融合   注意力机制   目标检测  

摘要： 在数字经济与智慧监管深度融合的新时代背景下,图文多模态技术作为实现非结构化市场监管信息自动化处理的重要支撑,正面临着重大的挑战。目标检测作为图文多模态的核心任务之一,在市场智慧监管的商品检查、广告规范、卫生监测等多任务场景下具有非常重要的作用。然而传统视觉目标检测模型虽在图像语义理解和分割领域取得显著进展,但仍然存在跨模态特征对齐不足、复杂场景适应性弱、动态干扰抑制不足等问题。因此本文针对以上问题,结合市场智慧监管的图文多模态数据场景,研究基于图像文本多模态数据的目标检测算法,主要工作内容如下: 1、针对图文模态异构导致缺乏有效跨模态关联、跨模态特征重要性差异、模态间注意力挖掘不充分、以及固定融合策略难以应对动态任务和数据变化等问题,本文提出了基于注意力机制的图文多模态特征增强融合模型。首先,对文本和图像数据进行独立特征提取的同时采用映射同一语义空间的方式进行联合特征提取。其次,通过构建自注意力和跨模态注意力机制结合的混合注意力特征增强机制实现图文跨模态特征增强。然后,通过构建渐进式融合和加权融合的图文特征融合策略,实现图文多模态的特征融合。最后,在图文多模态下游的检索和应答任务中通过实验对比验证了该模型相较于对比模型在准确率、召回率和MRR等指标中具有更好的性能。 2、针对传统视觉目标检测算法复杂场景的目标定位困难、细粒度目标识别困难以及缺乏跨模态引导和对齐的问题,在图文多模态特征增强融合的基础上,提出了基于两阶段的图文多模态目标检测算法,优化目标检测网络结构的区域提议网络和检测头,从而将文本语义信息精准映射到图像的具体区域,动态平衡视觉特征与文本特征在目标检测任务中的贡献,并在复杂场景中增强模型的抗干扰能力。最后,在大规模公开数据集和市场监管目标检测数据集上验证了该算法相较于对比模型在准确率、召回率、语义一致性等指标有了显著提升。 3、设计并实现了一个基于市场监管场景的图文多模态应用子系统,该应用结合上述两项理论研究,针对市场监管场景的图文多模态任务,将市场监管的图文多模态数据,通过数据采集、处理、存储、调用,进行图文多模态模型的训练与验证,从而实现图文多模态任务与应用。

关键词： 目标检测   音频驱鸟   CBAM注意力机制   自动化农业  

摘要： 在中国,农业是粮食安全和社会稳定的基石,但鸟类侵害已成为威胁农业生产效率和作物品质的突出问题。鸟害不仅导致农作物减产,还影响农产品质量,给农民带来巨大经济损失。传统的驱鸟方法如防鸟刺、驱鸟剂等,存在效率低下、效果短暂等局限性,且可能对生态环境造成干扰。针对这一问题,本文提出了一种基于改进YOLOv5s算法的音频驱鸟系统,通过识别农田中的鸟类目标,结合音频驱赶技术,实现对鸟害的有效防控。研究内容主要包括: (1)本研究基于YOLOv5s算法,针对其在农田复杂场景下小目标识别精度上的不足,提出了一种改进方法。通过在YOLOv5s的C3模块中引入注意力机制,实验对比了在YOLOv5s主干网络的不同C3模块中的不同位置插入CBAM机制的效果。结果表明,在YOLOv5s主干网络的第四个C3模块的第二个位置插入CBAM显著提升了模型精度,改进后模型的mAP50提高了6.97%,mAP＿0.5:0.95提高了5.30%,提升了模型在有植被遮挡环境下的检测精度。 (2)传统的驱鸟方法对鸟类或者生态环境有较大的危害,本文提出了用音频进行驱鸟,通过智能音箱播放鞭炮声、枪炮声等方式来实现鸟类驱赶,能够避免污染环境和伤害鸟类,结合经济成本、设备兼容性最终选择小米智能音箱L15A型号作为驱鸟设备,并研发代码实现小米智能音箱驱鸟。 (3)设计并实现B/S模式的驱鸟系统。该系统将目标检测和音频驱鸟结合起来,能够减少鸟类对农作物的伤害。该系统由后台管理系统、目标检测服务和音频驱鸟服务三个核心模块组成。目标检测服务模块通过安装在农田中的摄像头实时采集画面,并利用改进后的目标检测算法对画面中的鸟类进行实时检测。一旦检测到鸟类,系统会自动通过音箱播放预先设置的驱鸟音频,实现对鸟类的自动驱赶。 本文将目标检测和音频驱鸟相结合,以此来降低鸟类对农作物的伤害,提升农业生产自动化水平,为农业现代化提供技术支持,具有重要的理论和实践意义。

关键词： 图像处理   运动退化图像盲复原   暗通道先验   点扩散函数   多尺度   交替方向乘子法  

摘要： 针对运动退化图像中存在较大噪声时，暗通道先验无法准确估计点扩散函数和在最大后验框架下采用梯度先验约束难以求得最优解的问题，提出一种基于改进暗通道先验和ADMM优化的运动退化图像盲复原算法。首先，根据分数阶具备非线性保留低频成分和抑制噪声的特点，使其对暗通道先验进行改进；然后通过改进的暗通道先验构造出点扩散函数估算模型并采用半二次方分裂方法解决其非凸问题；在对点扩散函数进行复原时，采用由粗到细的多尺度交替迭代优化框架，使得迭代出的最大尺度点扩散函数更加精确；最后建立导数空间总变分模型，利用交替方向乘子法(ADMM)对其进行优化，从而达到在导数空间总变分模型之下可以收敛到最优解、复原出更多图像细节的目的。实验结果表明：所提算法可以有效降低图像中的噪声、伪影和振铃现象，使得复原出的图像更加清晰、具有更多的图像细节。

关键词： 计算机视觉   YOLOv8   大语言模型   汽车制造   带钢缺陷检测  

摘要： 针对车用热轧带钢表面缺陷细小、数据统计烦琐、检测困难且易引发安全隐患的问题，本文提出了一种基于YOLOv8模型结合大语言模型DeepSeek-R1-14B的智慧化表面缺陷检测与分析系统。该系统旨在提升汽车用钢材生产效率、优化质量管理、确保零部件制造的良品率。通过对YOLOv8网络的改进，该系统将mAP提升了2.8%,FLOPs减少了1.8×10～9,Parameters减少了3×105。同时，其能够满足汽车零部件生产流水线的实时检测需求，为汽车产业提供高质量钢材，助力实现降本增效和智能化转型。