关键词： 图像分割   神经网络   伪装目标检测   Segment Anything Model   Vision Transformer   Mamba  

摘要： 计算机视觉在深度学习中扮演了重要的角色,通过模拟人的视觉,研究大自然中物体与背景之间的关联性,并探究视觉机制的原理。与此同时,伪装目标检测是计算机视觉中更细致的研究方向,伪装目标检测任务对目标边界的准确识别有着更苛刻的要求,并且随着有监督学习的发展,半监督和弱监督伪装目标检测也随之被提出。目前这两个任务的核心挑战在于如何有效结合弱标签与神经网络,以生成更精准的目标分割结果,以及如何在有限标注数据的条件下提升伪装目标检测的泛化能力。为此,本文提出了基于Vision Transformer的Segment Anything Model弱监督伪装目标检测方法和基于Mamba的Segment Anything Model半监督伪装目标检测方法。这两种方法分别增强了弱标签的提示作用和半监督方法的表征能力,提高了图像特征的表达效果,使模型能够更精准地匹配目标标签。本文的主要创新点如下: (1)弱标签伪装目标检测的标签存在提示信息不足的问题,针对这个问题,本文提出了一种基于Vision Transformer的Segment Anything Model弱监督伪装目标检测方法。该方法利用弱标签引导Segment Anything Model模型生成伪标签,并将其作为监督信号进行模型训练。为了弥补提示信息的不足,本文在Vision Transformer的框架中设计了一种多层次融合注意力机制,将不同维度的特征映射为深层次语义特征,从而充分挖掘图像信息,提升分割性能。 (2)为了解决半监督伪装目标检测中样本无法提供有效泛化信息的问题,本文提出了一种基于Mamba的Segment Anything Model半监督伪装目标检测方法。针对半监督方法的泛化能力不足,本文利用SAM增强模型的泛化能力,并提出了一种分离式Mamba机制,将前景和背景信息进行分离,再通过Segment Anything Model对提示信息不足的模型进行特征修正。本文首次在伪装目标检测任务中引入Mamba,并通过Segment Anything Model与Mamba的结合,大幅提升了模型的泛化能力和检测性能。 本文在三个著名的伪装目标检测数据库上和最先进的伪装目标检测方法进行了比较,实验结果表明:本文提出的两个方法具有优异的图像分割性能,不仅解决了弱监督和半监督在伪装任务上的局限性,还能够使得弱监督和半监督方法实现接近于有监督的性能,并且提升了模型的特征提取能力,生成更准确的分割结果。

关键词： 黄瓜采摘   目标检测   YOLOv8   双目视觉   深度学习  

摘要： 设施农业是现代农业的重要组成部分,近年来快速发展。黄瓜作为设施农业中主要种植的作物之一,其采摘工作长期以来依赖效率低下且成本高昂的人工劳动。随着机器人技术的进步,自动化采摘成为可能,但是黄瓜采摘面临着果实与背景颜色相近、易被叶片遮挡以及形态各异等挑战。 本文针对设施黄瓜的识别与定位问题提出了一种基于深度学习与RGB-D图像的黄瓜目标检测与定位技术,目的是在轻量化模型的基础上提高采摘效率与精度。研究主要围绕黄瓜目标检测模型的优化、黄瓜双目立体视觉系统的构建以及黄瓜采摘系统的集成展开: 本文采集了不同角度、距离和光照条件下的黄瓜图像并通过数据增强方法构建了一个自制的设施黄瓜数据集。基于YOLOv8＿n模型提出了改进的LMS-Res-YOLOv8模型,该模型通过引入自研的HEU模块、DE-HEAD检测头以及英特尔的Kernel Warehouse(简称KWConv)动态卷积显著提升了检测精度以及轻量化水平。针对该黄瓜数据集,LMS-Res-YOLOv8相较于YOLOv8＿n在轻量化方面取得了显著效果:Model Size下降5.5%,FLOPs大幅度下降33.3%,参数量显著下降19.3%。在检测性能方面:召回率提升1.2%,m AP@0.5:0.95提升2.7%。这些改进使得模型在大幅降低计算资源需求的同时,也提升了检测精度。此外,该模型在多个公共数据集上表现良好,验证了其出色的泛化能力。 本文构建了基于双目立体视觉的黄瓜定位系统。本研究通过Intel Real Sense D435(简称D435)双目相机采集图像,基于双目视觉原理进行相机标定、立体校正和立体匹配,生成视差图和点云图。在此基础上,通过图像配准将深度图像与RGB图像进行融合,生成RGB-D图像。为实现机械臂对黄瓜的空间定位,通过手眼标定将相机坐标系下的黄瓜目标坐标值转换为机械臂坐标系下的坐标值。定位的空间距离误差平均值为5.163 mm,最大误差为6.626 mm,精度满足采摘需求。 本文实现了集成目标检测、双目视觉定位和机械臂控制等模块的黄瓜采摘系统。该系统通过目标检测模型识别黄瓜目标后,利用双目视觉系统获取其三维坐标,随后控制机械臂到达指定位置。最后,通过模拟采摘实验验证系统性能,定位成功率为93.3%,剪切成功率为86.7%,验证了系统能够有效完成黄瓜采摘任务。

关键词： 目标检测   特征融合   特征金字塔   YOLOv7-tiny   多尺度特征  

摘要： 目的 YOLOv7-tiny(you only look once version 7-tiny)成为实时目标检测领域的常用方法，由于其轻量化网络架构设计和较少的参数量，整个训练过程在单个网络中进行，检测速度快且不需要使用滑动窗口或候选区域，在资源受限、实时性要求高的任务中表现优异。然而，YOLOv7-tiny在特征融合阶段存在相邻层特征融合时信息丢失和非相邻层特征信息差异两个问题。为了解决上述问题，提出一种长短程依赖特征金字塔网络LSRD-FPN(long short range dependency feature pyramid network)，并基于该网络对YOLOv7-tiny方法进行改进。方法 LSRD-FPN包括两个关键组成部分：局部短程依赖机制SRD(short range dependency)和全局长程依赖机制LRD(long range dependency)。局部短程依赖机制通过改进上采样方式和引入注意力机制，有效缓解了特征融合过程中信息丢失的问题；全局长程依赖机制通过引入跨层连接模块，将主干网络的多尺度特征缩放、融合并分配到检测阶段的不同层级特征。LSRD-FPN不仅增强了模型的特征表达能力，而且提升了其在多尺度目标检测任务的性能表现。结果 选用两个不同场景和规模的数据集进行实验。实验结果表明，相较于YOLOv7-tiny，本文方法的mAP分别取得1.3%和0.5%的性能提升。与参数量相当的YOLOv5-s和YOLOv8-n相比，mAP指标在TDD(traffic detection dataset)数据集上分别提升2.6%和0.2%，在Cmudsodd(coal mine underground drilling site object detection dataset)数据集上分别提升2.1%和4.4%。结论 本文提出的长短程依赖特征金字塔网络解决了YOLOv7-tiny在特征融合阶段存在的相邻层特征融合时信息丢失问题和非相邻层特征信息差异问题，提升了YOLOv7-tiny方法的检测性能，并优于两种参数量相当的方法YOLOv5-s和YOLOv8-n。

摘要： 近年来，密集遮挡、极端弱光、高动态模糊、水下浑浊、强辐射等极端环境日益成为智慧城市、深空探测、极地科考、灾害应急、智能交通和高端制造等领域的常态场景。面对信噪比极低、退化类型多样、目标尺寸微小或密集的原始影像，传统图像处理链路在增强复原、信息解析和下游应用中屡遭瓶颈。与此同时，跨模态融合、物理退化建模、生成式人工智能等新兴技术不断涌现，为极端环境图像处理与应用注入创新动力。然而，以下关键问题仍亟待突破：如何面向多源退化过程构建统一的成像与复原框架？如何在极低信噪比、暗弱场景下稳健提取结构与语义信息？如何准确高效地检测、识别和跟踪微小、密集目标？如何建立覆盖多场景、多任务、多退化类型的公开数据集与评测基准？如何将超分辨、三维重建、多模态融合等图像处理技术安全、可靠地部署到极端环境实际系统？

关键词： 飞机燃油测量   光迹追踪   液晃模拟   动态液位测量  

摘要： 飞机燃油系统的精确液位测量对飞行安全、重心控制和燃油效率具有至关重要的作用。然而,传统的接触式传感器存在多种缺陷,如易受油液腐蚀、温度波动影响,且由于其侵入式安装方式,可能带来燃油泄漏和电路起火等安全风险。随着计算机视觉领域的不断进步,非接触式液位测量方法逐渐成为克服传统方法局限的有效途径。本文重点研究了非接触式测量技术在飞机燃油晃动场景中的应用,旨在解决传统测量方法在这一特定环境下的不足。本文的主要工作如下: 1)针对实验条件下燃油晃动难以准确模拟的问题,本文采用流体仿真软件对飞机飞行过程中常见的较为稳定的燃油晃动场景进行仿真。通过仿真得到的液面晃动数据,构建了飞机燃油晃动场景下的动态光斑追踪模型。该模型基于矩阵分析和矢量运算的光线追踪方法,推算出激光光线在飞机振动、小幅绕轴摆动等不同常见飞行状态下液面晃动对油箱底部光斑位置的影响。 2)针对流体仿真效率低下问题,提出基于卷积神经网络(Convolutional Neural Networks,CNN)和长短时记忆网络(Long Short-Term Memory,LSTM)的端到端晃动液面预测模型。在保持预测精度的前提下实现晃动液面实时预测。 3)针对在晃动液面下折射光斑间距动态变化的不定性问题,基于归一化LMS(Normalized Least Mean Squares,NLMS)的自适应线谱增强算法对动态光斑距离数据进行处理以得到稳定的折射光斑距离值。在仿真实验中表明,相较于均值滤波和低通滤波的处理结果,NLMS算法相较于均值滤波的平均绝对误差降低66%,较低通滤波平均绝对误差降低80.6%。 4)搭建基于该测量方法的实验平台,通过搅动液面实现液面晃动,并针对液晃时采集图像中的光斑残影、多光斑和光爆现象,提出了过滤框法、多光斑筛选法和数据预测法的动态图像处理算法,减少了液面晃动引起的光斑图案提取噪声。 最后在实验平台上进行静态液面和晃动液面的液位测量实验(量程500mm),验证了动态光斑间距处理算法在真实场景下液位测量处理的有效性,静态液位测量结果满足静态测量要求±2.5mm(±0.5%量程),动态液位测量结果满足动态测量要求±2.5mm(1±0.5%量程),表明了该非接触式测量方法对于晃动液面测量的有效性,该方法为航空燃油非接触测量系统的研发提供了参考,并可推广应用于其它封闭容器的液位测量。

关键词： 目标检测   YOLOv8n   ShuffleNetv2   异物识别   轻量化  

摘要： 目前矿井下输送带图像存在昏暗环境清晰度差、图像噪点等问题，现有检测算法模型复杂度高、漏检和错检、精度不足等问题。基于上述问题，提出一种改进YOLOv8模型。首先，使用轻量级ShuffleNetv2作为头部网络减少模型参数量，并构建多尺度组合注意力机制（Multi-Scale Composite Attention Module，MSCAM）来增强特征提取能力，以降低漏检率和错检率；其次，针对现有模型对长条状异物准确率低的问题，在C2f模块中使用动态可变形卷积（DDConv）的思想，使模型更容易提取长条状异物结构特征；最后，使用具有角度损失的SIoU新型损失函数，提升模型训练能力和推理性能。在MTBID数据集进行验证，实验结果表明：改进模型的mAP@0.5可达0.893，mAP@0.5:0.95可达0.663，参数量相较于YOLOv8n减少了27.6%。

关键词： 服装样板   图像处理   轮廓提取   轮廓编辑   机器视觉  

摘要： 针对服装制版过程中人工制版效率低、精度差、成本高等问题，提出了基于图像处理的服装样板轮廓快速生成方法。首先，构建了透视变换矩阵进行空间坐标变换，实现图像的倾斜校正。其次，基于图像处理技术对图像进行降噪预处理，减少纹理和服装所形成的噪声。然后，采用轮廓检测算法对图像进行轮廓提取，并通过多边形拟合法实现轮廓的拟合，完成服装样板轮廓的粗提取。最后，采用人机鼠标交互方式实现轮廓节点的编辑，并将轮廓数据转化为AutoCAD软件通用的数据格式。实验算例表明，该方法在进行服装样板轮廓提取时，表现出良好的稳定性、准确性，可有效应用于服装样板轮廓提取场合。

关键词： 目标检测   残差连接   多尺度特征融合   卷积神经网络   注意力机制  

摘要： 现有的YOLO系列目标检测算法虽然在速度和实时性方面表现出色，但在处理多尺度目标和保持边界细节方面仍有不足。为解决上述问题，提出了一种基于YOLOv8改进的目标检测算法Res-YOLO。Res-YOLO包含三个核心模块：特征增强模块Res-SPPF、双向特征融合模块RSBA和动态特征选择模块C2f＿ODC。其中，Res-SPPF利用等级制残差连接和多头注意力机制来增强模型的多尺度特征表达能力；RSBA采取自适应深浅层特征融合机制来保留边界细节和语义信息；C2f＿ODC通过渐进式学习以逐步过滤非必要特征，从而降低模型复杂度。此外，引入线性可变卷积LDConv来处理具有复杂边界和不规则形状的目标。在MS COCO2017数据集上的实验结果表明，相比于原始算法，Res-YOLO在mAP指标上提升2.9个百分点，而GFLOPs为原始算法的94%。与其他先进检测算法的对比实验结果也证实了Res-YOLO的有效性和竞争力。

关键词： 无迹卡尔曼滤波   目标跟踪   门控循环单元   自注意力机制   普适   交互多模型  

摘要： 针对传统算法对高机动目标精准建模难、普适性差的问题，提出了一种基于门控循环单元(Gated Recurrent Unit， GRU)预测的改进无迹卡尔曼滤波(Unscented Kalman Filter， UKF)普适目标跟踪算法。将自注意力机制(Self Attention Mechanism)引入到传统GRU模型中，使得模型能够更好地从历史观测数据中挖掘出目标的运动学方程，解决人工难以对机动目标运动精准建模问题；将学到的模型应用到UKF算法中，实现对目标的跟踪；仿真实验表明，相比于传统GRU模型以及UKF、交互多模型(Interacting Multiple Model， IMM)等经典算法，本文所提算法具有更好的跟踪精度以及适应性。