关键词： 水稻   剑叶夹角   图像处理   在体测量  

摘要： 水稻剑叶夹角对于水稻理想株型的选育具有重要意义。为实时、准确地实现水稻剑叶夹角在体测量,采用颜色空间转换、骨架提取、Hough直线提取和K-means聚类等图像处理技术,设计水稻剑叶夹角测量算法,并将算法置于服务器,结合背景板与手机端的应用程序,实现水稻剑叶夹角的实时测量。利用该算法在田间对160株水稻样本进行剑叶夹角测量,将该算法得到的数据与人工测量的数据进行对比。结果表明,该算法与人工测量结果一致性高,决定系数为0.9996,平均绝对误差为0.32°,能够实现水稻剑叶夹角田间在体精准测量。

关键词： 作物   病害   无人机遥感   深度学习   目标检测   语义分割  

摘要： 作物病害的高效、精准监测不仅在保障农业生产安全中具有重要意义,还对国家粮食安全政策的制定起着至关重要的作用。近年来,随着无人机技术的迅速发展,无人机农业遥感因其高空间分辨率、时效性强、成本相对较低等优势,在农作物病害监测领域的应用日益广泛。首先梳理了无人机遥感在作物病害监测中的应用背景,概述了当前广泛应用于农业生产中的无人机设备及其搭载的作物监测传感器;其次,从技术方法和研究进展的双重视角,系统综述了无人机遥感技术在作物病害监测中的具体应用及其成果;最后,深入探讨了影响无人机遥感病害监测精度的关键因素,分析了当前尚存的技术瓶颈,并展望了无人机遥感在作物病害监测中的未来发展方向。通过研究旨在为我国农作物病害监测平台的构建及相关技术的发展提供理论支持和实践参考。

关键词： 机场跑道   异物碎片   图像处理   目标检测   轻量化   你只看一次v5s   多尺度特征融合   注意力检测头  

摘要： 针对现阶段机场跑道异物碎片(FOD)目标检测算法存在的缺陷,进行了降低参数量和提高精度的改进。以你只看一次(YOLO)v5s目标检测算法为基础,提出多尺度特征与注意力检测头的轻量化FOD检测算法。首先,提出一种全新的轻量化网络结构。该结构使用深度可分离卷积和逐点卷积,并设计大卷积核架构,使模型感受野提升,从而解决大量特征图冗余问题。接着,融合多尺度特征图。通过移除大目标检测层、增加小目标检测层,在提升小目标检测能力的同时降低网络参数量。最后,提出一种动态头部框架来统一目标检测头和注意力,通过连贯地结合多个自注意力机制,进一步提升了网络检测精度。试验结果表明:所提出的使用鬼影卷积大卷积核架构下的多尺度特征注意力检测头的YOLOv5s(GRD-YOLOv5s)网络的参数量减少为3.39 MB,仅为原网络的48%;平均检测精度从98.40%提升至99.45%;检测速度为53.42帧/秒。该网络的提出为实现对小目标的准确检测提供了新思路。

关键词： 目标检测   极化滤波   关联信息   跨维交互   混洗  

摘要： 深度网络提取的多通道特征缺乏关联性,表达能力弱,对舰船目标识别精度低。针对上述问题,提出了基于跨维交互混洗特征的遥感目标检测方法。首先在特征提取阶段,利用等变神经网络提取具有旋转等变性的特征,有效降低目标方向角任意造成的定位精度损失。在此基础上,利用极化滤波机制的维度坍塌方法,对提取的特征分别进行仅空间和仅通道维度的权重学习,有效避免了降维引起的特征丢失。再应用跨维交互操作挖掘通道与空间维度间的关联信息,将通道间的信息混洗后融合,建立维度间的映射关系,增强特征的表达能力,改善目标的定位精度。通过在HRSC2016公开数据集上的实验证明本方法的检测精度高于对比方法,说明了所提方法的有效性。

关键词： 海滩垃圾   环境污染   目标检测   QARepVGG   注意力机制  

摘要： 海滩垃圾污染对海洋生态系统和人类健康构成巨大威胁,海滩垃圾监测和清理是一项繁重且复杂的任务。传统的人工调查存在监测效率低、检测范围小和时效性差等问题,为了解决这些问题,本文提出一种基于改进YOLOv7的海滩垃圾检测方法。首先,YOLOv7与量化感知RepVGG(QARepVGG)相结合,实现快速计算并降低模型参数量。其次,加入简单注意力机制(simple attention mechanism,SimAM),增强网络对图像感兴趣区域的特征提取能力。最后,结合双向特征金字塔网络(bi-directional feature pyramid network,BiFPN)结构,改进原有路径聚合网络(path aggregation network,PAN),提高网络学习垃圾特征的效率,增强对不同尺寸垃圾的识别能力。在自建数据集上的实验结果表明:(1)改进模型对8类海滩垃圾有良好的检测能力;(2)与YOLOv7相比,改进模型的总体平均精度均值(mean average precision,mAP)提升5.8%,每秒传输帧数(frames per second,FPS)提高17,改进模型对泡沫、塑料类和纸制品垃圾的识别精度最高;(3)与几种流行的检测模型相比,改进模型的识别精度和效率最高。实际场景中的检测结果表明,改进模型能满足海滩垃圾实时性检测需求。

关键词： 计算机视觉   涡流检测   图像处理   自动化检测  

摘要： 本文针对工业自动化与智能制造领域对高效、高精度涡流检测技术的迫切需求,深入研究了计算机视觉技术在涡流检测中的应用潜力。通过集成先进的图像处理和模式识别算法,本文旨在构建一种新型涡流检测系统,以实现对材料表面及亚表面缺陷的快速捕捉与精确识别。相比传统方法,该系统在显著加快检测速度的同时,有效增强了检测的准确性和可靠性,为涡流检测技术的革新与工业应用提供了新的思路与解决方案。

关键词： 场景图生成   上下文融合   双分支多头注意力(dual-stream multi-head attention,DMA)   目标检测   物体分类   关系分类  

摘要： 针对已有场景图生成模型获取上下文信息有限的问题,提出一种有效的上下文融合模块,即双分支多头注意力(dual-stream multi-head attention, DMA)模块,并将DMA分别用于物体分类阶段和关系分类阶段,基于此提出基于双分支多头注意力的场景图生成网络(dual-stream multi-head attention-based scene graph generation network, DMA-Net)。该网络由目标检测、物体语义解析和关系语义解析3个模块组成。首先,通过目标检测模块定位图像中的物体并提取物体特征;其次,使用物体语义解析模块中的节点双分支多头注意力(object dual-stream multi-head attention, O-DMA)获取融合了节点上下文的特征,该特征经过物体语义解码器获得物体类别标签;最后,通过关系语义解析模块中的边双分支多头注意力(relationship dual-stream multi-head attention, R-DMA)输出融合了边上下文的特征,该特征经过关系语义解码器输出关系类别标签。在公开的视觉基因组(visual genome, VG)数据集上分别计算了DMA-Net针对场景图检测、场景图分类和谓词分类3个子任务的图约束召回率和无图约束召回率,并与主流的场景图生成方法进行比较。实验结果表明,所提出的方法能够充分挖掘场景中的上下文信息,基于上下文增强的特征表示有效提升了场景图生成任务的精度。

关键词： 计算机图像处理   制造业   公差检测   表面缺陷检测  

摘要： 随着制造业的快速发展,对产品精度和生产效率的要求不断提升,先进的检测技术变得至关重要。计算机图像处理技术因其高精度和自动化优势,广泛应用于制造业。本文旨在系统探讨图像处理技术在制造业中的应用现状和未来趋势。首先,介绍图像处理技术的基本原理及主要应用领域。其次,重点分析其在工件公差检测和表面缺陷检测中的应用,包括技术优势、局限性与传统方法的比较。再次,讨论该技术在显示屏检测中的应用,尤其是漏光和亮斑检测。最后,展望未来的发展方向和应用场景,为行业提供有价值的参考。

关键词： 遥感图像   目标检测   瓶颈变压器   特征融合   卷积神经网络   空洞卷积   损失函数  

摘要： 为解决遥感图像目标小、多尺度、目标背景复杂等问题,提出一种Bottleneck Transformer目标检测网络,在YOLOv5s模型上用“CNN+Transformer”架构代替最后一个残差块中的C3卷积操作,利用空洞卷积,通过设置不同的膨胀率将多尺度下的信息融合,解决遥感图像背景复杂的问题;使用EIOU边界框损失函数。在NWPU VHR-10数据集上验证,mAP达到94.5%,比原始YOLOv5s提高了1.2%。港口、车辆等小目标相应有1.3%和4.5%的提升。验证了算法对小目标识别、复杂背景识别的有效性。

关键词： 计算机视觉   视觉跟踪   深度学习   注意力机制   历史帧选择   Transformer  

摘要： 为进一步提升跟踪算法在历史帧信息利用和目标特征表达方面的性能,提出基于特征增强和历史帧选择的Transformer视觉跟踪算法(feature enhancement and history frame selection based Transformer visual tracking, FEHST).首先,在骨干网络中引入动态预测模块,通过稀疏化策略提高自注意力机制的计算效率,聚焦目标区域特征;其次,提出特征增强模块,将局部信息与全局信息的优势相结合,提升特征的表达能力;最后,采用自适应历史帧选择策略,提升跟踪器对目标动态信息的关注.在LaSOT、TrackingNet、GOT-10K和OTB100等数据集上进行了大量的实验,实验结果显示,在LaSOT、TrackingNet、OTB100上分别取得70.1%、83.0%和71.6%的成功率,在GOT-10K上取得71.4%的平均重叠度,并能以27 FPS的速度运行.