关键词： 智能计算单元   现场可编程门阵列   目标检测   智能加速模块   深度学习处理单元   自动编译工具  

摘要： 针对航空航天领域中智能计算单元运行环境恶劣、智能算法推理速度要求高以及模型部署过程复杂的问题,设计并实现了一种基于国产现场可编程门阵列(FPGA)的智能加速模块。该加速模块接口符合高速串行总线标准(VPX)规范,具有较好的机械结构和环境适应性,支持深度学习目标检测等算法的推理加速。在FPGA芯片、DDR内存、电源转换模块等核心元器件的硬件选型符合国产化要求的基础上,完成硬件电路设计,得到智能加速模块实物。以目标检测算法为例,使用设计的自动编译工具将权重文件和模型文件部署到智能加速模块上进行推理计算,实验证明了智能加速模块具有较好的环境适应性、部署便捷性以及计算加速性能,且加速比约为国产中央处理器(CPU)的4.47倍。

关键词： 质量分数   折射率   等厚干涉   劈尖   图像处理  

摘要： 基于等厚干涉原理设计了透明液体质量分数自动检测装置.利用普通的光学玻璃作为上层干涉板,采用半透半反镜作为下层干涉板,搭建小角度劈尖.使用CCD拍摄劈尖内空气间隙与待测溶液间隙处形成的干涉条纹图样,对干涉图样进行灰度转换、中值滤波、均值滤波及模糊等处理,利用Matlab软件计算溶液的折射率,进而利用折射率计算透明液体的质量分数.

关键词： 星上处理   动目标检测   双线阵推扫   硬件架构   在轨验证  

摘要： 随着卫星技术的快速发展,遥感应用需求由传统的静态观测向动态监测转变。目前支持动目标检测的遥感卫星存在慢速运动目标提取困难、观测范围受限及数据量大不易传输和处理等问题。本文在成像采样模式、数据处理方法、硬件体系结构上提出创新思路:(1)设计了双线阵推扫成像遥感相机,单次成像获取时差可控同谱双条带数据,突破卫星无机动条件下大范围动目标观测难题,形成动态遥感概念中“瞬时变化”信息的获取手段。(2)自主研制配套星上智能处理单元,部署高效数据处理算法,通过高性能硬件加速体系结构设计,形成了动态遥感体系中的即时遥感服务的硬件载体。技术验证样机已经搭载泰景四号01卫星成功发射,使其成为国际首颗动目标检测专用卫星。在轨验证结果表明,该卫星可实现在推扫视场内大范围运动目标检测,对于高铁、车辆和船舶等动目标均有较好的检测效果,并且星上处理单元在时间效率、能耗利用及处理效果方面均满足在轨处理应用需求。相关技术和成果对智能交通、防灾救灾和国家安全等应用领域具有较高的理论价值和现实意义。

关键词： 小目标检测   YOLOv8   行人和非机动车检测   CWPConv  

摘要： 为解决交通路口行人和非机动车治理问题,针对全景路口监控下行人和非机动车目标小等问题,提出了一种基于改进YOLOv8的轻量化小尺度行人和非机动车目标检测算法——ACM-YOLO。首先,提出轻量化的高效AFPN特征融合网络,替换原始网络中的PAFPN算法,提高小目标的识别效果;其次,基于PConv提出了CWPConv通道权重部分卷积,并进一步提出了CWPC2f,有效降低了模型参数量和计算量;最后,使用MPDIoU函数优化网络的边界框损失。结果表明,相较于YOLOv8m,mAP50在自建数据集、VisDrone2019数据集和CityPerson数据集上分别提高了2.2%、8.1%和3%,参数量下降了17%,GFLOPs下降2。

关键词： 菠萝果实   成熟度   YOLOv8   目标检测  

摘要： 为提高不同成熟度种植区域的机械采摘菠萝准确率,保证菠萝品质,提出了基于改进YOLOv8的实时菠萝成熟度目标检测方法。针对自然环境下菠萝机械采摘中存在目标小、数量密集和光线遮挡等问题,改进模型把原始YOLOv8模型中主干部分、颈部部分的公共卷积替换成深度可分离卷积(depthwise separable convo-lution,DSConv),精简模型参数;在融合特征前增加了卷积注意力机制模块(convolutional block attention mod-ule,CBAM),使特征融合更关注重要的特征,提升目标检测的准确率;使用EIoU损失函数替换YOLOv8网络原损失函数CIoU,加快网络收敛速度。结果显示,改进模型对菠萝成熟度检测的平均精度均值为97.33%,与FasterR-CNN、YOLOv4、YOLOv5、YOLOv7对比发现,平均精度均值分别提升5.53、7.91、4.38、4.66百分点;在保证检测精度的前提下,算法模型参数量仅为16.8×10^(6)。结果表明,改进模型提高了菠萝成熟度识别的精度和推理速度,具有更强的鲁棒性。

关键词： 智能目标检测系统   篮球运动员   表现评估   训练效果  

摘要： 随着科技的不断进步和应用,智能目标检测系统在体育领域中的应用日益广泛。篮球作为一项集体性和技术性较强的运动,对运动员的表现评估尤为重要。传统的评估方法往往依赖于人工经验和主观判断,存在着评估不准确、不客观等问题。而智能目标检测系统通过计算机视觉技术和深度学习算法,可以对篮球运动员表现进行自动化的识别和分析,具有较高的客观性和准确性。因此该文将探讨智能目标检测系统在篮球运动员表现评估中的影响,并分析其对训练效果和比赛策略制订的作用,旨在为篮球运动员的训练和比赛提供更科学、更有效的辅助手段。

关键词： 数字图像处理   新工科   应用型本科院校   考核方式   教学改革  

摘要： 数字图像处理作为智能科学与技术专业的核心课程,其跨学科特性显著,融合了数学、计算机科学、物理及工程学等多个领域的知识。在新工科背景下,应用型本科院校致力于培养综合型、创新型和实践型人才,这对数字图像处理课程的教学内容和考核方式提出了新的挑战。为更好地应对挑战,改进了原有的教学模型和考核方式。教学实践表明,这些改革策略能够有效提升数字图像处理课程的教学质量,强化学生的综合素质,培养其创新精神。同时,也希望这些策略能够启发其他类似的课程,为应用型本科院校的人才培养提供有益的参考。

关键词： 焊缝识别   图像处理   焊接噪声  

摘要： 针对焊接中产生的烟尘和弧光等干扰导致的焊缝跟踪困难问题,提出了一种基于改进核相关滤波算法(kernelized correlation filters, KCF)的焊缝跟踪方法。首先,引入灰度特征使得改进KCF算法对焊接烟尘干扰有更强的抗扰能力;然后,提出了一种基于二次指数平滑法的峰值跟踪算法对实时的焊缝位置进行预测跟踪;最后,借助Hamming窗和余弦相似度对焊缝特征点所在的位置进行补偿。实验结果表明,该方法在焊接烟尘和弧光的干扰下具有较高的跟踪精度,且同样适用于多种焊接任务,具有较强的适应性。

关键词： 目标检测   GhostNet网络   残差网络   轻量化部署  

摘要： 为了降低深度卷积神经网络的部署成本,优化模型的检测性能,提出一种改进的轻量化主干网络算法S-GhostNet.该算法通过引入特征图生成优化的Ghost Module结构降低卷积操作的计算量,并结合改进类残差模块提升模型的精确度.S-GhostNet具有较强的即插即用性,可以应用于多数卷积神经网络模型.实验结果表明:在目标分类以及目标检测任务中,S-GhostNet相较于MobileNetV2、ShuffleNetV2以及GhostNet,模型计算量更小,模型的精确度持平,甚至更高.

关键词： Transformer   多目标跟踪   查询   分类  

摘要： 针对目前出现的各Transformer多目标跟踪结构问题进行分析和总结,将Transformer多目标跟踪视为“查询”式跟踪方法,提出以结构和功能为侧重点,以“查询”为核心对Transformer多目标跟踪进行阐述。将各Transformer多目标跟踪系统分为4类:基于DETR的Transformer多目标跟踪器,基于记忆的Transformer多目标跟踪器,时间-空间运动Transformer多目标跟踪器,以及其他Transformer多目标跟踪器。在MOT17基准数据集MOTA指标上分析各算法性能,根据结论提出Transformer多目标跟踪未来发展趋势。