关键词： 光学神经网络   光学复用技术   光计算   非线性光学   图像处理   计算加速  

摘要： 与电子技术相比，光子技术具有大带宽、低功耗、高速度和并行性等优势，是应对电子器件能耗和计算效率等瓶颈问题的理想技术。作为模拟光计算的重要组成部分，光学神经网络是区别于冯·诺依曼计算架构的实现人工神经网络的光学途径，并已在特定功能应用上展现出超越传统电子计算的优越性，有望成为未来人工智能计算架构的主流实现方式之一。本文综述了光学神经网络的关键技术、应用及未来挑战，介绍光学神经网络的数学模型和物理实现方法，包括线性加权、非线性激活和误差反向传播等基础概念；讨论光学神经网络在图像识别、计算加速等领域的应用潜力；最后，指出了光学神经网络当前面临的主要挑战，如非线性激活和可编程光学器件等，并对光学神经网络的未来发展进行了展望，包括提升计算性能、集成度和通用性。

关键词： 图像处理   低照度图像增强   双光照估计   自校准照明学习框架   曝光抑制  

摘要： 低照度环境下照度不足，该环境得到的图像具有分辨率低，细节信息模糊等特点，造成影像质量恶化，影像可辨识性极低，并且包含很多噪声，以致很难区分影像中细节，给影像及视频应用带来很大制约。针对以上问题，本文提出一个双光照估计自校准照明学习的低照度图像增强方法。在已有的自校准照明学习框架的基础上，在框架中引入双光照估计思想，同时估计图像的正向光照和反向光照，由此来进一步抑制增强后的图像中的曝光。实验结果表明，改进后的自校准照明学习框架在主观视觉效果和客观评价指标方面都有不错的表现。

关键词： YOLO11n   光伏板   无人机   轻量化网络   目标检测  

摘要： 针对无人机航拍光伏板红外图像中小目标缺陷检测面临精度不足、实时性欠佳等挑战，本研究提出了一种基于改进YOLO11n的目标检测算法（HBGF-YOLO）。首先，设计高效主干网络Rep-HGNetV2，融合层次化梯度特征提取与重参数化卷积技术，在降低模型复杂度的同时增强特征提取能力；其次，构建双向特征金字塔网络（Bidirectional Feature Pyramid Network,Bi FPN）与全局-局部自注意力机制（GLSA）协同架构，有效捕获全局热分布模式与局部细节特征；最后，采用特征增强融合模块（Feature Enhancement Fusion Module,FEFM），通过动态权重自适应机制实现跨层次特征深度融合，强化微小缺陷区域的语义信息传递。实验基于无人机采集的5类光伏板缺陷红外图像数据集，结果表明，所提出的HBGF-YOLO算法相较于YOLO11n，准确率和召回率分别提高3.1%、4.3%,mAP@0.5和mAP@0.5:0.95分别提高2.5%、3.2%，参数量和计算量分别降低38.5%、7.9%，显著优于现有主流目标检测算法；在通用数据集MS COCO上展现出良好的适应性和泛化能力，为无人机光伏巡检提供高效可靠的解决方案。

关键词： YOLOv10   目标检测   计算机视觉   双主干式动态融合   多尺度特征重建  

摘要： 针对树木检测存在的遮挡干扰和光照不充分等问题，提出一种基于改进YOLOv10的检测算法——DDC-YOLO（DDC是由dynamic、DAF（dynamic align fusion）与CG-FPN（context guided-FPN （（feature pyramid network））首字母拼写）。首先，设计动态卷积混合模块（dynamic convolutional mix block，DCMB），通过自适应动态卷积增强多尺度特征融合能力，解决传统卷积核单一性问题；其次，提出双主干动态特征融合网络，结合RT-DETR（real-time DETR（detection transformer））和YOLOv10的主干结构，并利用动态对齐融合（dynamic align fusion，DAF）模块调整特征权重，提升模型对不同特征的适应性；进一步引入金字塔上下文特征提取和空间特征重建技术优化颈部网络，实现多层次语义信息的深度融合。试验基于自建数据集TreeImages（包含7475张图像）进行验证，结果表明，DDC-YOLO的mAP50达到46.7%，较原YOLOv10模型提升5.0个百分点，参数量由2.27 M降至2.26 M，减少0.44%，检测速度由202 fps提升至254 fps，提升25.4%。改进后的模型在复杂场景下表现出更高的鲁棒性和实时性，为森林资源调查提供了高效解决方案。

关键词： 光学测量   计算机视觉   重力平衡   沉降   自动修正  

摘要： 沉降监测是路基、隧道等基础设施建设和维养的基础性、关键性任务，量大面广。由于沉降通常变化小、速率慢，目前仍以人工水准逐点测量为主，虽然精度可满足要求，但耗时耗力。视觉测量技术具有大范围、高精度、自动化等优势，在结构沉降监测具有巨大潜力，但相机观测平台稳定性是限制其应用的瓶颈之一。由于光杠杆效应，远距离测量相机微小角度变化会导致极大误差，导致测量失效，视觉平台角度变化的高精度修正对测量的有效性和精度至关重要。为此，本文提出了一种基于重力平衡的视觉自校准测量方法。引入易构造且保持的天然重力参考（铅垂线）作为基准，并设计刚性连接的L型主副相机，推导面向沉降测量的相机位姿简化解算和补偿模型，基于所提出的改进FLD算法精确提取铅垂线位置，利用固连约束获取观测平台的角度变化并进行补偿，实现不稳定观测平台条件下的沉降自校准测量。实验结果表明本文所提方法可有效补偿相机运动引起的误差，角度修正精度可达0.001°，沉降测量均方根误差为0.24 mm。与传统依赖稳定背景点、惯导传感器实现平台多维姿态补偿的方法相比，所提方法在长期监测中的稳定性和精度更优，且采用铅垂线这一自然参考体具备无需标定、全天候适用等优势，在复杂工程环境准静态沉降监测中具有良好的部署灵活性与长期观测能力。

关键词： 视频理解   手语翻译   计算机视觉   深度学习  

摘要： 视觉手语翻译技术是连接聋哑人群与健听人群的重要桥梁，近年来在计算机视觉与深度学习技术的驱动下取得显著进展。该技术旨在将手语视频动作自动转化为自然语言文本，从而实现两个群体的无障碍沟通。为便于研究者全面系统地了解视觉手语翻译任务，分别从三个方面展开综述研究：首先，梳理并分类视觉手语翻译相关研究成果，并探讨其方法特点与技术演进；其次，阐述手语数据的采集设备、多语言公开手语数据集以及常用评价指标；最后，从当前手语技术的研究现状与应用实践出发，探讨该领域面临的挑战，并提出相应的展望和建议。

关键词： 航空遥感目标   高效检测   深度学习   模型压缩   嵌入式平台  

摘要： 提升航空遥感目标机上信息获取能力，是我国航空光电成像平台研制任务中亟需解决的问题。目标检测是获取目标信息的有效手段，实现高效的机上航空遥感目标检测技术，面临的首要问题是目前主流目标检测方法通常基于“深度模型+海量数据”的深度学习解决方案，而机上硬件计算和存储能力有限，现有深度学习目标检测算法无法在机上资源有限条件下高效运行。因此，本文提出资源受限条件下航空遥感目标机上高效目标检测方法研究，旨在解决目标检测算法计算复杂程度高与机上硬件算力有限之间的矛盾，重点研究了深度可分离卷积技术以及神经网络模型的压缩与优化技术，构建了嵌入式端高性能Embedded-YOLO目标检测算法，算法模型仅为5.8MB，设计基于Xavier嵌入式平台的航空遥感目标检测系统，搭建地面演示验证平台，在VisDrone2019-Det数据集上进行目标检测算法的测试，检测10类目标的平均mAP48.1%，平台检测效率能够达到160fps。

关键词： 水利工程监测   堤坝裂缝   YOLOv11   无人机   目标检测   目标定位  

摘要： 针对现有深度学习方法在河道堤防裂缝识别场景中存在的识别精度不足、定位不准确及计算开销过高等问题，提出一种基于轻量化网络的堤防裂缝无人机遥感影像识别与定位方法 AGW-YOLO。首先，在原始YOLOv11n基础上，引入ADown轻量化下采样手段来降低参数量和计算量；接着，提出一种全新的全局多尺度注意力机制（GMA），通过对输入特征图按通道维度进行分组，并在每个子特征图内分别沿水平和垂直方向施加平均池化与最大池化操作，充分捕捉裂缝在不同尺度和方向上的细节信息，增强模型的特征提取能力；此外，采用WIoUv3损失函数减少了极端样本中出现的较大梯度，进一步提高了定位精度；最后，结合无人机影像的空间坐标信息，设计裂缝定位算法，将识别结果直接映射至实际地理坐标。实验结果表明：AGW-YOLO方法在自建的levee crack数据集上平均精度均值（mA P@0.5）达到84.5%，较基准模型提升3.4%，参数量与计算量分别减少18.2%和15.9%，检测速度可达126.4帧/s；相比Faster R-CNN、YOLOv8n、YOLOv9-tiny、YOLOv10n及RT-DETR-R50等主流方法，AGW-YOLO在识别准确度、速度和鲁棒性方面均表现出显著优势；在裂缝定位实验中，东向和北向定位的均方根误差（RMSE）分别为1.753和1.053 m，最大定位误差控制在±3 m以内，满足大型工程对于堤防裂缝定位的需求。研究成果为堤防工程安全管理提供了一种高效、精准的智能识别与定位方案，具有较高的工程实用价值。

关键词： 旱直播水稻   目标检测   YOLO v11n   多维度特征提取  

摘要： 针对三至四叶期的旱地直播水稻秧苗种植密度高，秧苗检测难度大的问题，为实现东北地区复杂旱地环境中对直播秧苗植株精准计数，本文提出基于改进YOLO v11n模型的旱直播幼苗检测方法。首先，采用全维度动态卷积（Omni-dimensional dynamic convolution， ODConv）优化C3k2卷积块，增强复杂旱地环境秧苗特征捕获能力，提升模型对秧苗浅层特征的提取；其次，将快速空间金字塔池化（Spatial pyramid pooling fast， SPPF）替换为焦点调制机制（FocalModulation， FM），通过多尺度特征交互与注意力融合，保留秧苗关键特征与提升多尺度目标适应性；最后，在主干网络C2PSA模块中引入三重注意力机制（TripleAttention， TA），构建多维度特征增强策略，强化深层特征表征。构建旱田直播秧苗图像的数据集，利用该数据集对改进后的模型进行训练和验证。测试结果表明：改进的YOLO v11n-TFO旱直播秧苗检测算法的检测精度（P）、召回率（R）平均精度均值（mAP50）和检测速度分别为88.2%、79.6%、89.4%、217.9 f/s，其中mAP50较改进前提升6.5个百分点，模型浮点计算量6.0×109，低于主流目标检测模型，构建的检测平台中旱直播秧苗计数精度达到87%以上。本文提出的基于YOLO v11n-TFO的寒地旱直播水稻检测模型有效平衡检测精度与算力的关系，且模型具有较好的可解释性，可满足旱直播水稻计数需求。

关键词： 目标检测   红外小目标   频域   注意力机制   多尺度特征提取  

摘要： 红外小目标检测是红外搜索与跟踪系统的关键技术之一。然而，由于图像背景复杂、低信噪比、目标尺寸小导致的特征不明显，以及与小目标特征相似的高频噪声干扰，使现有的红外小目标检测性能常常受到限制。针对上述问题，本文提出了一种结合空间域和频域特征的检测方法。首先，为了解决特征不明显和高频噪声的影响，本文设计了双域特征增强模块（dual domain feature enhance module,DFEM），该模块不仅增强了小目标特征，还有效抑制了特征相似的高频噪声，从而显著降低了虚警率。其次，为了抑制背景的周期性噪声并增强感受野，进一步提升网络的检测性能，本文提出了全局多尺度感知模块（global multi-scale aware module,GSAM）。该模块在局部区域采用多尺度最大池化提取多尺度信息，同时在全局区域通过频域信息提取建模全局依赖关系。为了解决频域与空间域特征融合中的差异问题，本文设计了一种交叉注意力融合方法。此外，为了避免目标信息的丢失，本文采用了跨层连接将低级特征与高级特征相融合。最后，考虑到不同尺度和位置的红外小目标可能共享相同的损失，本文引入了尺度与位置敏感损失，进一步识别多尺度目标并准确定位目标。实验结果表明，本文所提出的算法在两个公共数据集上的检测精度优于目前较为先进的红外小目标检测算法，且该方法展现出良好的抗噪鲁棒性。