关键词： 遥感图像   微小目标   特征提取   上下文信息  

摘要： 针对遥感图像微小目标检测中存在的浅层细化特征、深层语义表征和多尺度信息提取3个问题,提出一种综合运用多项技术的跨尺度YOLOv7(cross-scale YOLOv7,CSYOLOv7)网络。首先,设计跨阶段特征提取模块(cross-stage feature extraction module,CFEM)和感受野特征增强模块(receptive field feature enhancement module,RFFEM)。CFEM提高模型细化特征提取能力并抑制浅层下采样过程中特征的丢失,RFFEM加大网络对深层语义特征的提取力度,增强模型对目标上下文信息获取能力。其次,设计跨梯度空间金字塔池化模块(cross-gradient space pyramid pool module,CSPPM)有效融合微小目标多尺度的全局和局部特征。最后,用形状感知交并比(shape-aware intersection over union,Shape IoU)替换完全交并比(complete intersection over union,CIoU),提高模型在边界框定位任务中的精确度。实验结果表明,CSYOLOv7网络在DIOR(dataset for image object recognition)数据集和NWPU VHR-10(Northwestern Polytechnical University Very High Resolution-10)数据集上分别取得了74%和89.6%的检测精度,有效提升遥感图像微小目标的检测效果。

关键词： 小目标检测   YOLOv7   知识蒸馏   多尺度特征融合  

摘要： 针对小目标检测领域中的尺度变化、复杂背景干扰、漏检和误检等挑战性问题,提出了改进YOLOv7的小目标检测方法。在YOLOv7目标检测框架的基础上,加入了新的自适应特征收集再分配模块(adaptive feature collection and redistribution,AFCR)。该模块能够实现对多尺度特征的有效融合,从而增强模型对小目标的检测能力,并丰富输出特征的上下文信息。进一步地,运用特征蒸馏技术,使得学生模型能够从教师模型中学习关键特征表示,避免跨阶段的语义差异带来的负面影响,从而显著提升模型的泛化性和鲁棒性。在CCTSDB、FloW-Img和TinyPerson三个公开小目标检测数据集上的实验结果表明,提出的方法分别实现了96.4%、84.9%和33.0%的检测准确率,相较于原始YOLOv7方法,mAP@0.5分别提升了6.5、3.9和2.9个百分点。

关键词： 人工智能(AI)   工地管控   目标检测   行为分析  

摘要： 随着建筑行业的数字化转型,人工智能(artificial intelligence,AI)技术在工地管控中的应用逐渐成为提升施工效率与安全管理水平的重要手段。本文围绕工地管控需求,结合目标检测、行为分析、数据处理等人工智能核心技术,构建基于AI的工地管控系统架构,探讨其在安全管理、人员与设备管理、环境与进度管理等方面的多元化应用。并通过实际工程案例分析,验证AI技术在工地管控中的应用可行性,并评估其对施工安全、管理效率及工程质量的提升作用,总结适合工地现场环境的应用场景,促进人工智能在工地管控中的应用,提升工地现场管控水平,为建筑行业的数字化转型赋能。

关键词： 教育资源   图像处理软件   Photoshop   信息化改革  

摘要： 微课是信息时代的一种教育资源,也是现代教育在信息化改革过程中的产物,形式是5~8分钟的短视频,内容是对某一个、某一类知识或某一课的说明,针对性更强,呈现形式更立体,呈现的内容更全面,能够辅助教师完成对课程知识的讲解,在一定程度上降低教师的教学难度、提升教师的教学效率。本文主要围绕微课在初中信息技术教学中的应用展开探讨,首先介绍了微课的特点与优势,其次说明了微课与初中信息技术教学的适配性,最后探究了微课在初中信息技术教学中的应用策略,并以图像处理软件Photoshop为例阐述了微课在初中信息技术教学中的应用实践。

关键词： 红外目标检测   小样本   类边界均衡   二阶池化注意力   协方差  

摘要： 针对红外目标检测存在复杂背景干扰下已有的小样本目标检测模型无法充分挖掘支持信息,导致检测性能下降的问题,提出了融合二阶池化注意力的类边界均衡小样本目标检测算法。类边界均衡算法通过类边界对抗最小-最大正则化来实现新类之间边界平衡,解决了小样本目标检测任务中由于基类和新类特征原型分布混乱造成的检测性能下降的问题。但是由于复杂背景干扰,类边界均衡算法直接用于红外目标检测无法充分利用支持集图像的有效信息。提出二阶池化注意力机制来抑制背景干扰,增强对支持图像有效信息的学习,进而加强利用支持信息对查询信息调节的功能。该机制沿通道维度计算输入特征图各个通道之间的协方差,来获取各个通道之间的统计依赖性,进而捕获重要通道的高阶特征信息。同时沿通道维度计算输入特征图各个通道的标准差,并将两个通道的协方差除以两个通道的标准差以减弱噪声对协方差估计的影响,增强协方差计算的准确性。在类边界均衡算法权重模块中融入二阶池化注意力机制,来引导检测算法将特征学习聚焦在目标及其邻域,并抑制复杂背景的干扰。实验结果表明,相对于经典算法,提出的小样本目标检测算法在10-shot任务上获得了最佳性能,在自制的红外目标数据集的新类别上的mAP达到了56.4%。

关键词： 图像处理   基准信息   相似度检测   表盘检测  

摘要： 工业现场环境复杂,无法精准识别现场仪表的准确位置,进而无法读取仪表的准确数值,导致工厂和工人的安全存在极大隐患。基于上述问题,提出一种基于图像处理和基准信息的方表检测方法,对于现场拍摄的图像进行预处理操作和方表检测操作来获取方表的大致位置,对基准表盘和待检测表盘进行相似度检测,最终获取表盘的精准位置。实验证明,本文所提出检测方法可以获取准确的方形表盘区域,为工厂的安全生产和稳定运行提供有利保障,同时为工业生产的自动化改革提供参考。

关键词： 风机叶片叶根   螺栓孔位置度   视觉系统   图像处理   位置度误差  

摘要： 本文提出一种检测风机叶片叶根螺栓孔位置度的方法。基于VBAI视觉系统实现算法设计,利用工业相机提取风机叶片叶根的图像,并导入VBAI进行图像处理,通过边缘点提取计算出螺栓孔的径向误差,根据定位特征计算相邻螺栓孔的圆心距,并使用几何函数求解螺栓孔的角度误差,运用余弦定理计算出螺栓孔的位置度。实验结果表明,该检测方法计算出的位置度误差<0.01 mm,具有较高的精度与检测效率。

关键词： 目标检测   钢绞线   多尺度损伤   YOLOv7   注意力机制   损失函数   自适应机制  

摘要： 为解决高压架空线路中钢绞线破损检测难的问题,提出了一种改进的YOLOv7(you only look once version 7)钢绞线损伤检测模型。由于钢绞线损伤检测过程中,存在损伤尺度小的问题,利用坐标注意力模块(coordinate attention,CA)提升模型对小尺度目标的信息提取能力。在路径聚合特征金字塔网络(path aggregation feature pyramid network,PaFPN)的架构基础上,加入自适应空间特征融合模块(adaptively spatial feature fusion,ASFF)来增强模型获得不同尺寸图像以及不同损伤大小的能力。使用加权交并比替换完整交并比来优化损失函数,利用动态聚焦机制对边界框回归,提高模型的鲁棒性。试验结果表明,改进后的YOLOv7模型相比原YOLOv7模型,钢绞线损伤检测性能明显提升,平均精度提高15.8%。钢绞线损伤检测效果优于原模型。

关键词： 图像处理   输电线路   绝缘子   缺陷   自动检测  

摘要： 针对输电线路绝缘子缺陷检测中存在的效率低、准确性不足以及人工检测成本高问题,提出了一种基于图像处理的自动检测算法。该算法旨在通过先进的图像处理技术,实现对输电线路绝缘子表面缺陷的快速、准确识别。首先,利用高分辨率相机获取绝缘子的图像数据;然后,采用图像预处理技术,包括去噪、增强对比度等,以提高图像质量;最后,利用边缘检测与形态学分析方法提取绝缘子表面的关键特征,并通过机器学习算法对这些特征进行分类与识别,以判断绝缘子是否存在缺陷。实验结果表明,本文提出的算法能够在多种光照和天气条件下,准确识别出绝缘子的裂纹、污秽等多种缺陷,其检测精度和效率均优于现有方法。

关键词： 多光谱成像技术   成像光谱仪   目标检测算法   多光谱目标检测算法   数据集   特征融合  

摘要： 相较于单一波段目标检测技术,多光谱目标检测技术通过捕获物体在多个不同波长的光谱波段下的反射或辐射信息,极大地提高目标检测的准确性和应对复杂环境的鲁棒性。在遥感、农业检测、环境保护、工业生产以及国防安全等领域有着广泛的应用。然而,目前多光谱目标检测领域仍面临着严峻挑战:多样化的高质量数据集以及高效目标检测算法的缺乏,严重制约了该技术的进一步发展和应用。鉴于此,综合阐释了多光谱目标检测数据集的制作方法以及多光谱目标检测算法的重要进展。首先,系统分析了多光谱数据集的构建过程,包括数据采集,预处理和数据标注。其次,全面分析了目标检测算法发展的历史脉络,这些算法涵盖了基于传统特征提取技术的目标检测算法、深度学习方法以及其改进版本。此外,着重强调了算法开发者为提升多光谱目标检测性能在特征融合、模型架构和子网络方面所作的关键改进。最后,探讨了多光谱目标检测技术未来的发展方向,期望为研究人员指明潜在的研究热点和应用领域,促成多光谱目标检测技术在实际场景中更广泛的应用,提升其社会价值。