关键词： 红外探测   目标跟踪   核相关滤波   尺度滤波  

摘要： 随着天基红外探测器接近目标,目标在焦平面的成像会由小变大,在近距离时以面目标形式成像,随着距离的接近,目标的尺度变化会越来越剧烈。针对经典核相关滤波算法无法应对尺度变化及遮挡的问题,论文提出了一种融合尺度滤波的核相关滤波跟踪算法。在位置滤波器预测目标位置之后,由尺度滤波器计算尺度响应以解决目标尺度变化问题。针对目标跟踪过程中的遮挡问题,提出了一种遮挡判别依据,遮挡情况下停止更新模板以实现稳定、鲁棒的跟踪。通过对比实验表明,该算法可以有效地应对尺度变化及遮挡情况,且帧率可以达到120 FPS,满足实时要求。

关键词： 目标检测   损失函数   YOLOv5s算法   注意力机制   焊点识别  

摘要： 针对传统的基于机器视觉的汽车焊点检测中焊点不规则及易受环境光线影响导致产生漏检错检的问题,该文提出一种改进YOLOv5s的算法YOLOv5s_CB_SI。该算法通过在主干网络Backbone引入CBAM卷积注意力机制以提高模型对图像重要区域信息的关注度和对目标缺陷的学习能力,并引入SIoU定位损失函数,加快模型的收敛速度,而且有效提升模型检测及定位的能力。将改进后的算法与YOLOv5s法在焊点数据集上作对比,实验结果表明,该文提出的算法与原始算法相比精确率和召回率分别提升了4.8%和2%,在有效地提升了在焊点检测过程中的准确率的同时减少了错检漏检率,证明了改进后模型的有效性。

关键词： 加工单元   遗传算法   图像处理   光学字符识别  

摘要： 针对针阀偶件插配智能化加工需求,设计并建设针阀偶件智能化插配加工单元。对加工尺寸的数据进行分析,改进针阀偶件间隙配对加工方法;构建间隙配对问题数学模型,采用改进的遗传算法对其进行求解,实现针阀偶件间隙配对的最优化,现场使用验证,配对成功率85%左右;基于迁移学习训练光学字符识别(OCR)模型,识别针阀体生产顺序号,识别准确率达95%,并将针阀偶件插配过程数据与之关联,实现数据自动记录,便于质量追溯。

关键词： 目标检测   甘蔗   茎节检测   YOLOv8  

摘要： 甘蔗茎节的精确识别对于智能化切种、种植定位及优化蔗园生产管理流程,进而提升产量与经济效益具有显著价值。然而,现有甘蔗茎节检测方法的性能、模型复杂度以及实时性等方面仍存在不足。为有效解决这一问题,本研究选择采用先进的YOLOv8模型,对结构化场景下的甘蔗茎节进行视觉检测。首先,设计野外甘蔗图像采集试验,对采集的甘蔗图像进行人工标记,并建立图像训练集和测试集;接着,采用YOLOv8网络作为甘蔗茎节检测模型,确定最优超参数组合并进行模型训练;最后,进行野外实际识别试验,验证本方法的有效性和高效性。结果表明:本方法在测试集上的精确率、召回率、mAP、单帧推理耗时以及模型大小分别为0.973、0.958、0.974、19.80 ms和6.30 MB。与Edgeyolo_S_Coco网络和Edgeyolo_Tiny网络相比,YOLOv8_n网络的mAP同比分别提高了1.70%和1.30%,单帧推理耗时同比分别降低了4.71 ms和1.50 ms,模型大小同比分别缩减了33.70 MB和17.50 MB。本研究提出的甘蔗茎节检测网络在检测性能和泛化能力上更具优势,能满足户外环境下对算法精度和模型复杂度的需求,为农业智能化生产中的甘蔗收获与种植提供坚实的技术支撑。

关键词： 图像处理   视频融合   自适应分层融合   可能性理论   红外视频  

摘要： 针对目前红外与可见光视频融合模型无法根据视频间差异特征动态调整融合策略,造成融合效果差甚至失效等问题,提出了一种基于可能性理论的红外与可见光视频的自适应分层融合算法。计算视频序列每帧中感兴趣区域的各类差异特征的幅值大小,得到每帧对应的主要差异特征;搭建分层融合框架,并确定各层变元,基于余弦相似性计算不同变元对各差异特征的融合有效度,利用可能性理论构造相应的融合有效度分布;逐层分析不同变元对各类差异特征的融合效果,选择出每层的最优变元;通过变元间的优化组合实现红外与可见光视频的自适应分层融合。实验结果表明:所提算法在保留红外典型目标和可见光结构细节等方面取得了显著的融合效果,并且在定量分析和定性评价上明显优于单一融合算法。

关键词： 施工现场   吸烟检测   目标检测   YOLO   注意力机制  

摘要： 在建筑工地等复杂施工现场吸烟可能会引起火灾、爆炸等事故,严重危害施工安全。为了实现对建筑工地等施工现场的吸烟检测,使用YOLOv5s对人脸和烟支进行检测,并根据人脸和烟支的位置关系判断施工现场是否存在吸烟行为。为了提高人脸和烟支的检测精度,该文在原始模型的基础上做了三个改进:一是采用SIMOTA动态标签分配方法,提高了网络的召回率和检测速度;二是引入了尺度内特征交互模块AIFI,增强了网络的特征表达能力;三是使用了动态卷积ODConv,优化了特征提取模块C3,提高了网络的精确率。在自制数据集上进行实验,改进后的网络在精确率、召回率和平均精度方面均提升2%以上,检测速度提升了22%,取得了明显的性能优势。与主流算法对比,改进后的算法在检测速度和网络性能上均有明显优势,满足了施工现场吸烟检测的需求。

关键词： 深度学习   目标检测   YOLOv3   准确率   伪装效果评估  

摘要： 阐述伪装效果评估是伪装勘测领域的重要课题。提出一种基于YOLOv3目标检测的伪装效果评估方法,该方法将深度学习模型引入到伪效果评估领域中,能够提升伪装效果评估的智能化水平。

关键词： 机器化采摘   卷积神经网络   图像处理   目标检测   YOLOv4   智能农业  

摘要： 在经济发展和科技进步的双重背景下,苹果种植受到了人们的重视,这对乡村振兴至关重要。然而,收获季节的劳动力短缺问题日益凸显,使得采摘作业开始从劳动密集型向机器自动化型转变。针对苹果的智能识别采摘,文章利用数学模型解决了复杂果园环境下的机器化采摘问题,提高了图像识别率、速度和准确率,对智能化快速采摘意义重大。其中,首先收集了大量标注苹果图像数据,用CNN模型估计成熟度,并按7:3的比例对数据进行划分以确保其具有泛化能力;其次通过深度学习提取特征并结合分类模型来评估成熟度,同时采用双边滤波、颜色空间转换、形态滤波预处理等增强图像分割能力;接着利用YOLOv4定位苹果位置并实现可视化;最终通过CNN模型分析成熟度分布,旨在提高智能采摘效率和品质评价精度,从而助力农业现代化和乡村振兴。

关键词： 图像识别技术   计算机视觉   电子围栏   视频监控   故障预防   安全监管能力   防撕裂   高度检测  

摘要： 针对选煤厂带式输送机运输距离长、故障率低、安装要求低、实用性强等特点,在运行中安全隐患多,需通过各类保护系统对堆煤、防跑偏、温度、防撕裂、双向急停等进行故障预防,采用图像识别技术作为计算机视觉领域的核心工具,在选煤厂输送带保护、煤量识别、刮板拉斜检测、澄清层高度检测、煤泥水检测、视频监控等方面起到重要作用,有效监测选煤厂生产环节的关键参数,为生产设备自动控制提供数据支撑;在关键位置设置电子围栏,实时监测报警不安全危险行为,提升了选煤厂自动化、智能化水平,完善了选煤厂生产安全监管能力,为选煤厂安全生产提供保障。

关键词： 目标检测   YOLOv5s   草坪杂草   精准施药   颜色注意机制  

摘要： [目的]为了实现草坪维护的精准化施药,针对自然环境中杂草与草坪草颜色相近导致杂草难以识别的问题,以YOLOv5s为基础目标检测网络,提出一种突出输入图片颜色信息的草坪杂草检测模型。[方法]对输入图片进行切片,扩展RGB通道数为原来的4倍。对切片后的图片进行全局平均池化和全局最大池化,提取原图片中的颜色信息,对颜色通道进行加权,提高对单色目标检测效果。为了进一步增强网络对于形状相似颜色不同的目标识别效果,改进SPPF模块为SPPFCSPC模块,进一步提高不同草坪环境下的杂草识别精度。[结果]改进后的YOLOv5s网络对于单色目标识别效果较好,对普通草坪杂草的检测精确率达到0.928,召回率为0.970,mAP@0.5为0.943,帧率为104 f·s^(-1),模型内存占用量13.8 MB比使用Focus模块的YOLOv5s检测精度提高4.1百分点,比使用Conv模块的YOLOv5s检测精度提高5.4百分点,在疏林草坪的检测结果mAP@0.5达到0.957。[结论]本文算法可有效识别多种自然环境中的草坪杂草,可为草坪杂草精准化施药提供支持。本文改进模块对颜色的敏感度较好,为与背景颜色相似度较高的单色目标检测提供技术参考。