关键词： 多注意力   夜间目标检测   红外与可见光图像   YOLOv7  

摘要： 目标检测一直是计算机视觉领域的研究热点,YOLO系列目标检测模型已广泛应用于多个领域。然而,目前关于目标检测的图像数据大多是基于单一类型传感器,难以完整地表征成像场景,且检测到的目标所包含有用信息具有局限性,尤其是在低照度、夜晚、雨雾等条件下,目标检测更加困难。为了更好地检测夜间目标,本文提出了一种结合CBAM注意力机制与Transformer的多注意力机制的红外与可见光图像夜间目标检测方法,通过添加Transformer来获取丰富的局部和上下文信息,通过添加CBAM注意力机制来减少误检。为了验证方法的有效性,本文选取了5种当前主流的目标检测算法在公开红外目标检测数据集上进行测试,本文方法与原始YOLO v7相比,m AP从62.6%提升至71.5%。本文还制作了一个用于夜间目标检测红外-可见光融合目标检测数据集。在该数据集上与原始YOLOv7相比,mAP从79.90%提升至94.80%,效果非常显著。

关键词： 人工智能   频谱感知   无线电监测   计算机视觉  

摘要： 无线电频谱是国家重要的战略基础资源,频谱感知技术是频谱资源高效开发利用和高质量监管的关键技术,也是频谱研发的重点领域。近年来,人工智能和频谱感知技术结合,有效提升了在复杂电磁环境下的信号感知和分析能力,并且出现了以计算机视觉为研究方向的新一代实时频谱感知算法,为无线电监测领域中的广域频谱分析提供了新的解决方法。

关键词： 图像去模糊   低质图像   深度反卷积神经网络   模糊图像   图像处理  

摘要： 随着时间的推移,电影胶片由于存放时间长、存储物理环境不一等原因会出现老化、褪色、划痕和模糊等问题,而现存经典资料影片胶片在转换为数字格式进行存储后,大多仍存在随机噪声多、图像质量不高等问题。为缓解上述问题,本文设计了基于深度反卷积神经网络优化下的低质图像去模糊数学模型,首先采用泊松分布法建立低质图像退化方程,分析低质图像的随机噪声;随后构建低质图像去模糊数学模型的初始框架,并利用深度反卷积神经网络对其进行优化,确定损失函数,完成低质图像去模糊数学模型的构建。实验结果显示,本文所提数学模型在实践应用中表现出良好的低质图像去模糊处理结果,峰值信噪比较高,可用于经典资料影片图像画面的修复,在低质图像去模糊领域具备良好的应用前景。

关键词： 红外热成像   目标检测   辐射测温   目标发射率   大气透过率  

摘要： 红外热成像技术正随着新兴需求的增长,迎来更大的蓝海市场,对红外热成像设备目标检测的应用需求也不断增加。本文深入分析了红外热成像设备辐射测温及目标检测原理,根据红外热成像设备目标检测的进展周期进行分析,着重论述对目标检测具有影响的关键因素。信号发射过程中,目标发射率及目标表面状态等对检测效果有重要影响;外界因素方面,大气条件、环境条件也会干扰目标检测结果;设备性能方面,分辨率、热灵敏度、测温精度、视场角及MRTD等对结果的影响也不容忽视。本文根据以上的影响因素针对性提出目标检测优化方法,并分析了非均匀校正、自动增益控制、图像细节增强及伪彩等图像的主流优化方法,有助于提高红外成像设备在目标检测方面的图像辨识度,对提高设备性能和应用效果具有重要意义。

关键词： 煤矸石分拣   目标检测   实时性   YOLOv8n  

摘要： 为在煤矸石分拣领域实现检测性能与资源消耗的平衡,提出一种基于改进YOLOv8的适用于低性能检测平台的高效实时轻量化目标检测算法。首先以YOLOv8n为基础网络架构,引入MobileNetv3替换原有的主干网络,利用其轻量级结构特性降低模型参数量及运算量,提高模型检测速度;其次引入特征增强网络BIFPN模块,通过多尺度特征融合来弥补引入轻量级网络带来的检测精度损失,实现在保证检测精度的情况下完成模型轻量化;最后引入Inner-CIoU边界框回归损失函数平衡不同质量图像的训练结果,提高模型的定位能力,进一步提高检测精度及速度。为验证改进算法的有效性,进行了实验对比分析,将其与YOLOv3-tiny,YOLOv5n,YOLOv7以及YOLOv8n等算法在自建数据集上进行对比。实验结果表明,该算法展现出了最优的综合检测性能,在保证检测精度的前提下,其参数量降低到1188725,相较于YOLOv8n减少了60.46%,运算量由原模型的8.1 GFLOPs降低到2.8 GFLOPs,FPS由YOLOv8n的86.02 Hz提升到216.58 Hz。研究表明,该算法是一种高效实时轻量化煤矸石检测算法,综合检测性能有效提高,实现了模型检测性能与计算资源消耗的平衡,在煤矸石检测领域有较大的潜力和优越性。

关键词： 海上平台   管道   保温层   YOLOv7模型   数据集   目标检测  

摘要： 基于海上平台巡检及监控的智能化应用需求,为有效监测保温层破损情况,采用网络搜索、模拟拍摄、数据增强等方法,构建包含多种形态特征的海上平台保温层破损数据集。采用YOLOv7模型对海上平台保温层破损情况进行检测,取得了较高的目标识别、定位及特征分类精度,可满足海上平台机器人巡检或固定监控的目标智能检测需求。

关键词： 雾   浓度   图像处理   灰度差-比先验   B.Gompertz函数  

摘要： 针对视场雾浓度等级评定缺乏有效图像检测算法的不足,提出一种基于灰度差-比(gray difference-ratio,GDR)的散点图先验实现雾浓度等级评定方法,引入泊松分布确定最佳采样点,采用***模型函数拟合散点图.首先建立不同条件下标准图像集的散点图,提取S型灰度差-比先验,从图像像质退化模型出发,验证了灰度差-比先验的正确性;其次,建立散点图纵向断面集合点的泊松分布函数,通过计算最大概率确定最佳回代样本点;再次,将样本点带入拟合标准图像集并进行估计参数a、b、k;将样本点代入真实雾图像集估计参数a'、b'、k',并建立标准图像集参数估计值的查找表,通过查表方法确定真实雾图浓度等级.经过同场景不同浓度、不同场景不同浓度图像样本测试,算法结果与PM_(2.5)相关系数达0.91,表明算法测试结果符合浓度变化趋势;经不同浓度有雾和无雾的对比图像测试,表明算法能够作为视场雾浓度等级评定;经对比测试证明本文算法在测试精度达到1.9%.

关键词： 轻量级   目标检测   高效聚合网络模块   自适应多尺度融合   模型剪枝   YOLOv7-Tiny  

摘要： 针对传统的交通车辆与行人目标检测算法因数据量和计算量大而导致在实际场景应用中受限的问题,提出了一种基于改进YOLOv7-Tiny的轻量级交通车辆与行人目标检测算法。通过设计基于注意力机制和部分卷积的高效聚合网络模块,降低模型的参数量和计算量;设计带有跳跃连接的自适应多尺度特征融合模块,提高模型对小目标的检测能力;采用基于最小点距离边界框的回归损失函数,解决原损失函数在长宽比相同时收敛慢的问题;利用模型剪枝对改进后的模型进行剪枝优化,在减少参数量和计算量的同时,提高模型的运行效率。实验结果表明,与YOLOv7-Tiny相比,改进后的模型参数量和计算量分别下降了67.7%和63.3%,精度提高了0.26%,且模型体积极小,大小仅为4.4 MB。

关键词： 图像处理   皮带跑偏   料流检测   人工智能   周界入侵  

摘要： 在散货码头中,皮带线是最重要的传送通道,其运行安全是散货码头最为重视的焦点。以福港罗源湾皮带线智能监测为目标,基于人工智能图像处理技术,深入研究该技术在皮带线皮带跑偏监测、料流大小检测、堵料识别及周界入侵预警等方面的应用算法。针对码头皮带线输送场景粉尘大、皮带线运行速度快、现场环境复杂的特点,提出一套基于传统图像处理和深度学习技术融合的皮带线智能监控系统。该系统已在福港国际(罗源湾)码头成功部署并经过验证,现场运行效果良好。

关键词： 钢索损伤   目标检测   中心化特征金字塔   轴向注意力  

摘要： 工业场景中,基于视觉图像的钢索表面损伤实时检测预警存在许多挑战,如特征提取难度大、存在漏检误检、难以满足实时性要求等。为此,提出了一种基于多通道轴向注意力的钢索损伤视觉检测方法。首先,根据钢索的形态学特点提出了一种多通道轴向注意力机制,以更高效地提取和关注更加关键的钢索轴向区域特征信息;然后,通过中心化特征金字塔模块进行多尺度融合,提取不同尺度的特征信息;最后,将轻量化的MobileNetV3特征提取网络与无锚框检测头相结合,兼顾了检测速度与精度。在钢索损伤可见光图像数据集上开展的实验结果表明:该方法相较于常用目标检测的最佳算法提高了1.99%的准确率,能够更好地检测钢索表面的损伤。