关键词： 电磁层析成像   生成对抗网络   图像处理   钢轨伤损检测  

摘要： 为了提高基于电磁层析成像技术(electromagnetic tomography,EMT)的钢轨伤损检测重建图像的质量,提出了基于CGAN(conditional generative adversarial networks)的EMT钢轨伤损检测图像处理方法.通过在电磁仿真软件中获取仿真数据,使用传统EMT成像算法LBP(linear back projection)对钢轨伤损进行初步成像;使用CGAN对初步成像的钢轨伤损图像进行处理;对比处理前后图像的成像效果,发现处理后的钢轨伤损图像更为清晰和准确,图像评价指标有较大提升,更加适用于钢轨伤损检测;另外对算法的泛化能力也进行了分析.

关键词： 西装前身弊病   图像处理   参数提取   粒子群算法   BP神经网络  

摘要： 前身不良褶皱是西装常见的弊病之一,在西装定制过程中对专业人员依赖较强、耗时且易受主观影响。以男西装为例,构建一种前身褶皱弊病自动识别方法。从企业收集男西装弊病图,借助分割标注工具EISeg提取目标图像,采用双三次插值统一图像分辨率,规范特征参数;对图像进行灰度化、伽马变换及阈值分割,简化运算数据,增强图像信息,突出褶皱走势;根据褶皱局部灰度曲线图提取褶皱的宽度、深度和密度3种参数指标,按照阈值分割图提取褶皱方向和褶皱部位2种参数指标;在BP神经网络中加入粒子群算法改进网络模型,输出弊病类别。研究表明:与传统BP神经网络模型相比,优化网络模型的测试集准确率上升了8.3%,该方法可准确实现男西装前身褶皱弊病的自动识别,并为行业带来新的技术手段和方法。

关键词： 3D目标检测   关键点预测   角点投影点   深度估计   激光点云  

摘要： 当前主流的单目相机3D目标检测网络采用关键点检测范式,存在关键点预测与深度估计不准确的问题,限制了单目3D检测器的性能表现.本文提出一种多关键点约束与深度估计辅助的单目3D目标检测算法Mono-Aux,利用3D检测框的角点投影点、上表面与下表面中心投影点作为3D框中心投影点的补充,通过多关键点约束提升关键点预测精度;提出一种LiDAR-Free解耦深度估计方法,在不引入激光点云数据的同时通过几何关系推导引入额外的深度估计辅助监督信号,提升深度估计的准确性.多关键点约束与深度估计辅助仅在训练阶段使用,推理阶段不引入额外的计算成本.在KITTI3D目标检测验证集和测试集上的结果显示,相较于MonoDLE基线网络,提出的MonoAux算法在目标检测精度上分别提高3.87%和4.64%,与其他SOTA方法相比,本文方法也具有显著的性能优势,甚至优于部分使用额外数据的方法.

关键词： 农业机器人   人工智能   图像处理   智慧农业   视觉导航  

摘要： 随着人工智能、图像处理、自动控制技术的飞速发展,智慧农业逐渐成为了现代农业的重要发展方向,农业生产开始转向精准、智能的技术方向,农业机器人技术成为当下农业生产的主流。视觉导航技术作为农业机器人的核心能力之一,已经成为农业领域的重要研究课题。该研究介绍了视觉导航技术的特点及优势,阐述了农业机器人视觉导航技术国内外的研究现状,分析了农业机器人视觉导航技术现存在的问题,最后对视觉导航技术未来发展趋势进行总结与展望。

关键词： 海域环境   环境感知   计算机视觉   图像处理   深度学习  

摘要： 环境感知是海上目标智能化监测的核心技术,广泛应用于军事与工业领域。深度学习为环境感知研究带来新活力,但目前该领域缺乏全面性的综述。从深度学习、环境感知与视觉方法的交叉点出发,将环境感知系统分为信息采集、信息融合、信息处理和信息传输四个模块。在此基础上,针对海域环境数据生成、海域目标检测识别与海陆岸线分割三个方面应用,从传统方法、卷积神经网络方法以及Transformer方法三方面系统梳理了海域环境信息的多种视觉处理方法,介绍了每种方法存在的问题及最新研究工作,并横向与纵向对比了不同方法的优缺点。最后,结合最新研究工作探讨了该领域的研究趋势。随着现代智能算法的进步,应用深度学习进行视觉感知能大大简化设备开发的进程和结构,能直观地感知周围海域目标;随着时间的推移,感知系统的提升也将主要集中在智能化、平台化和集成化方面。

关键词： 开放世界目标检测   自动驾驶   边界感知   多尺度特征增强   特征筛选   冗余过滤  

摘要： 针对自动驾驶场景中复杂的目标交错、对象密集和小目标漏检、误检问题,提出了基于多尺度特征增强和边界感知的开放世界目标检测(multi-scale feature enhancement and boundary aware for open world object detection,MEBA-OWOD)算法。该算法首先构建了多尺度特征增强(multi-scale feature enhancement,MSFE)模块对提取的多尺度图像特征进行细致的筛选和强化,有助于识别和关注图像的重要和关键细节。然后,设计了边界感知冗余框过滤器(boundary aware redundant box filter,BARF),能够有效过滤已知对象重叠框和未知对象冗余框,减少了单个提议框包含不完整对象或密集对象的情况。在自动驾驶数据集道路场景(way scenes,Wayce)上的实验表明,与几种优秀的目标检测算法和开放世界目标检测算法相比,MEBA-OWOD算法在已知类平均精确率均值、未知类平均精确率指标上分别比次优的对比算法提高了0.3%、49.6%。该算法能在不影响对已知目标检测的同时,加强对未知目标的检测,能够较好地应用于自动驾驶领域。

关键词： YOLOv5   实时图像   目标检测技术   卷积神经网络  

摘要： 随着计算机视觉技术的快速发展,目标检测在各个领域的应用越来越广泛。YOLOv5(You Only Look Once v5)作为一种先进的目标检测算法,以其实时性和高精度的特点备受关注。针对YOLOv5模型在处理复杂场景和特定目标时,仍然面临检测速度和准确性不匹配的问题,研究提出了一种优化的YOLOv5算法,旨在提升实时图像目标检测的性能,以满足实际应用中的需求。首先,文章详细概述了实时图像目标检测技术;其次,对YOLOv5模型的基本结构和工作原理进行了深入分析;最后,采用了一系列标准数据集和实际场景数据进行训练和验证。结果表明,优化后的YOLOv5模型在目标检测的准确率上较原始版本提升了约10%,同时在保持实时性方面也表现出良好的效果。

关键词： YOLOv8模型   目标检测   目标跟踪   卡尔曼滤波  

摘要： 针对家禽养殖场目标检测与跟踪过程中存在的漏检率高、目标漂移等问题,基于YOLOV8模型提出了一种系统性解决方案。在检测层面,通过构建基于动态上采样模块与多尺度协同注意力机制的协同优化框架,实现特征分辨率自适应增强与全局上下文建模能力提升,有效解决小目标漏检问题;在跟踪层面,改进8维卡尔曼滤波运动模型并建立外观运动联合匹配机制,结合动态阈值划分策略与LSTM-GAT双路径补偿算法,增强遮挡目标持续追踪能力。实验结果表明:改进后的检测模型使小目标检测精度提升4.3%,误检率降低21%;优化后的跟踪算法MOTA指标达到85.2%,ID切换率降至15次/测试集,较基线模型跟踪稳定性显著提升,有效解决了复杂作业环境下的目标精准检测与稳定跟踪难题。

关键词： 目标检测   CBAM   Gold-YOLO   WIoU  

摘要： 为了实现对水稻病害的精准检测,文章基于YOLOv8n模型(You Only Look Once version 8 nano)提出了一个全新的改进模型YOLO-Rice。该模型通过3项关键的技术创新,提升了对水稻叶片和稻穗病害的检测精度。首先模型在骨干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制;其次模型采用Gold-YOLO的GD(Gather-and-Distribute)机制,在模型的颈部进行特征融合;最后更换了传统的损失函数,采用WIoU作为新的损失函数。通过上述改进,YOLO-Rice模型在平均精度均值(mAP 50%)上实现了3.4百分点的显著提升,最终达到了96.0%的准确率,充分证明了YOLO-Rice模型在水稻病害检测任务中的有效性。

关键词： 无人机   降落区域检测   动态场景   目标检测   同步定位与制图  

摘要： 提升无人机的自主着陆能力对于提高无人机的作业效率和野外生存能力具有重要意义。本文提出了一种基于机载视频的无人机降落区域自动检测方法,目的是在缺乏场景先验知识的情况下,提高无人机的自主避障着陆能力。本文将多视图几何约束方法的深度学习网络融入到视觉同步定位与制图(Simultaneous localization and mapping,SLAM)算法中,旨在构建场景的三维地图,同时主动判别潜在障碍物。随后,提出了一种顾及降落区域面积及平坦度等因素的降落区域检测算法,通过体素网格地图的空间分析方式,判别出无人机着陆区域。在不同类别场景中分别进行实验,结果表明了提出方法的准确性。