关键词： 毫米波雷达   YOLOv5   目标检测与分类   模型优化   轻量化  

摘要： 随着智能驾驶技术的发展,对高级驾驶辅助系统(Advanced Driver Assistance System,ADAS)的性能要求不断提高。目标检测与分类作为ADAS的核心技术,已成为研究热点。毫米波雷达凭借其在复杂环境中的优势,成为ADAS目标检测与分类的重要研究方向。得益于卷积神经网络(Convolutional Neural Network,CNN)的进步,其在雷达目标检测与分类中的应用显著提升了系统的感知能力和准确性。然而,车载毫米波雷达图像受限于低分辨率、噪声干扰及复杂背景,导致目标检测与分类挑战加剧。同时,CNN模型的高计算量和大规模问题制约了其在车载端侧的应用。 本文通过处理车载雷达数据集,根据不同目标在毫米波雷达距离-方位图像中的差异,使用YOLOv5提取图像特征以实现目标检测与分类,主要针对模型性能提升与轻量化模型设计等关键技术进行了研究。主要研究内容如下: (1)以典型的CNN模型YOLOv5为基础,系统介绍其网络的基本架构;同时,探讨网络的训练方法及优化机制;最后,介绍目标检测与分类的基本原理,为后续网络的改进和优化奠定了坚实的理论基础。 (2)分析线性调频连续波信号模型,并介绍常用的自动驾驶数据集。针对车载毫米波雷达图像的目标检测与分类需求,选取Radiate数据集作为研究对象。对于数据集中的雷达距离-方位图像,采用最小外接矩形方法进行预处理,转换为YOLOv5标准化轴对齐矩形框格式,并展示预处理结果,为后续模型训练和推理提供高质量的输入数据。 (3)针对车载毫米波雷达图像因低分辨率、噪声干扰和复杂背景导致目标边界模糊的问题,提出了一种基于改进YOLOv5车载雷达图像目标检测与分类方法。通过优化损失函数EIoU提升边界框定位精度,采用解耦头增强检测与分类特征学习,并设计融合CBAM注意力机制的Concat＿att模块强化目标区域特征提取并抑制背景噪声。实测实验结果表明,改进模型的平均精度均值mAP@0.5和mAP@0.5:0.95分别为80.6%和47.9%,较YOLOv5分别提升4.7%和4.6%,显著增强网络的检测分类能力和鲁棒性。 (4)针对资源受限平台上部署时,网络精度提升带来的计算量、参数量和模型规模增加问题,提出一种基于轻量化YOLOv5的车载雷达图像目标检测与分类方法。结合Ghost卷积构建轻量化Ghost解耦头,降低计算复杂度,并使用Slim剪枝去除冗余通道与参数,显著压缩模型规模。实测实验结果表明,本文方法在平均精度均值mAP@0.5和mAP@0.5:0.95上分别达到80.3%和46.8%,较原始YOLOv5分别提升4.4%和3.5%。使用1.5X剪枝后,模型大小和参数量降至原始的76.8%和76.0%,检测精度仍分别提升2.7%和2.8%,FPS可达93,满足实时性要求,适用于资源受限环境下的雷达图像目标检测与分类任务。

关键词： 改进YOLOv7   DCoT   FcaNet  

摘要： 本研究提出了DFDC-YOLOv7网络模型，结合了空洞卷积特征提取网络(DCoT)以及频率通道注意力网络(FcaNet),以增强上下文信息的提取以及特征表达能力.DCoT通过空洞卷积有效捕获多尺度上下文信息，允许模型在不同的感受野中同时学习；而FcaNet则通过频率通道的注意力机制优化了特征图的选择，确保重要信息能够被突出显示，从而提高了模型的判别能力.研究人员采用DOTA与HRSC2016数据集对DFDC-YOLOv7进行了全面验证.结果表明，相较于传统YOLOv7模型，DFDC-YOLOv7在目标检测的精度、速度方面均有显著提升，表明了其在复杂遥感场景下的优越性能.

关键词： 图像处理   玻璃内在纹理图像   无重叠区域   投影   Shi-Tomasi算法  

摘要： 针对玻璃内在纹理图像拼接过程中存在相邻图像间无重叠区域、黑色线状噪声较多，以及图像对比度较低等问题，提出了一种无重叠区域玻璃内在纹理图像拼接方法。首先对图像进行预处理，包括获取感兴趣区域、图像校正、非局部均值滤波去噪和多尺度细节增强等；然后采用图像投影的方式提取特征点，并用Shi-Tomasi算法更新特征点；最后去除拼接处的背景部分，基于平移变换进行图像配准，实现无重叠区域玻璃内在纹理图像拼接。实验结果表明，所提方法能够有效解决相邻图像间无重叠区域导致拼接困难的问题，实现高质量图像拼接，且拼接准确率达到95.08%。

关键词： 太阳黑子   目标检测   YOLOv8   注意力机制   自校准光照学习  

摘要： 太阳黑子是太阳表层的磁活动现象,在太阳表面呈现出比周围区域更暗的特征。因其外形酷似黑点,所以被命名为太阳黑子。这些黑子的产生是强磁场区域作用的结果,它们的大小差异显著,尺度范围从几十公里到数十万公里;而黑子的寿命同样变化不一,短则维持数小时,长则可达几个月。太阳黑子的出现情况以及数量波动,会对地球产生诸多重要影响。当太阳黑子的数量不断增加时,太阳向外辐射的能量也会相应增多,这种能量变化进而会致使地球的气候和天气状况发生改变。太阳黑子作为太阳活动的重要特征,其目标检测在太阳物理学和空间天气预测中具有重要意义。本文针对太阳黑子目标检测中存在的问题,以YOLOv8模型为基础为基础,寻求提升检测精度的方法。本文主要工作如下: (1)针对缺乏标准化训练数据的问题。通过使用Label Img对采集的太阳黑子图像进行标注,构建了一套包含太阳黑子的数据集Sunspots。 (2)针对太阳黑子检测中传统卷积神经网络可能未能充分捕捉通道间依赖关系影响检测识别精度的问题,提出了一种YOLOv8结合GCSA(Global Channel Spatial Attention,GCSA)注意力机制的算法——YOLOv8n＿gw。首先设计并引入GCSA注意力机制,通过构建模型端到端的特征提取网络增强模型对太阳黑子特征的捕捉能力。此外,改进了Io U损失函数,将原本的CIo U损失函数改进为WIo U损失函数,减少低质量数据给模型带来的不利影响,进一步增强模型的鲁棒性。 (3)针对太阳黑子图像目标检测中存在的复杂光照条件、低对比度以及噪声干扰等问题,提出了一种融合自校准图像增强(Self-Calibrated Illumination,SCI)算法与YOLOv8的目标检测算法——YOLOv8n＿sgw。首先将SCI算法引入到整个YOLOv8框架中,通过加载SCI对太阳黑子图像进行增强,提升了模型的图像增强能力,从而提高模型精度。 (4)使用GUI框架Py Qt5设计太阳黑子目标检测系统,结合本研究提出的新型算法,能够实现高效、精准的太阳黑子目标检测。 通过在Sunspots数据集上实验,验证了本文改进方法的有效性。结果显示YOLOv8n＿gw相较于初始YOLOv8n检测精度提升了2.2个百分点,精度达到了81.9%。而YOLOv8n＿sgw则在YOLOv8n＿gw的基础上检测精度又提升了3%,相较于最初的YOLOv8n精度总共提升了5.2%。实验结果验证了本文提出的太阳黑子目标检测改进算法是有效的。

关键词： 双目视觉   目标检测   小目标检测   动态检测   双目测距  

摘要： 螺栓作为机械设备必不可少的紧固件,关系到设备的运行稳定性和使用安全。对于铁路轨道、输油管道和起重机械等需要定期检查和维护的设备,螺母拆卸是一项极具耗费时间和体力的工作。若借助于自动化设备完成该项工作,则需要稳定目标检测技术和定位算法。针对这个问题,本文对移动设备上的动态目标检测算法和双目视觉算法进行研究,提出一种目标检测算法与双目视觉定位算法相结合的方法,并搭建了基于双目视觉螺栓动态检测与定位系统,通过实验验证了算法的有效性。本文的具体研究内容如下: 首先,根据针孔成像原理,建立相机成像的线性模型,完成世界坐标系下的任意三维坐标到像素坐标系下二维坐标的转化。根据相机成形模型和相似三角形,完成对双目视觉测距模型的构建。根据图像畸变的形式,建立图像畸变模型。理清张正友标定法;为获得双目是相机的准确的内外参数和畸变系数,使用MATLAB的双目相机标定工具箱对双目相机进行标定实验。实验结果表明通过标定得到的内外参数和畸变系数满足使用要求。 然后,针对现有小目标检测算法不足、模型参数量大的问题,分析了YOLOv5模型的网络架构和损失函数的特点,提出了融合Mobile Netv3和C3k2模块的改进YOLOv5目标检测算法。使用MobileNetV3＿small对主干网络进行替换以减小模型的参数量;同时在主干网络嵌入CBAM注意力机制模块,提高主干网络对小目标特征提取能力;并使用C3k2模块替换模型原有的C3 Block,提升网络的灵活性。经过模型训练和实验分析,所提出的改进YOLOv5目标检测算法在精确率、召回率和m AP等关键性能指标分别提升了4.13%、3.02%、3.59%和2.61%;同时,模型大小减小了72.01%,模型轻量化上也得到显著的提升,满足了对小目标的实时性检测需求。 其次,分析了常用的立体匹配算法,并使用Middlebury数据集中的Teddy、Cones和Art图像作为测试样本,对这些算法进行对比实验。综合考虑匹配质量和匹配时间,最终使用SGBM立体匹配算法,并通过实际的测距实验验证该立体匹配算法的实用性。深度测量结果表明,测量深度存在规律性波动误差,其波动在可接受的允许范围之内。 最后,本文将改进YOLOv5目标检测算法与双目视觉测距算法进行整合,实现了摄像头移动状态下对螺母的识别与定位,并通过实际的静态实验和动态实验对算法性能进行验证。结果表明,在静态视角下,基于双目视觉的螺栓识别与定位系统对单张图片对的检测误差范围在±16 mm,多组分析取平均可减少绝对误差至±4 mm内,组间相对误差在±0.35%内。在动态视角下,由于镜头位置随时间的变化而不能取平均,因此提出改进YOLOv5+SGBM算法,实验的定位绝对误差在±26.63 mm内、相对误差在±2%左右,可满足使用需求,造成误差的主因是振动加速度。 本文所提出的基于双目视觉的识别与定位方法具有较好的性能表现,适用于可移动摄像系统的对小目标的定位,能够满足动态场景下对螺母的识别与定位,有望为车载螺母拆卸平台提供一种视觉快速定位方法。

关键词： 弱光条件   电力应急   目标检测   图像增强   注意力机制  

摘要： 电力系统受灾往往伴随着停电、光照条件差，因此在弱光条件下获取电力系统的受灾信息对于电力应急十分重要。然而，现有研究面临以下关键问题亟待解决：1)弱光环境下灾损图像的对比度与细节信息严重缺失，传统增强方法易引入伪影或过度曝光；2)低照度导致的图像噪声与电力设备特征模糊化，使得目标检测算法对关键设施(如输电线路断股、铁塔变形、绝缘子破损)的漏检率显著升高；3)灾损场景中目标尺度差异大(如导线与变电站设备的空间跨度可达数个数量级)，现有注意力机制难以自适应地平衡局部细节与全局上下文特征。针对上述问题，本研究聚焦于如何通过弱光增强与目标检测的协同优化提升灾损识别的可靠性，提出一种基于EnlightenGAN和CBAM的弱光图像增强与目标检测方法(FLLEM)。该方法利用图像增强和注意力机制，旨在抑制噪声的同时恢复灾损特征的可区分性，并通过动态权重分配机制强化多尺度电力设备的关联性特征表达。以南方电网数据为基础，应用FLLEM建立了弱光条件下电力系统灾损检测模型。实验结果表明，该方法对较差光照场景下电力状态的预测准确率高，能够准确定位和识别红外图像中的电力设备，且优于SE-Net和CBAM等算法。FLLEM在维护电力系统稳定性和安全性方面表现出良好的应用效果，证明了该方法的有效性，展现了其在特定领域的实际应用潜力。本研究为极端环境下电力应急决策提供了可扩展的技术框架，未来可进一步探索多模态数据(如红外—可见光融合)的灾损评估方法。

关键词： 方腔流   图像处理   停留时间分布   粒子图像测速   流动模型  

摘要： 方腔流作为一种典型的流体流动现象,是众多复杂流动研究的基础。方腔内部独特的涡流结构能够作为调节混合过程的有效机制,深入理解并准确预测方腔内流体的流动与混合特性,对于优化方腔结构设计、充分利用涡流特性并开发具有可控流场结构的新型反应器具有重要意义。 本研究采用正阶跃输入的示踪实验,对湍流状态下的方腔流动进行可视化研究,同时利用图像处理技术测定方腔流中液相停留时间分布（RTD）,并结合二维粒子图像测速技术测定的液相流场,探究了方腔上方流道流量（Q）、方腔长度（L）、长深比（L/H）和厚度（T）对流动特性和液相RTD的影响。 研究结果表明,仅有5%左右的液相从方腔上方流道进入方腔,驱动方腔内的液相形成涡流,其流量占比与L和T成正比,而基本不受Q的影响。增大Q,进入方腔的流量同比增大,液相循环加快,平均停留时间t减小,RTD的均匀性增加,但涡流结构变化较小,表明流体的宏观混合状态基本不受Q的影响。在L/H=1的正方形方腔中,随着L的增大,进入方腔的流量随之增大,但方腔体积增大5.44倍,t仅增大1.78倍左右,并且低流速区体积增大,导致其与主流区域流体的混合效果变差。随着L/H的减小,方腔内的涡流被纵向拉长,在L/H=1/2的方腔中还会形成新的次级涡流,低流速区体积迅速增大,t显著增大,并且内循环程度的增加增大了返混程度。随着T的减小,进入方腔的流量和方腔体积同比减小,t基本不变,但涡流中心低流速区体积增大,整体流速减慢,进而削弱了混合效果。 基于方腔流中液相平均停留时间t的影响因素,建立了无量纲停留时间（tu0/L）与方腔结构（L/H和L/T）、来流结构（L/dm）和方腔雷诺数（Re L）间的无量纲关系式,其对t的预测误差均在10%以内。最终,基于方腔内部的流动与混合特性,建立了停留时间分布的非理想流动模型,并根据无量纲关系式分析了流动条件和方腔结构对模型参数的影响。结果表明,Q、L和L/H均与模型参数有较好的相关性,而T只与内循环流量占比相关。模型能够较好地描述方腔内流体的流动与混合行为,可以为新型反应器设计提供理论基础。

关键词： 中药饮片检测   深度学习   目标检测   特征融合   轻量化模型  

摘要： 随着我国健康观念向“治未病”和整体医学的转变,中医药作为中华民族传承数千年的医学瑰宝,其重要性与时代价值日益凸显。中药饮片是中医临床用药的主要形式,其质量检测和鉴别直接关系到用药安全与疗效的稳定性。然而,中药饮片种类繁多且纹理复杂,现有的基于深度学习的检测方法在中药饮片检测中面临挑战,如特征提取不足、尺度适应性差和模型复杂度高等问题。对此,本文主要研究内容如下: (1)针对中药饮片检测效率低下的问题,提出一种基于动态卷积与融合注意力的渐进特征融合网络(Chinese Medicine Asymptotic Feature Pyramid Network,CMAFPN),该网络在特征融合层面采取渐进式跨层融合交互机制动态调整特征贡献权重,逐步整合底层细节与高层语义信息,缓解特征差异对检测精度的负面影响;在特征提取层面提出多维动态卷积模块,使卷积核能够根据输入特征自适应调整感受野,增强对饮片微观纹理的捕捉能力。同时嵌入卷积注意力融合模块,实现局部细节与全局轮廓的协同优化。在损失函数方面提出NWDCIo U损失,实现对边界框回归的联合优化,提升小目标与堆叠饮片的定位精度。实验表明,该网络能够有效检测纹理复杂、尺度不一的中药饮片,具备良好的适应性和泛化能力。 (2)针对中医药分拣设备的算力限制,提出一种轻量化模型(Medicine Detection Activated Network,MDANet),该模型通过设计ECAMobile轻量化骨干网络,并采用高效通道注意力机制替代传统SE模块,大幅减少模型参数量;引入双分支轻量级检测头,结合深度可分离卷积与Ghost特征生成机制,压缩检测头的冗余参数;针对管状饮片的弯曲形态,嵌入动态蛇形卷积模块,通过迭代偏移计算与双线性插值自适应贴合蜷曲饮片的几何结构。实验表明,MDANet在参数量仅6.4M、推理速度达402FPS的条件下,m AP@50达到88.9%,较基准模型参数量减少52.2%,FLOPs降低46.6%,同时管状饮片检测精度提升10.4%。 本文通过渐进特征融合与轻量化协同优化,构建了高效精准的中药饮片检测框架,所提方法在复杂纹理表征、多尺度适应性和嵌入式部署效率方面均表现出显著优势,为中医药产业智能化分拣提供了可靠技术支撑。

关键词： 目标检测   尿钠检测   比色分析   YOLOv8   图像识别  

摘要： 尿液中的钠含量与体内的水盐平衡密切相关,能够提供有关肾功能、高血压、心血管疾病等健康问题的重要信息。尿钠检测试纸以显色反应为基础,实现对尿液中钠离子浓度的即时检测,能够帮助用户更好地监测管理自己的健康。但是试纸分析仪不具备便携性且成本高昂,人工比色法则依赖使用者的颜色分辨能力,不便于色弱或者色盲等色觉缺陷患者使用。本文在自然光照或室内照明条件下,以尿钠检测试纸为研究对象,分别从传统的图像识别算法和深度学习算法对尿钠检测试纸数字图像的比色分析进行研究,设计了基于尿钠检测试纸图像识别比色分析方法和基于改进YOLOv8模型的尿钠检测试纸比色检测方法,并基于Android平台分别部署开发了基于图像识别技术和深度学习技术的自动比色检测App,旨在解决试纸仪的检测成本高、便携性差,人眼对细微色差分辨能力差,容易主观性误判,色觉缺陷患者无法辨色等问题。 论文主要完成了以下工作: (1)基于图像识别的尿钠检测试纸图像ROI区域定位。尿钠检测试纸图像ROI区域定位包括标准色块区域定位和试剂块区域定位两个部分。首先进行尿钠检测试纸的图像采集,针对标准色块形状特征稳定、易于提取稳定轮廓边缘的特点,通过轮廓分析的方法进行轮廓筛选设计实现标准色块的定位;针对试剂块边缘梯度弱、难以提取稳定封闭轮廓的问题,通过预设位置的方法结合相对位置关系设计经验公式完成试剂块的定位。 (2)基于尿钠检测试纸图像比色分析的钠测定。介绍了RGB、HSV、Lab等颜色空间基本理论、适用场景及转换过程,首先针对外界光照可能导致的图像偏色问题,结合灰度变换理论和完美反射假设实现对图像的颜色校正,然后为了实现颜色提取与量化表达,根据标准色块和试剂块的颜色分布情况,基于RGB颜色空间分别采取采样均值主色法和最频值主色法进行ROI区域颜色提取,再基于面向人类视觉颜色感知的原则,结合RGB、HSV、Lab颜色空间进行颜色相似度计算,通过投票法设计比色算法,提高了比色分析的可靠性;最后再根据比色分析结果确定试剂块最相似的标准色块颜色,从而间接测算出待测液的浓度。 (3)基于改进YOLOv8的尿钠试纸检测图像比色检测。本算法基于轻量化的YOLOv8模型进行改进;首先,针对原模型在复杂背景、光照不均的精细颜色辨识能力不足的问题,在YOLOv8的Backbone层的C2f模块后引入Outlook Attention注意力机制,使网络更加关注图像的待检测区域,强化对特征的捕捉能力。为了增强对试纸的检测能力,在浅层特征图分支上增设精细化小目标检测头,提升了模型对小目标细节的解读能力。然后基于自建的尿钠检测试纸数据集,完成了模型的训练和验证,并进行了消融实验和对比实验,对比分析模型的性能。 (4)基于Android的尿钠检测试纸App部署。为了验证算法在Android移动端的实际效果,将第二章所述的基于图像识别的尿钠检测试纸图像ROI区域定位方法和第三章所述的基于尿钠检测试纸图像比色分析的钠测定方法相结合进行基于尿钠检测试纸图像识别比色分析的App开发和设计;然后将第四章所述的基于改进YOLOv8模型的尿钠检测试纸图像比色检测方法,借助ncnn模型进行了App的开发部署,并展示了App在Android移动端的实际检测效果。