关键词： 煤矿智能化   目标检测   深度学习   数字孪生   具身智能  

摘要： 随着深度学习理论的研究与发展，基于深度学习的目标检测技术在智能化矿山领域取得了显著进展，目标检测已成为人工智能技术在煤矿应用场景的典型范式和研究热点。然而深度学习目标检测对标注数据集依赖性强，存在模型可解释性差、计算复杂等问题，如何提高矿井目标检测精度、模型自适应性和计算效率，是矿山人工智能领域亟待解决的研究课题。本文对煤矿井下智能目标检测技术及其研究进展进行综述。首先，简要概述了目标检测技术，介绍了基于深度学习的目标检测技术演进过程和算法分类，并分析比较了基于CNN和Transformer的目标检测网络。然后，重点研究了矿井智能目标检测的数据增强、超分辨率重建、特征提取等关键技术，并围绕煤矿“人-机-环”应用需求，详细阐述了基于深度学习的目标检测在井下人员安全监测、矿井设备智能检测、工况环境感知等方面的研究进展。最后，指出了煤矿应用场景下智能目标检测技术在数据集构建、模型优化、多源异构数据融合等方面仍存在挑战，讨论了煤矿智能目标检测技术的发展趋势。并提出未来应致力于将目标检测技术与小样本学习和多模态融合、模型轻量化和边缘计算、数字孪生和具身智能等新兴技术相结合，以此促进智能检测技术与煤矿安全生产的深度融合与应用，为矿井智能目标检测技术体系构建提供理论参考。

关键词： 信息融合   目标跟踪   量测关联   扩维无迹卡尔曼滤波器   空基多平台  

摘要： 该文以高空无人机(UAV)飞艇载双光电传感器,无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景,针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题,提出一种基于多平台异构信息融合的航空目标跟踪算法。首先,在坐标系转换的基础上提出基于角度-距离两级点迹关联算法,从而实现多传感器量测关联。其次,提出基于线面交汇融合定位算法,通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上,利用空基多平台侦察的异构信息,结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明,该算法实现了对航空高速目标的高精度跟踪。

关键词： 目标检测   DETR   注意力机制   特征融合   自适应激活  

摘要： 针对当前传统检测算法对3C智能装配场景下小尺度器件识别精度不高,在面对目标器件遮挡情况下产生漏检等问题,提出一种改进的DETR算法,通过引入多尺度特征融合网络PANet,使模型保留更多的细节和上下文信息,从而提高对小目标的感知能力,改善小尺度器件识别精度不高的问题;针对骨干网络对多尺度特征提取能力弱,计算和参数量较大的问题,采用了ResNeSt-50骨干网络,使模型拥有更强的特征表示能力,从而改善了泛化能力以及提升了模型的效率;采用ACON自适应激活函数有效的优化了激活函数在负半轴特征信息消失的问题;最后使用Smooth-L 1 Loss可以结合Focal Loss损失函数,使模型收敛精度更高,并且有效的改善了正负样本比例不平衡的问题。在自建3C装配数据集上进行了实验对比,实验结果表明:所提算法的mAP@0.5比基准网络YOLOv5提高了4%,比YOLOv7提升了2%。

关键词： 红外图像   多尺度小目标   目标检测   经典算法   深度学习算法  

摘要： 在复杂背景和噪声干扰下,如何利用红外探测系统快速且准确发现特征少、强度低、尺度变化以及运动状态未知的非合作小目标是一项具有挑战性的任务,备受学者关注。为了让读者全面了解该领域的研究现状,本综述将从算法原理、文献、数据集、评价指标、实验和发展方向等方面进行总结概括。首先,解释了以“红外多尺度小目标(点源和小面源)”为对象进行研究的原因并分析了红外多尺度小目标及背景的成像特性;其次,分别讨论了基于经典算法和深度学习算法的原理、设计策略和相关文献,并对比分析了这两类算法的优缺点;然后,总结了现有的红外小目标公开数据集和算法评价指标;最后,分别选取7种经典算法和15种深度学习算法进行定性和定量的对比分析。通过对单帧红外图像多尺度小目标检测技术的全面回顾,对该领域下一步的研究方向给出了9条具体建议。本综述不仅可以帮助初学者快速了解该领域的研究现状和发展趋势,也可作为其他研究的参考资料。此外,在本领域研究过程中,还将现有的20种经典算法、15种深度学习算法和9种评价指标集成在人机交互系统中,相关系统的视频介绍发布可由以下链接得到:https://***/kourenke/GUI-system-for-infrared-small-target-detection。

关键词： 刀具磨损   机器视觉   图像采集   图像处理  

摘要： 为在生产加工过程中有效检测刀具磨损状态,提高加工效率,降低加工成本,提出一种基于机器视觉的刀具磨损特征值获取方法与检测装置。基于加工场合开发了一款具备回收与展开两种状态的在位刀具图像采集装置;运用灰度处理、高斯模糊滤波与二维中值滤波、自适应二值化、形态学等图像处理技术对刀具图像进行预处理,结合GrabCut算法分割图像背景,运用OTSU分割算法提取刀具轮廓,采用Canny算子边缘检测提取刀具磨损区域,结合刀具直径计算得出刀具磨损特征值;通过对6061铝合金航发叶片进行正交试验,获取刀具磨损特征测量值,与电子数码显微镜获得的实际值对比表明,测量值与实际值之间的误差(除少部分外)均保持在0.02mm内。

关键词： 高级计算机视觉   研究生课程思政   案例教学  

摘要： 新工科和工业4.0背景下,许多高校的高级计算机视觉课程开设了深度学习模型教学,迅速提升了研究生的工程能力,其中大数据和开源模型的信息安全和应用价值观是思政教育热点。本文首先简要分析了该课程融入思政教育的三个问题:信息安全教育的忽视,价值观教育的忽视和变化的社会责任,结合视觉数据获取、视觉目标检测/分类、视频/图像生成三个方面的案例给出了可参考的缓解对策,在高级计算机视觉课程中推进人工智能教育的同时,加强研究生的信息安全观、求是创新的价值观和新的社会责任感,确保该课程思政教育的科学管理和有效运行。Under the background of new engineering and industry 4.0, many colleges and universities have set up deep learning model teaching in advanced computer vision courses, which has rapidly improved the engineering ability of graduate students. The information security and application values of big data and open source models are the hot spots of ideological and political education. This paper first briefly analyzes the three problems of integrating the course into ideological and political education: the neglect of information security education, the neglect of value education and the changing social responsibility. Combined with the three aspects of visual data acquisition, visual target detection/classification, and video/image generation, this paper gives a reference mitigation strategy. While promoting artificial intelligence education in advanced computer vision courses, we should strengthen graduate students’ information security concept, realistic and innovative values and new social responsibility, so as to ensure the scientific management and effective operation of ideological and political education in this course.

关键词： 人工智能   深度学习   目标检测   YOLOv8   垃圾检测  

摘要： 垃圾自动检测与分类是高效正确处置垃圾的前提,生活垃圾的多样性和多变性是垃圾检测的主要挑战。针对这一问题,本文提出一种基于YOLOv8的生活垃圾图像检测方法。首先,通过数据增强算法对数据集进行处理,扩充样本以提高模型的鲁棒性和泛化能力。其次,在主干网通过C2f等模块,进一步轻量化的同时有效提取图像特征。再次,颈部使用PaFPN经过自顶向下及自底向上两次融合各层级特征。最后,检测头解耦为分类和回归分支,输出垃圾对象位置及类别。在华为提供的数据集上的实验证明:该垃圾图像检测方法能有效定位并识别各种垃圾。

关键词： 特征提取   尺度变化   目标检测   通道自适应感受野   冗余特征   边框损失   知识蒸馏  

摘要： 针对不同尺度的目标容易造成模型的特征提取和尺度变化的适应性问题,提出一种融合自适应感受野的目标检测算法。通过对特征图采用拆分、卷积和融合的方式构造通道自适应感受野模块,以提取不同尺度的感受野,提高对尺度变化的适应能力;在网络结构中引入通道自适应感受野模块和RepVGG模块,采用FC模块(concatenate with convolutions)过滤冗余特征,强化模型的特征提取能力;采用Alpha-CIOU损失和知识蒸馏优化训练,提高算法的检测能力。在Pascal VOC和MS COCO数据集上的实验结果表明,该算法在尺度变化、精度和速度等方面取得了优秀的性能。

关键词： 夜间航标灯检测   目标跟踪   灯闪序列识别  

摘要： 为了实现夜间航标灯的智能检测,提出一种基于视频的航标灯质检测网络模型,首先利用检测模块捕捉航标灯质的颜色特征,接着利用跟踪模块对灯质颜色特征进行跟踪以锁定目标,再利用分类模块完成目标的灯质闪烁序列识别,最后采用二元相关性方法将颜色与灯质闪烁序列结合形成航标灯检测结果。检测模块基于YOLOv5模型,改进了其骨干网络并采用了新的SIoU损失函数,实现了视频单帧图像的灯色检测;跟踪模块基于DeepSort,并结合卡尔曼滤波和匈牙利算法实现间歇出现灯色的稳定跟踪;分类模块利用简单的网络结构实现了灯闪频率的快速识别。利用3 500 min的航标灯视频对模型进行训练和测试,结果表明模型的航标灯检测准确率可达90%,检测速度也满足实时性要求。

关键词： GhostNet   YOLOv5   无人船   全局自适应模块  

摘要： 针对复杂海况下无人船小尺度水面目标检测效果不佳及无人船数据集出现的样本不均衡的情况,本文提出一种改进YOLOv5的无人船水面目标检测方法。首先,将YOLOv5中主干网络部分替换为GhostNet轻量化网络。其次,在特征提取网络中加入全局空间自适应模块,以限制检测图空间维度上的影响。最后,损失函数部分基于多分类交叉熵损失函数加入可训练的噪声参数,降低样本不平衡带来的影响。通过无人船视角数据集试验结果表明,改进的方法mAP达到86.1%,相比于原始YOLOv5提升6.9%,网络的参数值降低43.4%,检测速度达到69.44帧数/秒,符合无人船等嵌入式设备的需求。改进的YOLOv5方法在检测无人船视角水面目标等情况,具有更好的检测效果。