关键词： 多源信息融合   无人机   特征融合   目标检测  

摘要： 为提升复杂环境下面向无人机视角的目标检测效果,提出一种基于多源信息融合的目标检测算法。该算法以可见光和红外图像为输入,利用双支路Swin-Transformer结构分别提取两者多层级特征,并以自主学习的方式分层级融合两者特征,增进信息互补。在此基础上,构建双向特征金字塔网络进一步深化浅层与深层特征融合,充分获取目标多尺度信息。最后,通过多个检测头在不同层级的特征图上独立预测目标,提升检测器性能。多个公开数据集的仿真和对比实验表明,所提算法不仅设定合理性能优越,且具备良好的鲁棒性和泛化性。

关键词： 目标检测   红花   YOLOv5s   ShuffleNet v2   多尺度   排斥损失函数  

摘要： 针对自然环境中红花智能采摘存在红花尺度变化大、遮挡情况复杂的问题,该研究对YOLOv5s模型进行优化,提出了一种基于多尺度特征提取的YOLO-SSAR目标检测算法。首先,采用ShuffleNet v2轻量化结构对Backbone层主干特征提取网络进行替换,减少模型参数量和计算量;其次,在Neck层添加基于空洞卷积和共享权重的Scale-Aware RFE模块,提高模型对于多尺度特征信息的提取能力;最后,为解决目标检测中类内、类间遮挡问题,在Head层引入排斥损失函数对原损失函数进行替换,减少因非极大值抑制(non-maximum suppression,NMS)阈值选取不当造成的漏检或误检,提高模型的检测精度。试验结果表明,YOLO-SSAR算法在测试集上的精确率、召回率和平均精度均值分别为90.1%、88.5%、93.4%,比YOLOv5s原始模型分别提升了5.9、9.2和7.7个百分点,推理速度为115帧/s,模型大小为9.7 MB,与主流算法YOLOv4、YOLOv7、YOLOV8s、Faster R-CNN、SSD相比,精确率分别高出6.8、7.2、6.3、16.2和10.8个百分点、召回率高出9.4、10.3、9.5、17.3和59.4个百分点,平均精度均值高出8.8、8.2、8.1、14.9和19.4个百分点。研究表明,YOLO-SSAR算法在提升综合检测性能的同时也降低了计算复杂度,研究结果可以为红花智能采摘研究提供算法参考。

关键词： 深度学习   目标检测   路面病害   YOLOv5s   可变形卷积   轻量化  

摘要： 针对现有的路面病害检测算法在复杂环境下检测精度低、模型复杂度高的问题,在YOLOv5基础上,提出了一种融合可变形卷积的轻量级路面病害检测算法(lightweight deformable convolution YOLOv5,LDC-YOLOv5)。首先,针对真实路面病害复杂不规整的特点,使用可变形卷积(Deformable Conv)和深度卷积(Depthwise Conv),设计了一种轻量级特征提取模块,代替原网络主干部分的C3模块,使卷积核聚焦在无规则裂缝病害上,增强病害特征提取能力。其次,针对特征融合阶段出现算法复杂度过高的问题,使用轻量级卷积GhostConv,构建一种轻量级特征融合模块,代替原网络颈部网络部分的C3模块,降低网络参数和复杂度;为避免真实路面出现光照不均,出现阴影遮挡路面病害目标而造成的病害漏检的情况,在主干网络部分,引入轻量级注意力机制TripletAttention,增强算法对病害信息上下文之间的理解能力。最后在IEEE公开数据集RDD2022和Kaggle公开数据集Road Damage上进行测试,实验结果表明,与YOLOv5s相比,mAP50在两个数据集上分别提升了1.4%和4.2%,且模型参数量仅为YOLOv5s的67.6%。

关键词： 档案管理水平   档案信息   电力档案   企业发展战略   知识经济   过度依赖   目标检测   合规性  

摘要： 引言当前,社会正稳步迈向知识经济和信息化时代,信息已逐步成为企业发展战略的核心资源,其价值日益受到广泛认可。在电力档案管理实践中,尽管企业的档案管理水平不断进步,但仍有大量档案工作需要过度依赖人工操作,尤其是在区分复印件与原件时,混淆现象时有发生。这种混淆不仅严重损害了档案信息的真实性和准确性,更对档案管理的合规性构成了直接且重大的威胁。

关键词： 虚拟仿真实践教学   实践类课程   实验环节   工科专业   时间间隔   理论课堂   新工科   工科背景  

摘要： 以往大多数工科实验类课程通常采取教师先在课堂上讲授理论知识,而后学生在一定的时间间隔后于指定地点进行实验环节,这种方式往往存在学生在理论课堂上理解片面、实验环节又很难将前期理论与具体实践紧密结合,导致学习效果不佳。针对这一问题,本文通过对工科实践类课程大量调研的基础上,融入新工科的理念与思政元素构建适合工科专业的《数字图像处理》课程的虚拟仿真实践教学模型,致力于提高学生面对实际问题的应对能力。

关键词： 红外弱小目标   脉冲神经网络   目标检测   深度学习   注意力机制  

摘要： 随着无人机和其他飞行器技术的快速发展,机载红外弱小目标检测成为重要研究领域。然而,由于目标距离远、体积微小或部分遮挡,传统方法在检测过程中面临巨大挑战。因此,提出更为精确的目标检测算法显得尤为重要。本文提出了一种融合脉冲和卷积技术的新型机载红外弱小目标检测模型,即脉冲增强的融合特征网络(SEFFN)模型。与以往的基于深度学习的红外弱小目标检测算法不同,该模型通过仿生的脉冲神经网络结构增强与弱小目标检测相关的特征表达,从而更精确地提取小目标区域。SEFFN主要包含4个关键模块:扩展金字塔卷积(DPC)、双路注意力融合(DAF)、多脉冲增强(MSE)和监督注意力(SAM)。这些模块共同作用,提高了对小目标区域的关注,同时在排除噪声干扰的前提下保留小目标的主要特征,显著提升了模型的检测性能。在两个数据集上的试验结果表明,与现有的模型驱动和数据驱动方法相比,SEFFN的表现更为出色,特别是在Sirst Aug数据集上,其F和mIoU分别达到85.74%和75.04%。这表明SEFFN在红外弱小目标检测任务中的有效性和优势。SEFFN适用于航空领域,能够部署在飞行器的边缘设备上,提高空中平台对远距离目标的检测能力,支持远程监控、反制敌方威胁等任务。

关键词： 铁芯振动   声成像技术   变压器   故障检测   声学信号处理   图像处理  

摘要： 铁芯振动声成像技术是一种新兴的变压器故障检测方法,能通过对变压器铁芯振动产生的声波进行分析,实现对变压器内部故障的快速定位和准确诊断。本研究以某电力公司的一台220kV变压器为对象,利用铁芯振动声成像技术对其进行故障检测。首先,通过对变压器运行状态的监测和数据采集,获取了铁芯振动信号的原始数据。然后,利用声学信号处理和图像处理技术,对原始数据进行滤波、降噪和图像重建等处理,得到了变压器铁芯振动声成像图像。最后,通过对声成像图像进行分析和比较,确定了变压器铁芯存在的故障类型和位置。实验结果表明,铁芯振动声成像技术能有效地检测变压器内部的故障,具有较高的准确性和可靠性。因此,铁芯振动声成像技术在变压器故障检测中具有广阔的应用前景,并且可以为变压器的维修和保养提供有力的技术支持。

关键词： 冲压零件   汽车安全系统导向爪   YOLOv5   目标检测  

摘要： 以汽车安全系统导向爪这一冲压零件为研究对象,提出了一种基于YOLOv5的目标检测算法对汽车安全系统导向爪表面缺陷进行检测。首先对原始数据进行筛选,去除无效数据;其次为解决样本不均衡问题,对部分数据进行增广;然后使用LabelImg工具对扩充后的数据集进行标注;接着将标注好的数据集放入模型中进行训练;最后将训练得到的最优权重用于测试。实验证明,YOLOv5的检测效果明显优于Faster R-CNN、SSD、RetinaNet这三种目标检测模型,其mAP可达98.4%,平均检测时间为6.2 ms。基于YOLOv5的缺陷检测方法能够满足实际生产线的检测速度和精度要求,对冲压零件缺陷检测具有重要指导意义。

关键词： 计算机视觉   智能电视   场景识别  

摘要： 随着计算机视觉技术的快速发展,其在智能电视场景识别中的应用展现出巨大潜力,为实现个性化推荐和智能化调节提供了新的可能性。基于此,分析计算机视觉技术在智能电视场景识别中的应用,探讨图像处理、深度学习与特征提取、多模态数据融合技术如何通过识别用户行为和环境条件进行场景分类。通过实验验证,所提方法在多种智能电视使用场景下,均展现出卓越的识别准确率和快速响应能力。

关键词： 计算机图像处理技术   纸张匀度模型   Jordan比周长   梯度法  

摘要： 计算机图像处理技术与造纸工业的结合,引起了国内外学者的广泛关注和研究,基于计算机图像处理技术的纸张缺陷检测、纸张匀度评价等是造纸行业关键技术。纸张匀度是纸张在三维方向上的质量均匀性,直接影响成纸的印刷性能、物理性能。对此,围绕纸张匀度检测工作,简述了计算机图像处理技术的应用原理与思路,重点利用标准匀度指数、Jordan比周长和傅里叶变换结合梯度法构建纸张匀度模型,采用试验的方法验证了这些纸张匀度模型的可行性与准确性。