关键词： 汽油管道泄露   高光谱图像   目标检测   深度学习   Unet网络  

摘要： 针对当前汽油管道泄漏检测效率低、无法精准分割泄露区域边缘的局限性,提出一种基于高光谱图像与深度学习结合的汽油管道泄漏检测方法。首先进行两种型号汽油在土壤、水背景下的特征光谱波段提取;利用连续投影算法实现汽油高光谱图像数据降维;将汽油反射率作为输入,均方根误差为回归参数获得汽油反射峰附近的18个特征波段;采用图像旋转角度、横向或纵向翻转、在图像中注入随机噪声等方式实现数据集样本扩充。其次对Unet高光谱图像语义分割模型进行改进,将Unet网络编码器部分替换成密集连接模块加强各层级间的信息交流,减轻计算量提高模型检测速度;引入通道注意力机制模块,使模型对汽油图像空间和光谱层面两特征信息同时关注,提高模型检测精度;引入失活层的概念,通过暂时关闭网络中的一部分神经元降低网络的复杂性,同时在训练过程中设置适当的时间点实施早停策略从而防止过拟合。最后进行了消融实验和对比实验。消融实验结果验证了密集连接模块和通道注意力机制模块对提高网络分割精度和召回率的有效性;在自建数据集上的定量对比实验结果表明,模型对滴落汽油的分割精度为90.34%,平均每张图片检测时间为0.23 s,与Unet、PSE-Unet和HLCA-Unet模型相比,平均准确率分别增加了14.39%、8.01%和2.73%,召回率分别增加了8.95%、8.02%和6.55%,测试时间与Unet、PSE-Unet模型相比分别减少了10.83%和16.97%,检测优越性定性体现在泄露油滴与背景交会的轮廓更符合原图,本模型可以获得更加准确的汽油特征信息,为汽油管道泄漏检测提供了新的技术方案。此外,在公开的Pavia University遥感数据集上与当前Unet、PSE-Unet、HLCA-Unet模型检测进行对比,模型仍表现出更好的分割效果,体现出较强的普适性和泛化能力,可用于多种类型的高光谱图像语义分割。

关键词： 荒漠草原   鼠洞   无人机   目标检测   鼠害监测  

摘要： 鼠洞密度是草原退化的重要参考指标,也是鼠害程度的标准之一。针对传统鼠洞检测劳动强度大、工作效率低的问题,提出基于Yolov8n+和无人机图像的鼠洞检测方法。首先,无人机搭载可见光传感器采集RGB图像,对图像进行标注制作鼠洞数据集。然后,统计鼠洞尺度区间优化YOLOv8n网络结构:剔除冗余的检测头,精简网络结构;保留深层与浅层之间的信息交互通道。最后,采用目标检测评价指标从检测精度和模型复杂度两个方面对YOLOv8n+进行评估。结果表明:YOLOv8n+对鼠洞的平均检测精度为98.6%,模型体积为3.2 MB,检测速度为172.42 FPS。相比于YOLOv8n和其他主流算法,YOLOv8n+在检测精度和检测速度上表现最好,表明YOLOv8n+能够实现对鼠洞精确、高效的检测,满足现实场景下无人机低空遥感对鼠洞的检测要求,弥补传统方法的不足,提高鼠洞监测的实时性和灵活性。

关键词： 模版   图像匹配   计算机视觉  

摘要： 图像匹配是计算机视觉领域的一个重要研究方向,旨在从大量的图像数据中寻找和识别相似的图像或图像中的特定目标,其应用广泛,包括但不限于人脸识别、物体识别、图像检索、图像拼接、机器人导航等。探讨了基于模版的图像匹配方法,通过分析图像匹配的关键要素,介绍了相关系数法和误差法这两种模版匹配法,并通过试验实现了基于模版的图像匹配,根据试验数据对两种匹配方法进行了比较。

关键词： 西红柿   复杂农业场景   YOLOv8n   目标检测   特征融合   鲁棒性   泛化能力  

摘要： 针对复杂农业场景下西红柿果实大量重叠,叶片、背景遮挡干扰严重,现有模型检测时鲁棒性、检测精度、效果欠佳等问题,提出一种基于改进YOLOv8n的西红柿目标检测模型:TOMO-YOLO。首先,提出了WAFF特征融合策略,替换YOLOv8n的多尺度特征融合方法,优化不同尺度特征的权重分配,增强特征图的表达能力。其次,为解决YOLOv8n在面对复杂农业场景时鲁棒性和泛化能力弱、精度不佳的问题,设计了AWD检测头,提升模型在复杂农业场景的鲁棒性和检测性能。最后,在公共西红柿数据集、自建西红柿数据集上进行模型对比试验。试验结果表明,TOMO-YOLO的整体性能优于YOLO系列模型:YOLOv8n、YOLOv10n、YOLOv6n、YOLOv5n,其中TOMO-YOLO在公共西红柿数据集、自建西红柿数据集上的边框精度分别为88.6%和77.2%,召回率分别为85.0%和59.1%,mAP_(0.5)分别为90.9%和66.7%,mAP_(0.5~0.95)分别为55.0%和37.9%,F1分数分别为85.0%和68.0%,相较于YOLOv8n,边框精度分别提升0.7和3.9个百分点,召回率分别提升5.8和2.6个百分点,mAP_(0.5)分别提升1.4和3.0个百分点、mAP_(0.5~0.95)分别提升1.6和1.2个百分点,F1分数分别提升2.0和4.0个百分点,证明了改进模型的有效性,为西红柿自动化检测与识别提供技术支持。

关键词： 数列极限   计算机算法   收敛性分析   数值算法   机器学习   图像处理  

摘要： 研究对数列极限在计算机算法收敛性分析中的应用情况进行了探讨,尤其强调了其在数值算法、机器学习与图像处理等领域的重要意义。借助对数列收敛性与极限计算方法的剖析,文章说明了数列极限在数学分析中的基础性地位及其与其他分支的关系。研究发现,若在算法设计中引入数列极限的概念,不仅能精准评估算法收敛态势,还能显著提升算法运行效率及稳定性。通过对具体案例进行深入分析,文章揭示了在迭代法、优化算法等数值算法的范畴中,数列极限如何有效指导算法的收敛性评估与性能优化。在机器学习领域,数列极限在模型训练收敛速率及损失函数优化中发挥了关键作用;在图像处理领域,数列极限可辅助理解向量场的收敛性和图像质量提升的相关性。文章总结了研究的重大成果,并对未来在算法收敛性分析中应用数列极限的前景与可能性展开了探讨,以期为计算机科学领域的相关研究提供全新的视角与思路。

关键词： 激光雷达   目标检测   自动驾驶   复杂天气   深度学习  

摘要： 随着传感器、数据处理、视觉感知、控制决策、人工智能等自动驾驶相关技术的不断发展,自动驾驶成为汽车行业未来发展的重要方向之一.但是,以雨、雾、雪等复杂天气为典型代表的极端驾驶环境,对自动驾驶环境感知提出了严峻挑战.随着激光雷达(Light detection and ranging,LiDAR)在汽车上得到广泛运用,基于车载激光点云的目标检测已成为自动驾驶环境感知的重要研究方向之一,但在复杂天气条件下,LiDAR探测生成的点云存在大量噪点,对目标检测的性能产生严重负面影响.对此,本文首先归纳了点云目标检测的基本定义、任务方法和评测指标,然后分析了复杂天气对点云目标检测的影响,并从数据增强、点云去噪、域自适应以及传感器融合等四个方面,系统分析了复杂天气下基于车载激光点云的目标检测方法及其优缺点,最后探讨了当前存在的数据规模与真实性不足、模型结构复杂、数据分布不均匀、实际部署瓶颈等问题以及未来研究方向.

关键词： 多信息融合   目标检测   目标跟踪   车速估计   拥堵检测  

摘要： 在高速收费站拥堵检测场景中,遮挡、阴影、景深等因素严重影响检测算法的精度,基于单信息的拥堵检测算法无法准确反映收费站真实拥堵情况,对此,提出一种高速收费站多信息融合拥堵检测算法。首先采用目标检测算法检测目标区域车辆,利用图像空间特征计算车道占用率;其次利用Deep SORT目标跟踪算法与滑动平衡机制进行车流量综合估计,减少因为遮挡和阴影导致的车辆误检、漏检问题;最后利用基于光流信息熵的车速估计方法,降低因景深变化导致的拥堵状态检测误差。通过融合3种不同维度信息得到拥堵指数,拥堵指数聚类为5种拥堵类别以判断真实拥堵状态,从而实现高速收费站的拥堵检测。实验结果表明,在高速收费站拥堵数据集上,采用多信息融合的拥堵检测算法准确率达到90.4%,能够实现对收费站拥堵状态的准确检测。

关键词： 播种质量检测   计算机视觉技术   水稻  

摘要： 一、研究背景及意义水稻是我国主要的粮食作物之一,我国也是世界上最大的水稻生产国和消费国,因而水稻的生产在我国的粮食生产中占有极其重要的地位。随着时代的发展和科技的进步,工厂化育秧应运而生,通过使用育秧设备和技术,实现育秧过程的标准化和规模化。工厂化育秧的产生不仅提高了育秧效率,还保证了秧苗的质量和数量,为水稻等农作物的生产提供有力保障。

关键词： 小目标检测   RT-DETR   多通道部分卷积   可学习位置编码  

摘要： 针对无人机航拍图像中背景复杂、小目标样本多,难以提取有效特征等问题,提出一种改进实时Transformer(real-time detection Transformer, RT-DETR)的无人机航拍小目标检测算法。首先,在特征融合网络中增加针对微小目标的特征融合结构,利用浅层特征图中丰富的位置信息来增强网络对小目标的检测能力,同时为了防止额外参数的增加,去除主干网络中最后一个残差结构;其次,设计一种多通道特征部分卷积模块(multichannel partial convolution, MCPConv),基于此重新构造了主干网络中的BasicBlock结构,命名为MCP Block,减少通道特征冗余,提升多尺度细节特征的获取能力;引入具有学习能力的位置编码,获取更精确、更具表达能力的位置信息;最后引入归一化加权偏差(normalized weighted deviation, NWD)和平均精度驱动交并比(mean precision-driven IoU,MPDIoU)定位损失函数,降低对位置偏差的敏感性,加快模型收敛速度。实验结果表明,在VisDrone2019-DET数据集上,改进后的模型较原始模型参数量降低了62%,检测精度mAP50提升了3.9%,且FPS较改进前提升了17%,对比其他主流检测模型具有更好的检测效果。

关键词： 数字图像处理   产教融合   课程内容建设  

摘要： 随着人工智能技术的广泛应用,高职院校的人工智能专业建设正逐步推进。针对“数字图像处理”课程存在的数学基础要求较高、教学内容发散性强、学习难度陡峭等现实问题,文章从产教融合视角出发,对教学改革展开了探索。通过构建以职业岗位需求为导向的课程体系,重构理论与实践相结合的模块化教学内容,开发典型工作场景的教学载体,形成了适应高职教育特点的教学实施方案。经教学实践验证,该方案有效提升了课程教学效果,为人工智能专业的课程建设提供了可借鉴的实施范式。