关键词： 自动驾驶   单目3D目标检测   2D目标检测   单目深度估计  

摘要： 在自动驾驶场景中,单目3D目标检测旨在仅使用单目相机实现对交通目标在三维空间中的定位与分类,是路径规划等下游任务的关键前提。然而,自动驾驶场景环境复杂、远距离小目标与遮挡问题频发,且RGB图像缺乏深度信息,使得单目3D目标检测面临较大挑战。为此,本文基于自动驾驶场景下的RGB图像,提出一种2D目标检测引导、深度信息辅助的单目3D目标检测模型,研究如下: 首先,提出2D目标检测模型Trans Anet,解决自动驾驶场景中常见的小目标与遮挡问题。采用Trans Next替换YOLOv8的主干网络,增强对交通目标的全局关系建模,获得高效且自然的视觉感知。提出结合SCConv的渐进式特征金字塔SC-AFPN,通过初始融合低级语义特征并渐进融合高级语义特征,有效缓解语义信息在传递与交互过程中的丢失或退化,增强小目标的特征表示。提出Inner-MPDIOU损失函数,解决预测框与真实框宽高比相同但宽高值不同时模型优化困难的问题,且能适应不同交通场景的需求,提高模型的泛化能力。 其次,提出无监督单目深度估计模型CT-Depth,解决RGB图像缺乏准确深度信息的问题。提出深度编码器多尺度CNN&Vi T,在同一阶段分别提取不同尺度感受野下的局部与全局特征,获得由精细到粗糙、从局部到全局的丰富特征表示。提出深度解码器DUD,引入上采样算子Dy Sample重新设计解码器,生成具有丰富语义信息的多尺度逆深度图。引入无监督学习范式,使CT-Depth仅依赖于由RGB图像序列之间的几何约束构建的监督信号,避免对昂贵深度真值的依赖,且同时预测场景深度与相机位姿以进行模型训练。 最后,提出单目3D目标检测模型TACT-3D,解决自动驾驶场景下单目3D目标检测的精度低、小目标与遮挡等问题。利用2D目标检测模型Trans Anet进行后处理,提取交通目标的感兴趣区域2D-ROI。结合Open CV工具采用单目深度估计模型CT-Depth生成灰度深度图,提供高鲁棒性、低计算复杂度且纹理信息丰富的准确深度表示。提出OBMN数据增强模块,通过沿视锥体方向移动3D边界框添加一组合适的伪标签,并引入NWD度量以设计标签评分策略,有效缓解不同深度目标出现相似视觉特征导致的深度模糊与尺度依赖性问题。 本文实验在KITTI与Repo3D数据集上进行,所提单目3D目标检测模型TACT-3D获得了较好的精度提升,AP3D/APBEV指标达到了25.75/33.96（简单）、17.61/23.78（中等）、15.55/20.59（困难）,验证了TACT-3D的有效性与实际应用价值;且在Repo3D数据集上的出色表现进一步验证了模型的鲁棒性与适应性。

关键词： 计算机图形学   视觉形象   三维建模   虚拟设计  

摘要： 阐述从计算机图形学核心技术出发，探讨其在包装视觉设计中的创新应用，包括设计创意构思、图形生成编辑、色彩管理优化、三维模型构建和虚拟包装设计评估。通过实证分析，总结当前技术的优势与局限，为包装设计行业的数字化转型提出建议。

关键词： 计算机视觉   变电站设备监测   深度学习   故障诊断分析  

摘要： 阐述计算机视觉在变电站设备监测中的应用基础，针对设备的典型故障类型，提出一种基于深度学习的智能监测系统架构，并探讨变电站设备智能监测系统的实现与优化方法，以提高运维的智能化水平。

关键词： 计算机视觉   状态监测   自动化控制  

摘要： 阐述计算机视觉技术对于电力系统自动化建设的影响，分析其在电力系统自动化中的具体应用，包括设备状态监测与故障诊断、输电线路监测与异常检测、安防监控与入侵检测、智能巡检与维护。

关键词： 归因图   激光雷达   3D目标检测   梯度   Shapley值  

摘要： 激光雷达3D目标检测技术在自动驾驶、机器人等领域具有广泛的应用价值。随着深度学习技术的不断发展,目标检测模型的网络结构日益复杂,导致其运行机制缺乏透明性,决策过程难以直观体现,这阻碍了模型在国防、交通等高风险领域的应用。因此,激光雷达3D目标检测模型的可解释性研究具有重要价值。其中一种常用的可解释性方法是点云归因图,通过为输入点云中每一个点给予权重表示其对于预测结果的贡献程度。目前,最先进的点云归因图生成方法是基于扰动的方法,其通过测量模型随机掩码的点云的预测结果与原始预测结果的相似度,从而评估每个点对于模型预测结果的贡献大小,但这种方法存在归因图能量分布不集中、背景噪声强以及计算开销大等问题。本文针对以上问题的解决方法进行研究,主要内容如下: (1)提出一种基于梯度的归因图生成方法。为了简化归因图的生成过程,假设目标检测模型的预测结果可以表示为特征图的逐元素加权线性组合。基于此假设,首先进行反向传播,计算预测结果相对于特征图的梯度响应,然后与特征图进行加权操作,以得到鸟瞰图(BEV)平面上的热力图,用于表示点云在BEV平面上对预测结果的贡献程度。最后通过坐标映射将热力图的权重还原到3D点云中,从而得到实例级别的点云归因图。 (2)提出一种基于Shapley值的归因图二阶段增强方法。在基于梯度生成的归因图的基础上,根据能量分布划分关键区域和次要区域。对关键区域的点使用K-means聚类得到子点云集合,然后使用Kernel Shapley Additive explanation(Kernel SHAP)近似估计子点云对于模型预测结果贡献大小的Shapley值,从而对该部分点云进行更精细的能量分配,提高了归因图的生成质量,解决了由于中间特征图分辨率较低而导致基于梯度生成的归因图模糊问题。 (3)提出一种基于金字塔级联的归因图生成方法。通过采用多层次、多尺度的掩码生成策略来得到不同层级的归因图。对于每一级生成的归因图,将其与前一级的结果进行融合,使得融合后的结果不仅能够能量集中于目标区域附近,还能够保留细节特征的局部贡献,从而生成高质量的归因图。 (4)设计并实现了一种激光雷达3D目标检测可解释性分析系统,集成多种可解释性方法,直观展示点云中各个点对目标检测结果的贡献大小,从而解释模型的决策依据,增强用户对模型预测结果的信任。

关键词： 深度学习   草莓   目标检测   YOLOv8n   检测系统  

摘要： 草莓作为蔷薇科经济作物,凭借其生育周期较短、生态适应性广及经济效益显著等优势,其种植产业近年来得到了快速发展。传统草莓采摘、检测采用人工方法,费时、费力、费工,随着智慧农业技术的推广,草莓采摘和分级作业的自动化成为行业发展的迫切需求。本文针对草莓果实检测问题,探索基于深度学习的方法并设计可视化系统,以解决传统方法特征提取困难、识别精度低的问题,从而提高草莓采收效率。通过本研究,主要取得以下几个结果: (1)当前针对草莓目标检测任务的大规模公开数据集仍较为缺乏,难以满足深度学习模型训练的需求。为解决这一问题,本研究所使用的数据主要来源于网络公开资源以及实地采集于草莓种植基地的图像样本。为进一步增强数据的泛化能力与代表性,本文采用了包括图像旋转、平移变换、镜像翻转以及高斯噪声添加等多种数据增强策略,以模拟草莓在自然生长环境下的形态多样性与背景复杂性。通过对采集的图像样本进行细致标注,构建了专门用于草莓检测的数据集,为后续相关研究提供了丰富且高质量的样本数据支持。 (2)系统梳理并深入分析了当前主流的目标检测算法,包括Faster R-CNN、SSD以及YOLO系列模型的核心原理、技术特点及其典型应用场景。在此基础上,构建了一个以精确率(Precision)、召回率(Recall)及平均精度均值(mAP50)为核心的评估体系,对双阶段与单阶段检测模型的性能进行了全面对比分析。实验结果表明,在所构建的草莓检测数据集上,单阶段检测模型整体表现出更优的检测性能;其中,轻量级模型YOLOv8n在保持较高检测精度的同时,展现出更快的推理速度,其性能指标与计算资源消耗均满足边缘计算设备的部署要求。 (3)提出一种基于改进YOLOv8n的草莓果实检测方法,通过引入RFAConv动态感受野卷积、SENet通道注意力机制及InceptionNeXt轻量化结构,结合Wise-IoU损失函数与DIoU-NMS后处理算法,实现了检测精度与计算效率的协同提升。消融实验表明,改进后模型在草莓数据集上精确率达95.92%、召回率为95.45%、mAP50达98.29%,较基线模型分别提升4.14%、3.31%和1.55%,同时模型参数量压缩至5.17M(减少12.96%),有效解决了传统模型参数量与检测精度间的矛盾关系。 (4)构建了基于YOLOv8n草莓果实检测系统,利用训练得到的权重文件,实现对草莓的快速精准识别。系统通过图形用户界面来实现草莓果实检测过程中的人机交互,该GUI设计注重人性化设计,优化用户体验,操作简便,界面布局合理清晰,让用户可以轻松上手使用。系统支持对单张及整个文件夹中的图像文件进行批量检测,提高检测效率,能够连接网络摄像头,实现远程草莓检测。满足实际应用场景的需求。该系统可以实时处理和分析大量的图像或视频数据,满足实际应用中的实时性需求。进一步推动农业生产的数字化转型,为采摘机器人和智慧果园的管理提供技术支持。

关键词： 轻量化卷积神经网络   图像预处理   图像分类   目标检测   煤矸识别系统  

摘要： 在煤矸分选过程中,高效识别对环境保护和资源利用具有重要意义。然而,传统图像识别方法存在计算开销大、模型复杂度高等问题,影响训练和推理效率。为此,本文研究轻量化卷积神经网络,优化计算资源利用,提高模型在资源受限环境中的适应性,同时在保证识别精度的前提下提升运行效率。本文研究轻量化网络在图像分类与目标检测中的优化方法,并结合软硬件设计搭建煤矸识别系统,为自动分选提供技术保障。主要工作包括以下几个方面: 针对煤矸石图像分类算法在空间信息利用不足、训练时间长及模型复杂度高等问题的挑战,本文在Mobile Net V3-small的基础上进行优化,提出一种轻量级煤矸石快速识别模型。首先,引入Ce LU激活函数优化特征提取过程,缓解神经元死亡和梯度消失问题,从而提升模型性能。其次,采用改进的Triplet Attention模块优化Bneck结构,实现空间与通道维度的高效交互,在降低模型复杂度的同时提升特征表达能力。最后,设计全新的Efficient Last Stage结构,利用Ghost Module替代传统卷积,并引入Mix-pool作为池化层,以减少计算量并优化模型规模。在自制煤矸石数据集上的实验结果表明,相较于原始Mobile Net V3-small,优化后的模型在验证集上的分类准确率和F1分数分别提升了0.48%和0.42%,同时FLOPs、参数量和权重大小分别降低了2.8%、33.0%和32.3%,推理速度达28FPS。 针对煤矸石检测算法在实时性、模型复杂度及计算资源占用方面的挑战,本文基于You Only Look Once version 8n(YOLOv8n)提出了一种轻量级煤矸石检测算法。首先,结合深度可分离卷积与改进的Triplet Attention模块,构建精简的MNV block结构,以优化特征提取能力并降低计算开销。其次,设计高效轻量化的S＿Ghost Conv与Convolutional Block Attention Module(CBAM)模块,搭建轻量级主干网络MNV＿Backbone,在减少模型复杂度的同时提升特征提取效果。此外,引入S＿Ghost Conv模块和适用于视觉任务的Large Selective Kernel Attentio(LSKA)模块,构建两尺度目标检测头SL-Detect,从而提升检测速度并优化模型性能。最后,针对原始网络的颈部结构,提出基于浅层特征融合简化和跳跃连接的高效轻量化颈部网络,以减少冗余计算并增强特征信息传递。实验结果表明,所提模型的m AP和模型大小分别达到0.984和3.6M。与原始YOLOv8n相比,FLOPs、模型权重大小和参数量分别降低69.14%、41.94%和43.33%,检测速度提升45.96%。改进后的算法在保持检测精度的同时,大幅降低了模型复杂度与计算开销,为煤矿井下煤矸石的智能分拣提供了有力支持。 基于前述研究成果,本文在高性能的Jetson Nano嵌入式平台上构建了一套煤矸识别系统,同时开发了基于Py Qt6的上位机交互界面,实现检测结果的直观展示。该系统不仅提升了煤矸自动识别的技术支持效果,还展现出在工业应用中的主流趋势和巨大潜力。 图[52]表[18]参[91]