关键词： 轻型无人机   目标跟踪   Sine模型   MUCMKF算法   参数自适应  

摘要： 如何在战场中准确跟踪敌方来袭无人机是对其进行准确打击的关键。轻型无人机水平匀速飞行时，由于本身体积小、质量轻，以及飞控系统不稳定导致飞行轨迹出现漂浮抖动而难以跟踪的问题，本文提出一种基于改进正弦（Sine）模型的修正无偏量测转换卡尔曼滤波（MUCMKF）跟踪算法。该算法针对传统Sine模型需要提前设置加速度方差和机动频率可能造成跟踪系统发散的问题，提出利用目标当前位置一步预测值和当前位置估计值进行加速度方差自适应估计，并将机动频率与加速度方差进行关联计算，实现加速度方差和机动频率同时自适应调整。在此基础上，利用修正无偏量测转换卡尔曼滤波算法，对轻型无人机真实飞行轨迹进行滤波跟踪。仿真结果表明，与匀速模型（CV）、匀加速模型（CA）、当前统计模型CS和常规的Sine模型相比，基于改进Sine模型的跟踪算法能够更好地适应轻型无人机的飞行特性，精度分别提升44%、59%、42%、37%，具有较好的工程应用前景。

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段，机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备，为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息，进行重点区域目标检测、识别、跟踪，值得深入探索。此外，视频SAR与可见光、红外宽谱段集成，还可以视频级高刷新率实现低空对地多模态、高精度感知，多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。

关键词： 动作识别   多模态数据融合   时空上下文   计算机视觉   网络架构  

摘要： 动作识别作为计算机视觉领域的关键子领域，其研究进展在很大程度上依赖于对骨架数据和RGB数据的深入分析.尽管这两种数据类型各自提供了独特的视角，但单独使用时所蕴含的信息量往往有限.目前的研究多采取在后期简单叠加或融合这两种数据，这可能导致信息整合不足，影响对动作的准确理解.针对这一问题，提出了一种融合多模态时空上下文的动作识别新方法.通过引入RGB视频序列，旨在捕获与人体动作紧密相关的环境上下文信息，以深化对动作的洞察.在特征学习阶段，设计了一个创新的时空上下文引导模块，该模块通过增强特征的表达力和促进不同模态间的数据交互，显著提升了动作识别的精度.通过深入挖掘RGB数据中的丰富时空上下文信息，该方法有效地加强了不同数据模态之间的协同效应，显著提高了动作识别的准确性，并增强了其在多样化实际场景中的适用性和适应性.实验结果在NTU-RGBD数据集上展示了所提出的网络架构所取得的优越性能.

关键词： 变电站设备缺陷   目标检测   卷积神经网络   YOLOv8  

摘要： 随着我国电力行业的快速发展,电网规模持续扩大,变电站作为电力系统的关键节点,其安全稳定运行对整个电网的可靠性至关重要。然而,传统的人工巡检方式受限于地理环境和人力资源,存在效率低下、准确性不足、成本高昂等问题,已难以满足现代变电站的运维需求。尽管智能巡检技术为提高巡检效率提供了新的解决方案,但其发展仍面临通信可靠性要求高、检测精度不足和计算资源需求大等挑战。针对我国变电站巡检中存在的故障发现不及时、响应速度慢和人力成本高等问题,本研究提出了一种基于深度学习的目标检测方案,为变电站智能巡检提供了新的技术路径。 由于变电站设备的特殊性和安全性要求,公开可用的缺陷图像数据十分有限。针对变电站缺陷数据集稀缺的问题,本文通过多种数据增强方法(包括旋转、缩放、亮度调整等)扩充样本数量,并进行标注,构建了一个包含绝缘子破裂、箱门闭合异常、变压器漏油和呼吸器破损四类常见设备缺陷的数据集。为确保模型的泛化能力,将数据集按7:2:1的比例划分为训练集、测试集和验证集。在模型选择方面,通过对比分析了当前主流的目标检测算法,包括Faster R-CNN、SSD和YOLO系列等,确定YOLOv8算法最适合本次任务需求。为提高模型在复杂变电站环境下的检测性能,本研究提出了三项针对性的改进措施:首先,引入可变形卷积DCNv4,通过自适应调整卷积核形状,增强了模型对设备缺陷特征的提取能力,特别是在处理形变目标时表现出色;其次,采用Sim AM注意力机制,使模型能够自适应地关注重要特征,提高了模型在复杂背景下的目标识别能力;最后,使用Wise-IoU损失函数,通过动态调整损失权重,优化了边界框回归过程,有效解决了样本不均衡问题,提高了模型对困难样本的检测能力。此外,本研究还设计了一套基于ROS的变电站巡检机器人系统,该系统利用SLAM技术构建变电站内部地图,实现自动巡检,并配备了可视化平台用于数据采集和处理。 实验结果表明,改进后的YOLOv8模型在各项性能指标上均有显著提升,绝缘子破裂的检测精度(AP值)从89.16%提升至95.42%,箱门闭合异常从78.9%提升至82.78%,变压器漏油从82.24%提升至86.53%,呼吸器破损从79.23%提升至85.21%。四类缺陷的平均检测精度(m AP)从82.38%提升至87.48%,整体提升了5.1%。这些结果充分证明了所提出改进方案的有效性,改进后的模型能够更准确地识别变电站设备缺陷。

关键词： 椭球面仿生复眼   双光子聚合   成像检测   目标检测  

摘要： 仿生复眼是模仿自然界生物复眼而设计的一种多孔径光学成像系统,具有集成度高、视场大、动态目标识别快等特性,在全景成像、目标识别和医疗影像等方面广泛应用。当前,现有的微型仿生复眼存在边缘子眼离焦,成像像差较大和目标成像检测研究较少等问题,导致复眼的成像质量差,在微纳成像、目标检测和追踪的应用中受限。为解决上述问题,本文开展了微型椭球面仿生复眼结构设计与成像检测研究。主要研究内容如下: (1)微型椭球面仿生复眼的结构设计与仿真分析。通过对曲面仿生复眼基底和子眼的结构分析,提出通过调整椭球面子眼长、短轴尺寸的方法,设计了一种可实现平面均一成像和低像差的微型椭球面仿生复眼结构。对所设计结构进行流体仿真,并与球面仿生复眼进行光线追迹和点列图分析,验证了所设计结构解决了边缘子眼离焦,降低了系统的成像像差。利用评价传递函数和成像模拟验证所设计结构的成像能力,当OTF系数为0.3时各级子眼的空间频率均满足成像要求,子眼的成像清晰度和细节符合成像标准。 (2)微型椭球面仿生复眼的双光子聚合加工与成像检测。采用飞秒激光双光子聚合技术加工所设计结构,研究了激光功率、加工速度和分层方式对结构加工的影响,根据研究结果采用最优参数加工微型椭球面仿生复眼。利用超景深显微镜和SEM对加工后的复眼结构进行表面形貌和尺寸检测。搭建光学检测平台,对所设计结构和球面仿生复眼进行聚焦、字母掩膜“C”与“U”的成像检测。结果表明,与球面仿生复眼相比,所设计结构可实现平面均一成像,边缘子眼的成像亮度提升了61.6%。 (3)基于YOLO11算法的复眼目标检测与追踪。制作了仿生复眼对字母“C”、“U”和甲壳虫的成像数据集,完成了数据集的标签制作、划分和训练,并基于YOLO11算法构建了仿生复眼目标检测模型。与YOLOv8模型进行速度和精度对比,YOLO11的m AP50-95检测精度提升了10.8%,具备1.8ms的检测速度和98.5%检测精度。使用pyqt5搭建了仿生复眼目标检测系统界面,并对字母和昆虫进行目标检测与追踪。

关键词： 目标检测   角点检测   深度学习   边坡监测   铁路防灾  

摘要： 通过对现有边坡监测技术进行对比分析，提出了基于目标检测算法的铁路边坡智能监测系统的整体设计思路。系统利用特征目标检测、角点检测与匹配等深度学习算法，实现对铁路边坡位移的监测，并能及时、准确地发出灾害预警和报警信息，并启动紧急处置预案，避免因边坡崩塌落石对铁路线路和行车安全造成影响。

摘要： 本期继续介绍具有民族风格特征的大型冰雕的拍摄和后期编辑技法,关键是针对不同材质的表现以及环境气势的营造。案例:具有中国特色的洪钟大吕图1是经后期编辑处理后的洪钟大吕效果图,图2是拍摄的原片。此片用32mm镜头焦距拍摄,拍摄时段较早,天空还未进入蓝调时刻,原片呈灰色状态。大钟的支架是木质材料,虽经油漆,红色的柱架也有灯光照明,但与其他冰雕内部透射光造型相比仍显得比较灰暗,此造型是整个冰雕展中唯一一个非冰块为主的造型,只有基座是由冰块垒积而成,拍完后即感觉需在后期将红色柱架与铸铁大钟加以突出强调,遂逐步形成了后期编辑的方向与思路。

关键词： 电力材料   水平运输   智能化   机器视觉   图像处理  

摘要： 随着电力行业的快速发展，其对电力材料的运输效率和安全性提出了更高的要求。针对传统电力材料水平运输过程中存在效率低、人工成本高、安全性差等问题，本文设计了一种基于机器视觉的电力材料水平智能化运输设备，对设备的机械结构进行了设计，还构建了基于机器视觉的控制架构，并对其进行了硬件平台搭建和软件算法设计，重点研究了图像清晰化预处理技术，最终验证了本文所设计设备的有效性和可靠性。本研究旨在提高视觉系统的鲁棒性和精度，实现电力材料的自动化、精准化运输，并提高其运输效率和安全性。

关键词： 目标检测   YOLOv5   水果种类   成熟度   机器学习  

摘要： 在水果的采摘加工等环节中，水果种类的快速识别与成熟度的准确分级是提高生产效率的关键。设计了一种基于YOLOv5的算法模型，以实现对苹果、葡萄、草莓、柿子类圆形水果的自动识别与分级。首先，构建一个目标检测模型，通过采集大量的类圆形水果图像数据对模型进行训练；其次，通过尺寸调整和色彩调整等数据增强技术，增加类圆形水果数据的多样性，提高模型的泛化能力；最后，根据水果的大小、颜色等特征实现对类圆形水果的自动分类及其成熟度有效的判断。经验证，算法能够从图片、视频中成功地识别到苹果、葡萄、草莓、柿子这四种水果的类别以及三个等级的成熟度，所得结果可以帮助用户更加方便地进行后续的处理与销售。