关键词： YOLOv8n   玉米病害   目标检测   轻量化   网络剪枝   知识蒸馏  

摘要： 为了解决以叶斑病、灰斑病、花叶病、锈病为代表的玉米病害严重影响玉米产量与质量的问题,以及在边缘计算设备上实现对玉米病害的实时检测,该文提出一种轻量化高精度模型YOLOv8-Corn。以YOLOv8n作为基线模型,首先添加可变性卷积(deformable convolutional networks,DCNv2)与上采样算子DySample(dynamic sample)模块提高精度。其次采用网络瘦身剪枝技术,对模型进行稀疏化训练,预先缓解后续剪枝对泛化能力的负面影响,再根据训练结果去除约25%的冗余参数量,得到相对轻量的剪枝模型后进一步使用回调训练,恢复与提高模型精度。再次,结合通道知识蒸馏(channel-wise knowledge dissillation,CWD),在保证模型轻量化的前提下,提高模型的精度。最终以轻量化的模型配合TensorRT完成在Jetson Nano上的实际部署。结果显示,YOLOv8-Corn相比其他网络有着较高检测精度与轻量化水平,精确率、召回率、平均精度均值分别达到99.78%、99.30%、99.20%。YOLOv8-Corn模型大小由6.35M减至4.40M,每秒帧数达到121.3;并实现大田检测,完成检测模型的实际部署与应用。研究设计的模型与网络实际部署为实现轻量化高精度玉米病害检测提供技术支持。

关键词： Canny-YOLO算法   弹壳缺陷检测   边缘特征融合   小目标检测  

摘要： 在复杂工业场景下,传统目标检测算法对微小缺陷的识别精度不足,健壮性弱。基于此,提出一种基于改进Canny-YOLO算法的弹壳表面缺陷检测方法,融合Canny边缘检测与YOLOv5模型的多尺度特征提取优势。改进的Canny算法通过自适应阈值调整与多方向梯度响应优化,增强对裂纹、飞边等微小缺陷的边缘感知能力。YOLOv5模型引入多通道输入与注意力机制,实现语义特征与边缘特征的动态融合,并通过锚框优化提升小目标定位精度。实验表明,改进算法在复杂光照与表面反光场景下表现出优异的健壮性与实时性,为军工自动化生产线提供了高效可靠的检测方案。

关键词： 计算机视觉   立体匹配算法   相位   PBGM   结构三维形变  

摘要： 传统计算机视觉方法通常聚焦于结构平面内的动力响应,因此本文提出基于图像相位立体匹配时序分析测量方法实现对结构三维形变的无靶标鲁棒监测。该方法利用2D-Gabor滤波器和高斯金字塔梯度算法对图像进行预处理,运用基于相位的稠密光流追踪算法与改进的半全局块匹配(SGBM)算法,实现对结构感兴趣区域位移的全场测量,进一步提出一种直观的位移-应变转换方法,实现结构三维应变的测量。通过基于物理的图形模型(PBGM)的虚拟现实试验,验证了本文方法与3DDIC和有限元分析形变对比误差均小于2%;在实验室户外桥梁的振动试验中,与传统测试方法对比形变误差可控制在8%以内,符合工程应用精度。本方法在确保精度的前提下实现了结构三维形变无靶标鲁棒监测,更好地解决了传统结构形变监测中受环境影响程度大、成本高等问题。

关键词： 智能交通系统   计算机视觉   障碍物检测   图像处理  

摘要： 为完善智能交通系统道路检测和障碍物检测的准确度,利用双目视觉来模拟实现智能驾驶中对障碍物的检测.首先,基于计算机视觉技术的原理,对采集到的图像进行灰度变换图像增强,使图像清晰地显示出来.然后,利用灰度直方图再基于阈值的方式进行分割,通过最大熵法和类间最大距离法确定最佳阈值,并对图像进行二值化处理,最后通过基于灰度的快速模板匹配算法进行图像配准.结果表明,基于双目视觉的障碍物检测识别率在98.3%以上,测距误差低于5%,比单目视觉检测法的识别性能更优.

关键词： 行动导向教学   计算机视觉   教学设计   高职教学  

摘要： 行动导向教学模式是一种以“行动导向驱动”为核心的教学理念与方式,强调学生主体性和教师主导作用,注重培养学生解决问题的能力。该模式通过真实或模拟的工作情境,让学生在完成任务中学习知识与技能。文章结合《计算机视觉》课程,首先分析教学现状,探讨行动导向模式的适用性,进而提出具体教学设计方案,并通过实践案例验证其有效性。研究表明,该模式能显著提升教学效果,为相关课程改革提供参考。

关键词： 多特征   特征融合   无人机   红外图像   目标跟踪   相关滤波器  

摘要： 由于单一特征难以全面反映红外目标的复杂特性,导致跟踪精度受限,传统方法易受环境干扰导致跟踪稳定性差,为此文章提出基于多特征融合技术的无人机红外目标跟踪方法。从无人机上搭载红外传感器捕捉目标的红外图像中提取定向梯度直方图特征和显著性特征,并基于多重集典型相关分析方法融合红外图像目标的定向梯度直方图特征和显著性特征,获取统一的特征矢量,提升特征鉴别能力。然后,将融合的目标特征矢量作为相关滤波模型的输入,通过模型预测出用于表征红外目标跟踪结果的响应图,该响应图的峰值位置即跟踪到的红外目标位置。实验结果表明,所研究方法可以精准实现车辆目标和不同尺度舰船目标的跟踪,且在光照变换、形变、遮挡等不同属性下的红外目标跟踪DIS值均不低于0.75,跟踪性能较好。

关键词： 计算机视觉   opencv   人脸图像比对   教育公平  

摘要： 为了提高高校学生身份核查的效率并保障教育公平,设计了一种基于计算机视觉技术的人脸图像比对系统。采用UML进行系统建模,明确用户需求和功能结构。前端界面使用Vue框架开发,后端采用Python的Flask框架,核心比对算法基于opencv技术。系统通过Web服务集成了人脸检测、比对和身份验证功能。系统在两所高校成功应用,完成了26万学生的人脸身份核查。该系统有效提升了高校学生身份核查的工作效率,对保障教育公平具有重要意义,为高校身份管理提供了一种高效、可靠的技术解决方案。

关键词： 目标跟踪   预测头   分支选择   大小变化   特征融合  

摘要： 针对单目标跟踪中跟踪目标由近到远的大小变化问题,提出一种基于Transformer的单目标跟踪算法。该算法的骨干网络采用MobileNet v2,通过去掉该网络的最后4层来减少模型的复杂度,提升模型的运行速度;在特征融合模块采用注意力机制,实现特征图融合与增强;在检测头模块使用3种样式的检测头来预测边界框,分别为直接回归预测框、关键点回归预测框、mask回归预测框,其中mask回归预测框可提升前两种检测头的预测精度;设计了一种预测头的分支选择模块,用于评估2种预测框的结果,可以在回归预测框前对两种预测头进行评估,使其在跟踪目标进行大小变化时能够输出较为理想的预测结果。训练采用的数据集为GOT-10 k数据集的一部分,能够在OTB数据集上测试时取得较好的跟踪结果,成功率和精确率分别达到了0.681和0.925。实验结果表明:在跟踪目标发生大小变化的情况下,所提算法仍能取得较好的跟踪效果。

关键词： 无人机   输电线路   故障定位   自动巡检   图像处理   应用技术  

摘要： 为了提高配电线路自动巡检能力,构建出一种新型的无人机系统,通过图像识别技术和深度学习算法模型,大大提高了配电线路自动巡检无人机巡检能力,通过在光传感器上加入防抖平台、LVDS传输技术、防干扰双绞线、屏蔽铝板、DDR FCRAM缓存、SLC内存以及图像处理模块。对飞机飞行防抖、抗电磁干扰和优化移动存储三方面改进,提高无人机巡检能力,在巡检中通过在云端布置轻型的神经网络实现作业质量的图像识别与诊断,提高配电线路自动巡检过程中无人机故障诊断能力。仿真结果表明,该研究拟用方法实用性强,多次实验故障定位的准确性均在90%以上。

关键词： 水下垃圾   小样本学习   目标检测   二阶段网络   MetaR-CNN   元学习  

摘要： 水下垃圾及其危害已引起全球性的关注,而水下机器人与目标检测技术的发展为水下垃圾的自动化处理带来了可能性。由于水下数据采集成本高、难度大,难以获取充足样本,为深度学习方法进行水下垃圾检测带来困难。因此提出一种适配水下环境的小样本目标检测算法。水下数据前景单一且背景存在大量冗余噪声,为更好保留有效信息,提出聚焦式支持集处理方式,使模型能在保留适当上下文信息的同时更多关注目标本身。为进一步增强模型对支持集的信息提取能力并维持模型的泛化性,引入噪声生成器对聚焦区域添加随机扰动。考虑到支持集与查询集来自同一样本分布,提出联合元损失促使模型学习到该共性,从而丰富支持集提供的信息。此外,制作了类别多样并更贴合实际检测场景的水下垃圾数据集,所提出方法在该数据集上以单样本条件实现16.9%的精度,相较基准模型提高4.5个百分点。同时,在通用数据集PASCALVOC上达到10个百分点以上涨幅,验证了其泛化性。