关键词： 安全工程   安全帽检测   目标检测   YOLOv8   注意力机制   损失函数  

摘要： 针对井工矿复杂环境下安全帽检测面临的挑战，提出了一种改进的YOLOv8目标检测模型。井工矿环境的特殊性，如光线昏暗、粉尘弥漫、背景复杂及矿工姿态多样性，导致现有检测算法在目标遮挡、小目标识别及恶劣环境条件下的检测性能下降。为解决这些问题，从以下几个方面对YOLOv8模型进行了改进：首先，引入残差块+卷积块注意力模块（Residual Block+Convolutional Block Attention Module，ResBlock+CBAM），通过跳跃连接和注意力机制，显著提升了模型对小目标和遮挡目标的检测能力；其次，设计动态检测头，将注意力机制分解为尺度、空间和任务三个独立维度，增强了模型对目标多样性的适应能力；再次，提出用于边界框回归的损失函数——最小点距离的交并比（Minimum Point Distance based Intersection over Union，MPDIoU），综合考虑边界框的重叠面积、中心点距离以及宽度和高度偏差，优化了边界框回归的精度；最后，构建矿井安全帽检测数据集，包含4 300张在复杂井下环境下拍摄的图像，用于模型的训练和验证。试验结果表明，改进后的模型在精确率、召回率、mAP50和mAP50–95等关键评价指标上均取得了显著提升。与当前主流的目标检测算法（如Faster R–CNN、SSD、YOLOXs和YOLOv8）相比，提出的模型在检测精度上大幅领先，同时保持了较低的计算复杂度（GFLOPs为16.9），使该模型更适合在实际矿井环境中实时运行。研究不仅提升了井工矿安全帽检测的准确性和鲁棒性，还为复杂环境下的目标检测任务提供了新的思路和方法，具有实际应用价值。

关键词： 分布式MIMO雷达   低比特量化   目标检测   广义Rao检验   动态规划  

摘要： 多通道观测数据信号级协同检测是分布式MIMO雷达目标检测的关键技术之一，但该技术在实施过程中需消耗大量系统资源用于数据计算与传输，使其在实际工程应用中面临诸多挑战。鉴于低比特量化技术可显著降低分布式系统的通信传输代价和计算资源消耗，该文研究了广义高斯噪声背景下基于低比特量化的MIMO雷达目标检测问题。分别基于广义似然比检验(GLRT)与广义Rao (G-Rao)检验设计了相应的检测器：前者需要对目标反射系数与多普勒频率进行最大似然估计；后者基于得分函数直接构造统计量，避免冗余参数搜索，有效降低计算复杂度。此外，为改善检测性能，运用动态规划(DP)算法对量化门限进行优化。实验结果表明：与GLRT方法相比，G-Rao检测器的计算效率更高；与均匀量化门限相比，门限优化可有效提高对目标的检测性能；与粒子群优化等现有算法(PSOA)相比，DP的计算复杂度更低。

关键词： 非合作双基地雷达   低检测概率   目标跟踪   互信息熵   PHD滤波  

摘要： 针对非合作双基地雷达目标跟踪时主要面临的高杂波率、低检测概率等问题，该文提出了一种基于互信息熵和改进PHD滤波器的目标跟踪协同处理框架，首先将目标点和杂波点与参考模型间不同的统计相关程度量化为互信息熵值，基于互信息熵维特征完成杂波点迹筛除；其次通过动态权值补偿对经典PHD滤波器进行改进，减缓粒子权值归零过程的同时减少目标误删现象，解决低检测概率下点迹不连续且间隔随机给目标跟踪带来的点迹断联、目标丢失等问题。通过仿真实验验证了所提算法框架的有效性与性能，外场实测数据验证了所提方法在实际应用中可取得良好的目标跟踪结果。

关键词： 深度学习   目标检测   多尺度特征融合   铝合金压铸件   缺陷识别  

摘要： 基于深度学习的自构建多尺度空间语义融合网络模型，对铝合金表面自建缺陷数据集进行目标检测训练与验证，使模型的识别性能显著提升，能够满足铝合金表面缺陷检测系统对实时性和准确性的双重要求。实验结果显示，在两个自建实验数据集中，所提方法的mAP@50指标分别提升了6.1%和6.4%，mAP@50:95指标分别提升了2.7%和3.5%，这表明该方法在铝合金表面缺陷检测精度上更具优势；相较于通用的YOLOv11n模型，新构建的模型参数量和计算量分别减少了0.5M和2.1GFlops，表明其在铝合金表面缺陷检测效率方面有明显提升。新模型构建不仅在理论上为铝合金表面缺陷检测网络的优化提供了新思路，更在实践中为铝合金铸件表面缺陷检测提供了一种高效的解决方案。

关键词： 图像水痕去除方法   条件生成对抗网络   注意力机制   输电线路巡检图像   目标检测  

摘要： 为了实现高质量的输电线路巡检图像水痕去除，有效消除水痕遮盖造成的不利影响，提出一种基于条件生成对抗网络的输电线路巡检图像水痕去除方法；以有水痕原始图像作为输入，在U型网络架构基础上构建结合注意力机制的生成器网络，以增强生成器对关键水痕特征的聚焦能力，同时通过判别器网络对无水痕生成图像的真实性进行监督，以提升训练稳定性与无水痕生成图像的质量；将985组有水痕原始图像及对应无水痕真值图像数据按照8∶2的比例分为训练集和测试集，并进行水痕去除效果验证及目标检测实验。结果表明：所提出的水痕去除方法生成的无水痕生成图像质量显著提升，与无水痕真值图像的结构相似性指数为0.867，相比采用pix2pix网络、循环生成对抗网络生成的图像更接近无水痕真值图像；应用于目标检测算法检测鸟巢和悬浮物的平均精确率相比使用有水痕原始图像的分别提升了17.2%和19.1%，有效改善了水痕遮盖的劣质输电线路巡检图像的检测效果。

关键词： 域自适应   目标检测   深度学习   计算机视觉  

摘要： 传统基于深度学习的有监督目标检测方法依赖大量标注数据，并假设训练与应用场景数据分布一致，因此在跨域迁移时往往性能显著下降，而域自适应技术通过缓解源域与目标域分布差异，可以有效减少对大规模标注的依赖。自2018年首个无监督域自适应目标检测算法提出以来，研究者们相继探索了无监督、少样本、弱监督、无源域、测试时、开集及通用等域自适应目标检测方法，以应对数据稀缺、环境动态变化及类别未知等实际挑战。现有综述多集中于无监督域自适应或某一类算法，缺乏少样本、弱监督等多种类型的系统总结，本文从实际应用需求出发，梳理不同方法的适应机制与模型设计，分析不同类型算法在隐私保护、持续学习与快速部署等复杂场景下的优势，以为研究者理解域自适应目标检测的发展脉络与方法选择提供系统性参考与启示。

关键词： 对抗攻击   目标检测   多尺度均衡正则  

摘要： 目标检测模型在对抗补丁攻击下表现出显著脆弱性，严重威胁其在自动驾驶与安防等场景中的应用安全。现有基于迁移的黑盒攻击方法虽取得一定进展，但普遍存在跨模型迁移性不足以及在多尺度检测头间抑制不均衡的问题。针对这一挑战，本文提出一种基于多尺度均衡正则的对抗补丁攻击方法（MSBR）。该方法在补丁训练过程中显式约束不同尺度检测头置信度输出的方差，从而实现对各尺度目标的一致性抑制，有效缓解了尺度抑制不均的现象，显著提升了对抗补丁的跨模型迁移能力。在多个主流目标检测器上的实验结果表明，所提方法在保持攻击成功率的同时，黑盒迁移性能优于现有代表性方法（如T-SEA），验证了MSBR在提升补丁攻击实用性方面的有效性。本文的研究为面向复杂检测结构的对抗补丁攻击提供了新的思路。

关键词： 街景图像   目标检测   摄像头   RT-DETR   LDConv   HiLo  

摘要： 监控摄像头作为城市基础设施系统的关键设备之一，其作用涵盖城市交通管理、信息支撑以及公共安全监控等多方面。然而，私自安装摄像头现象泛滥，容易加剧隐私侵犯，甚至产生危害公共安全的风险；另一方面，摄像头的部署存在配置不均衡的现象，部分地区监控摄像头重复安装，而部分地区却仍存在监控盲区。利用街景图像进行监控摄像头的检测方法能够为解决上述问题提供技术支持。但与此同时，在这一检测任务中，常常面临着因目标背景复杂、像素占比少以及形状多样而导致的高漏检率和低检测精度问题。针对此问题，本文基于RT-DETR提出了一种利用街景图像进行监控摄像头检测的算法LH-RTDETR。首先，引入线性可变形卷积LDConv改进下采样，在稳定参数量的同时自适应地改变卷积采样形状，提高信息提取的灵活性，有效降低误检率。此外，在编码器部分引入高低频分支注意力机制HiLo，分别处理不同频率的信息，增强模型对于局部和全局的理解能力，降低漏检率。最后，添加高分辨率特征提取层P2，捕捉更多细节信息，提升模型检测精度。在自制街景监控摄像头数据集SCD上进行验证，结果显示，相较于基准模型RT-DETR，LH-RTDETR在保持参数量合理增长的同时，mAP@50提升了2.7个百分点，mAP@50-95提升了3.8个百分点，召回率提升了2.5个百分点。最后，在同数据集上进行消融实验，结果证明，LH-RTDETR能够在一定程度上降低漏检率并提高检测精度。

关键词： 紧凑型地波雷达   目标跟踪   点迹-航迹关联   距离-多普勒谱  

摘要： 紧凑型地波雷达对目标参数测量精度低，传统点迹-航迹关联方法仅依赖单时刻不准确的运动学参数，在跟踪邻近目标时易发生关联错误。为此，本文利用目标回波在多帧距离-多普勒（Range-Doppler,R-D）谱中幅度分布稳定的特点，提出了一种基于多帧R-D谱回波幅度分布的点迹-航迹关联方法，采用运动学参数与回波幅度分布联合匹配以提高关联准确率。首先，对于每条已起始的航迹，采用Sobel算子计算各帧R-D谱中目标回波的梯度幅值并构建序列，经平滑后，利用核密度估计构建航迹梯度幅值序列的连续概率密度函数（Probability Density Function, PDF）。然后，以目标的预测状态为中心建立关联波门，并计算关联波门内候选点迹的梯度幅值及瞬时概率密度函数。最后，利用库尔贝克-莱布勒（KullbackLeibler, KL）散度衡量候选点迹的瞬时PDF与当前航迹的连续PDF之间的相似度，选取KL散度最小的候选点迹进行航迹更新。利用紧凑型地波雷达实测海上目标数据开展了点迹-航迹关联实验，结果表明，与最近邻数据关联方法相比，该方法得到的目标航迹时长增加了28.4%，平均延长了14.3 min，提高了目标跟踪的连续性。