关键词： 目标检测   YOLO   注意力机制   工作状态识别  

摘要： 现有的煤炭安全监督多采用“以人为主”的模式,存在主观性强、精力消耗大等问题,易发生工作人员玩手机、抽烟、睡岗等疏忽行为,难以确保煤矿安全生产稳定有序地进行。鉴于此,利用目标检测技术,基于深度学习方法,研究了煤矿调度室人员工作状态的智能识别方法。首先,构建基于YOLOv5的煤矿调度室人员工作状态识别方法;然后,通过在特征融合子网络中引入卷积注意力模块,以提升模型在不同通道和不同空间位置的信息提取能力;最后,利用具有多尺度特征融合能力的阶梯残差卷积模块,增强模型对调度室人员的细微特征提取和全局特征融合的能力。实验结果显示,所提方法的全状态识别平均准确率达到91.7%,对玩手机和抽烟这些小尺度动作状态识别的平均准确率分别为94.4%、86.0%,验证了所提模型在调度人员工作状态识别中的有效性。

关键词： 叶绿素含量   无人机遥感   图像处理   双向门控循环单元   特征融合  

摘要： 叶绿素含量作为深入了解果树生长和健康状态的关键参数,对于指导果园管理决策具有重要作用。然而,在大规模果园环境下,快速且准确地获取整个果园的叶绿素含量数据是一项重大挑战。为此,利用无人机遥感平台结合深度学习算法,提出了一种新的解决方案。通过多光谱无人机采集石榴树冠层RGB及多光谱图像,利用图像处理技术提取RGB图像颜色特征、纹理特征和多光谱图像植被指数等参数并建立不同数据集。在此基础上,结合地面实测叶绿素数据,构建一种结合双向门控循环单元(BiGRU)与卷积神经网络(CNN)的深度融合网络模型CNN-BiGRU,并且与原始CNN和随机森林(RF)进行试验对比。结果表明,组合模型在预测石榴树叶绿素含量方面的效果明显好于其他模型,尤其是在使用特征融合集建模时,其决定系数高达0.973 7、均方根误差低至0.823 3。该精度满足对石榴树叶绿素含量的精准预测,为大面积果园管理提供实用参考。

关键词： 再生水   连通孔隙   图像处理   水力性质   冗余分析  

摘要： 以宿迁市某再生水农业灌溉区域开展,选择长期地表水灌溉(S1)、再生水短期灌溉(S2)与再生水长期灌溉(S3)区域,采用塑料环刀和铁环刀取0~20cm和20~40cm的原状土,通过CT扫描和图像处理技术获取不同处理下土壤连通孔隙及其结构特征,同步测试土壤的水力性质,探究再生水灌溉对土壤孔隙结构与水力参数的影响,分析引起水力性质变化的关键孔隙参数.结果表明:短期再生水灌溉破坏孔隙结构,使得孔隙结构趋向于简单化.再生水长期灌溉后,土壤孔隙结构较短期灌溉有一定程度的改善,与长期地表水灌溉土壤相比没有显著差异.再生水灌溉对表层土壤和深层土壤孔隙结构与水力性质无显著影响.再生水灌溉显著降低土壤的导水性.与长期地表水灌溉相比,再生水短期灌溉与长期灌溉土壤的KS分别降低20.81%与20.18%.再生水灌溉对于土壤的持水性能影响不大.再生水灌溉后孔隙结构的变化显著影响土壤的水力性质,冗余分析结果表明孔隙参数共解释了83.30%的水力性质变异,其中表面分形维数对水力性质的影响最大,孔隙形状与所有的水力参数都没有显著的关系.

关键词： YOLO12   智能交通监测   实时分析   目标检测  

摘要： 随着城市化进程的加快,智能交通系统成为缓解交通拥堵、提高交通管理效率的重要手段。文章提出了一种基于YOLO12的实时智能交通监测与分析系统,该系统利用YOLO12目标检测模型的高精度和实时性,实现了对交通场景中车辆、行人等目标的快速识别与跟踪,为交通管理提供了决策支持。

关键词： 雷达成像   机载太赫兹雷达   目标识别   目标检测  

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： 火焰检测   移动机器人   TurtleBot2   YOLOv5  

摘要： 提出了一种基于移动机器人的火焰检测系统,旨在提高室内环境下的火焰检测精度。系统选用配有摄像头传感器的TurtleBot2机器人,对传统YOLOv5算法进行改进,通过引入CA模块来提升火焰检测的准确性和适应性。实验结果表明,在复杂的室内场景中,该系统可在巡检过程中实时检测火焰与烟雾信息,并触发报警功能。同时,改进后的算法平均精度比原算法提升5%,能够更有效的应对复杂环境中的火焰检测任务。

关键词： 绝缘子缺陷   注意力机制   损失函数   目标检测   YOLOv5算法  

摘要： 在目前针对电塔绝缘子的缺陷检测领域中,存在大雾天气下绝缘子识别度不高、有缺陷的绝缘子难以正确识别的问题。为此,提出一种改进的YOLOv5缺陷检测模型。该模型以YOLOv5算法为基础,对主干网络特征提取的3个不同大小的特征层分别引入SEnet、CBAMnet、ECAnet三种不同的注意力机制,以加强特征提取能力。此外,引入Focal Loss损失函数,加强对易分类样本和难分类样本权重的控制。实验结果表明,改进后的YOLO检测模型在检测正常绝缘子的AP值为85.67%,缺陷绝缘子的AP值为97.33%,其mAP值达到了91.50%。与传统YOLOv5模型相比,分别提升了0.29%、0.48%、0.38%。同时,其正常回归率和缺陷回归率分别提升了5.52%和3.95%。改进后的模型能够更好地识别正常和缺陷绝缘子,对后续绝缘子相关研究具有一定的参考价值。

关键词： 智能制造   智能交通   运动目标检测   光照变化  

摘要： 精准目标检测是现代智能制造业、智能交通等领域的基础,然而,经典的视觉前景提取方法在光照缓慢或者突变场景中难以满足精确和实时的需求。为此,基于朗斯基函数和视觉背景提取(ViBe)方法提出了一种融合改进的光照变化运动目标检测算法。该方法首先通过时空样本一致性原则构建像素空间背景模型,并利用短时间内采集的多帧图像数据构建初始背景模型;然后,通过朗斯基函数判断当前帧像素构成的向量与背景样本向量的线性相关性,基于当前像素构成的向量与背景模型中样本向量线性相关次数判断当前像素点为前景或者背景;最后,根据判断结果更新背景模型。定性定量实验结果表明,该融合模型能够有效地克服复杂光照变化场景下的多种干扰因素,准确获取光照缓慢或突变场景下的运动目标,且性能优于几种流行的光照变化运动目标检测算法。

关键词： 侧扫声呐   水下目标检测   YOLOv8  

摘要： 近年来,侧扫声呐图像的目标检测在水下目标搜索、海洋测绘及海洋地质勘探等领域发挥着重要作用,提高声呐图像的目标检测精度对于水下探测至关重要。针对侧扫声呐图像目标检测精度较低的问题,从数据预处理、网络结构优化、损失函数调整和模型轻量化4个方面对YOLOv8算法进行改进。实验结果表明,所提方法能够高精度检测目标图像,目标检测精度达到92.8%,可在实际水文环境中高效、全面地完成水下特定目标的检测任务。

关键词： 目标检测   YOLOv7   多维注意力   ODConv  

摘要： 为了提升目标检测的准确性和效率,基于YOLOv7提出了一种多维注意力机制融合的目标检测网络(MAF-Net)。在网络主干部分,采用ODConv替代传统卷积堆叠,融入多维注意力机制并行策略,提升了特征提取能力。在头部网络部分,插入SimAM注意力机制,通过计算特征图的3-D关注权重来优化检测精度。同时,结合Inner-IoU与CIoU,提高了模型精度并优化了训练效率。经MS COCO 2017数据集实验验证,MAF-Net的mAP相较于原模型提升1.3%。综上所述,提出的MAF-Net模型在目标检测领域展现出了优异的性能,具有良好的识别精度、精细的特征提取以及高效的训练效率。