关键词： 目标检测   缺陷检测   YOLO11n   轻量化  

摘要： 在工业钢材生产过程中，钢表面缺陷检测对确保产品质量至关重要，针对钢材表面缺陷形状复杂、尺度不一、小目标缺陷检测困难等问题，提出了一种基于改进YOLO11n的钢材表面缺陷检测算法。首先，我们设计了一种全新的高效多尺度卷积模块，在轻量化的同时增强多尺度特征表达能力，从而提升对不同种类缺陷的检测能力；其次，引入轻量级下采样模块，在缩小特征图尺寸时保留更多关键特征信息，降低模型的计算量；然后，我们设计了融合注意力机制的特征提取模块，增强模型对结构复杂缺陷区域的感知能力与判别能力；最后，采用基于动态非单调聚焦机制的损失函数Wise-Io U，降低低质量数据对模型精度的影响，提升对小目标缺陷的检测能力。实验结果表明，改进后算法的m AP值达到80.1%，相比原YOLO11n提升4.0%。同时，模型参数量和计算量较基准模型分别降低20.9%和17.5%，验证了本方法的有效性，能够满足钢材表面缺陷检测的实际需求。

关键词： 交通管理   无人机技术   全景地图   图像处理   隧道应急管控  

摘要： 本文针对隧道场景下的应急管控需求,提出基于无人机全景地图技术的立体化解决方案。通过搭载高精度传感器与热成像设备的无人机,结合5G边缘计算技术,构建隧道内外一体化全景监测系统。该系统可实时获取事故现场数据,通过人工决策实现事故定位及救援路径规划,缩短应急响应时间。实验表明,该技术可有效解决隧道内定位不清、能见度低等难题,为封闭空间应急管控提供技术支撑。

关键词： 输电塔   螺栓松动   深度学习   目标检测  

摘要： 输电塔作为电力输送网络的关键基础设施，其结构安全性直接关系到电网的稳定运行。在长期服役过程中，输电塔螺栓受风荷载、温差效应及材料老化等多因素耦合作用逐渐松动。该文提出了一种基于改进YOLOv5s的输电塔螺栓松动智能检测模型（CCSGS-YOLO）。采用坐标卷积替代主干网络中的标准卷积层，增强模型对目标位置信息的获取能力；引入卷积注意力模块（CBAM），通过通道与空间双重注意力机制强化模型在复杂背景下的特征鉴别能力；构建Slim-Neck特征融合结构，通过跨阶段部分连接与深度可分离卷积的优化组合，维持检测精度的同时减少计算复杂度；采用GIoU损失函数与Soft-NMS的联合优化策略，通过考虑预测框与真实框的重叠几何特性，提升目标检测的定位精度。结果表明，CCSGS-YOLO精确率达91.7%，召回率为89.4%，平均精度均值达到95.3%,F1分数提升至90.0%，较基准模型YOLOv5s分别提高1.6%、3.0%、1.4%和1%。在计算效率方面，模型检测速度达到74.8 FPS，推理时延降低至13.4 ms，较原模型提升11.6%。该文还通过现场实验对CCSGS-YOLO在不同场景下的检测鲁棒性进行了验证，为输电塔螺栓松动的智能巡检提供了一种新思路。

关键词： 放射性水过滤器滤芯   识别与定位   图像处理   相机标定   机械手  

摘要： 针对核电站放射性水过滤器滤芯拆解过程中，直接切割滤芯拉杆，震动大，速度慢，稳定性差的问题，设计了一种基于机器视觉的核电站用水过滤器滤芯拉杆分离系统，满足核电站放射性废水过滤器滤芯自动化拆解的要求。首先，使用摄像机采集水过滤器滤芯拉杆焊接面二维图像；然后通过图像处理算法，分割焊接面二维图像，提取出滤芯的外轮廓、焊点轮廓及焊点圆心像素坐标；接着通过对相机摄像头进行标定，获得像素坐标系与机械手坐标系的转换矩阵，然后将焊接点圆心像素坐标转换为世界坐标；最后，拆解机械手根据焊接点圆心在机械手坐标系下的坐标使用钻头进行钻孔将滤芯拉杆与滤芯主体焊点破坏，进而实现拉杆与滤芯主体的分离。基于机器视觉的水过滤器滤芯拉杆焊点识别率高，经系列坐标转换为机械手坐标系坐标后，机械手末端定位的圆心偏差率小于5mm，能够满足放射性废水过滤器滤芯自动化拆解的需求。

关键词： 低照度图像增强   Retinex理论   细节增强   图像处理   色调恢复  

摘要： 在汽车座舱等低光照场景中，现有的许多图像增强方法都依赖于改变光照度，但很难应对光照度的局部变化和复杂场景，通常会导致伪影、细节丢失等问题。为了解决这些问题，本文提出了一种基于改进R2R-Net的低光照串行网络—DDI-Net(DecomDenoise Illumination-Net)。该网络由分解网络（Decom-Net）、去噪网络（Denoise-Net）和照明恢复网络（Illumination Recovery-Net）组成，旨在提高低照度图像的亮度、色彩和细节表现。首先，在分解网络中引入递归残差模块（RRM），以精确分离图像中的光照和反射成分；其次，使用U-Net作为去噪网络框架，使用空间深度变换卷积（SPD-Conv）取代网络中的最大池化层，在保留特征信息的同时有效去除噪声；最后，在光照恢复网络中集成特征增强模块（FEM），以增强特征表示能力。实验结果表明，DDI-Net在自制数据集和多个公开数据集上表现良好，与许多经典的低照度图像增强算法相比，在亮度增强、细节保留和色彩还原方面具有明显优势，图像质量综合指标优异，表现出良好的鲁棒性和泛化能力。所设计的图像增强网络在低照度驾驶舱环境中的有效性得到了验证。

关键词： 铁路运输   侵限人员检测   PP-YOLOE   人员识别   深度学习   目标检测  

摘要： 我国拥有世界上最大的铁路规模，列车运行速度不断提高，确保铁路的安全平稳运营是重中之重。人员侵限是影响铁路安全的主要威胁之一，如何快速准确检测并区分侵限人员和持证上道工作人员至关重要，对铁路侵限事故的预防有重要意义。针对上述问题，以PP-YOLOE模型为基础，提出并验证3种侵限人员检测策略，分别为多属性策略（62.3%mAP）、二分类策略（5.8%mAP）、渐进策略（77.8%mAP）。多属性策略可有效检测区分两类人员，二分类策略能够完成人员检测但无法对人员进行有效区分，渐进策略因存在大量漏检情况而无法实用。实验结果表明，多属性策略能够在保证精度的同时输出稳定可靠结果，有助于减少人员身份混淆问题导致的误报警，可为铁路行车安全提供更高的可靠性技术保障。

关键词： 无人机   联邦学习   目标检测   通信   多无人机系统   目标跟踪   协作系统   协调算法   神经网络  

摘要： 本文提出了一种多无人机协作系统，旨在各种环境中实现高效且可靠的目标检测与跟踪。该系统利用先进的协调算法和联邦学习技术来提升性能，确保无人机之间的高覆盖率、低冗余度和有效的任务分配。通过大量仿真实验和实证实验验证了系统在简单与复杂场景(如开阔地和密集的城市区域、夜间和雨天等挑战性条件下)的强大性能。文章使用覆盖率、冗余率、任务分配均衡性、响应时间和跟踪连续性等关键指标来评估系统的有效性。结果表明，系统在较简单的环境中表现优异，同时在更具挑战性的条件下也能保持稳健的性能，但仍存在进一步优化的空间。本文最后讨论了系统的部署策略以及未来工作的方向，特别是在动态和GPS信号缺失环境下提高系统的适应性。

关键词： 甜菜苗间除草   作物识别   目标检测   深度学习   YOLOv8   注意力机制  

摘要： 针对甜菜苗间除草中杂草种类多、杂草识别率低,以及农田复杂场景下检测难度高、杂草与作物形态相似导致的误检率高等问题,提出了一种改进YOLOv8算法实现对甜菜苗的识别,核心思想是将识别出的甜菜苗与杂草进行区分,便于甜菜苗间除草。通过自主构建包含多生长阶段、多环境光照条件下的甜菜苗样本数据集,采用自适应图像增强策略与迁移学习方法优化模型特征提取能力。具体方法如下:在YOLOv8网络Backbone部分引入了一种新的轻量级卷积技术GSConv,以减轻模型体积并保持准确性;添加CBAM注意力机制,来提高YOLOv8对小目标、相似目标和复杂环境的适应能力;设计Slim-Neck(细颈结构)来替换传统的Neck网络结构,通过结构重设计和计算优化,在保持精度的同时显著提升推理速度;用WIoU损失函数替换传统的CIoU损失函数,提高样本关注度和模型鲁棒性。试验表明:改进后的模型与原模型相比,准确率、召回率、mAP@0.5和mAP@0.5:0.95分别提升3.096%、1.444%、2.450%和2.743%,模型内存降低到6.00 MB。改进后的模型可以准确且快速识别出复杂背景环境下的甜菜苗,为甜菜苗间除草提供技术支撑。

关键词： 目标跟踪   孪生网络   时空增强   注意力机制   模板更新  

摘要： 针对复杂运动场景中常见的遮挡和尺度变化问题，为了提升单目标跟踪算法在时间特征信息利用和目标空间特征表达上的综合能力，在单流跟踪网络OSTrack的基础上，提出基于时空特征增强的单目标跟踪算法OSTrack-ST.在空间特征增强方面，提出包含空间注意力和多头上下文关联注意力的多头空间关联注意力机制，增强模型对空间全局特征和局部特征的表达能力，有效提升模型在动态环境中对目标特征的捕获能力；在时空特征增强方面，提出基于时序漂移预测的时空模板更新策略，利用空间位置预测结果来控制时序模板更新，提升模型在长时序任务中的鲁棒性和准确性.实验结果表明，所提算法在LaSOT、GOT-10k和SportSOT数据集上的跟踪成功率分别达到了70.5%、73.7%和68.7%，运行速度超过49 FPS.此算法的综合性能优于EVPTrack等其他跟踪算法.

关键词： 单域泛化目标检测   视觉语言模型   提示学习   多模态融合  

摘要： 针对现有基于视觉语言的单域泛化模型采用固定的单向文本引导视觉局部对齐操作，导致局部-全局上下文建模能力不足的问题,提出一种渐进式双阶段模态交互框架(PDMI)。PDMI能够在模态内以多层次方式提取全局域不变特征，在模态间充分挖掘视觉和文本互补语义以获得细粒度语义知识。具体而言，PDMI首先结合固定域无关提示和可学习的自适应域提示(ADP)，引导样本获得对特定域的语义感知能力。同时，在视觉主干网络Res Net-101基础上，设计多层级的模态内交互机制(MIMI)，它基于自适应视觉提示引导,对源域图像进行模态内Mamba交互(IMMI)以提取图像全局域不变特征，改善视觉特征表示的分布。其次，提出跨模态双向交互融合机制(CMBIF)提取并对齐细粒度的跨模态特征,该策略以视觉或文本双向引导实现细粒度模态间交互，并采用跨模态自适应融合模块(CMAF)以自动搜索模态间信息的最佳组合,进一步减小模态间交互的冗余特征。为了验证PDMI的跨域泛化性能，在3个具有挑战性的领域偏移数据集DiverseWeather、Virtual-to-Reality和UAV-OD上进行实验，结果显示PDMI在目标域上的平均精度(m PT)比C-Gap、SRCD和FDD方法分别提高2.0、4.0和4.2个百分点。PDMI能够有效提取全局-局部域不变特征来提升对未见目标域的泛化能力，这对目标域和源域存在显著分布偏移且目标域数据受限的场景至关重要。