关键词： 智慧监理   目标检测   无人机   YOLOv8   深度学习  

摘要： 为提升道路桥梁施工中无人机目标检测技术的精度与鲁棒性,以应对复杂施工场景下的工程监理需求,针对施工现场存在大量干扰物及复杂光照条件等挑战,提出一种基于YOLOv8框架的改进目标检测模型。在特征提取阶段,通过设计多尺度特征提取模块,从通道和空间维度强化特征表征,并引入空间金字塔增强模块以获取目标上下文信息。在检测阶段,采用残差检测头结构以缓解小目标的信息丢失问题。最后,在VisDrone数据集上进行实验验证,发现改进后的模型在mAP50指标上达到0.378,较基线模型显著提升。研究结果表明,所提方法可有效提高复杂环境下的目标检测精度,为道路桥梁施工的智能化监理提供技术支持。

关键词： 目标检测   复杂场景:多通道低速动目标   稳健检测  

摘要： 运动目标检测是当前计算机视觉和图像处理中一个非常重要的问题,特别是在城市道路监控、无人机侦察和工业自动化等复杂环境中。但是,对于低速移动物体,尤其是面对多波段(多光谱、红外、雷达等)的复杂场景,常规检测方法很难有效应对,存在虚警率高、检测率低、鲁棒性差等问题。本项目针对多通道慢动地震动目标识别(GMTI)稳健主元分析(RPCA)存在的高虚警率和对信道误差敏感性等问题,本项目拟开展基于VSAR(VSAR)-RPCA的数据重建与RPCA联合处理技术研究。

关键词： 目标检测   YOLOv11   车辆检测   注意力机制   轻量化网络  

摘要： 针对复杂交通场景下车辆检测存在的特征信息提取精度低、检测率低及误检漏检率高等问题,提出了一种基于改进YOLOv11的车辆检测模型FAE_V11s。首先,引入BiFormer注意力机制,通过动态稀疏注意力权重分配,增强模型对复杂场景中车辆特征的聚焦能力。其次,引入MobileNetV3网络结构替换原骨干网络,对整体网络进行轻量化改进,有效降低模型的参数量和计算量。再者,设计一种新的改进特征金字塔结构,在P2层增加256×256尺寸的特征图输出,提升P2层特征图的语义质量与细节保留能力,实现更高效、精准的目标检测。最后,设计FPv2_IoU损失函数,解决因惩罚因子而引发的锚框膨胀问题及训练样本分布不均衡的问题,进而有效加速模型收敛。在UA-DETRAC数据集和自建数据集的实验中,与YOLOv11n模型相比,FAE_V11s参数量减少了约3.64%,mAP@0.5和mAP@0.50∶0.95分别提高了13.29和11.13个百分点,整体表现出良好的检测性能。

关键词： YOLOv7   注意力机制   遥感图像   飞机检测   小目标   CORS-ADD数据集  

摘要： 飞机检测对机场的飞机管控具有重要意义,但在遥感图像中通常存在飞机尺寸较小或被遮挡等问题导致目标特征缺失而产生漏检。为了降低遥感图像中飞机的漏检率,基于YOLOv7提出了一种改进的结合注意力机制的遥感图像飞机目标检测算法。该算法改进了Backbone结构以增强对小目标特征的提取能力,同时,针对遥感图像中小目标的特性,调整了Head部分的设计,减少模型参数量,提高了检测速度。在公开的CORS-ADD数据集中,根据不同的改进策略进行消融试验,试验表明,同时进行Backbone和Head的改进效果最好,相较改进前平均精度值提升了3.04%,达到85.12%,检测速度提升了14.3%,达到48.16 FPS。改进后的算法提高了对遥感图像中飞机小目标的检测精度和速度,有效降低了飞机的漏检率。

关键词： 同时定位与建图(SLAM)   动态环境   目标检测   运动一致性检测   惯性测量单元(IMU)状态估计  

摘要： 针对于动态环境中同时定位与建图(SLAM)位姿估计精度低、鲁棒性差及实时性弱的问题,提出一种动态视觉惯性SLAM算法(DVI-SLAM):通过引入惯性测量单元(IMU)的运动先验信息对图像进行校正,显著提升相机大幅运动时的目标检测精度;结合语义信息与运动检测一致性,在快速获取静态特征点的同时,可保持较高的精度;为应对高度动态场景中基于语义的动态SLAM的挑战,利用来自IMU的运动信息估计动态物体运动状态,并最大限度地利用环境中的静态特征点。仿真结果表明,DVI-SLAM在室内高动态场景中的绝对轨迹误差(ATE)均方根值(RMSE)相比ORBSLAM3可降低96.2%,在室外动态环境中可降低59.9%;与现有主流算法相比,提出的方法能在动态室内外场景中表现出较高的定位精度和鲁棒性。

关键词： 豆荚识别   计算机视觉   RT-DETR   轻量化   深度学习  

摘要： 针对大豆豆荚植株大小不一、重叠以及茎秆遮挡等特点,同时为解决基于Transformer架构的豆荚目标检测模型检测中参数量大导致其在边缘设备部署困难的问题,提出一种改进RT-DETR的豆荚检测模型POD-DETR。首先,引入RepNCSPELAN特征提取模块和Adown降采样模块改进主干网络;其次,提出一种轻量级自适应编码器LWA-Encoder,在内部引入基于小波操作的池化方法替代最近邻插值上采样和卷积下采样操作,设计一种融合无参注意力机制SimAM的自适应细节融合模块DI-SAM改进编码器中原有的特征融合方式,提高模型对不同尺度豆荚的适应能力;最后,使用DIoU作为边界框损失函数,用于提升模型检测准确率。POD-DETR在自建数据集上准确率、召回率和平均精度均值分别达到94.7%、92.9%和97.2%,综合指标优于当前主流的一阶段、二阶段检测模型,在保持高精度的情况下,较基线模型在参数量和浮点运算量上分别降低59.9%和60.9%,实现了模型轻量化。在开源豆荚数据集上的试验结果中POD-DETR也有一定程度的性能提升,表明其具有良好的鲁棒性和泛化能力,可为豆荚检测与产量估计提供技术落地参考。

关键词： 木材微观构造   交叉场纹孔   深度学习   目标检测   注意力机制  

摘要： 交叉场纹孔作为木材显微构造中的一个重要特征,在木材构造研究和树种识别中具有重要作用。以针叶材为研究对象,基于计算机视觉技术对交叉场纹孔特征快速提取方法展开研究,从而实现在向系统传入木材径切面切片图像后,即可快速得到交叉场纹孔识别结果。首先采集48种针叶材树种的径切面图像构建数据集,通过训练并比较YOLOv4、YOLOv4-Tiny,以及主干特征提取网络更换为ResNet50和MobileNetv3的YOLOv4-Tiny模型后,选用表现较优的YOLOv4-Tiny,并将其结合SENet、ECANet、CBAM 3种注意力机制进行比较分析。研究结果表明:ECANet表现最好,对于窗格状、云杉型、柏木型、杉木型、松木型5种交叉场纹孔类型的识别准确率分别为98.2%,85.0%,88.4%,92.9%,80.0%。通过Grad-CAM可视化分析,发现模型对于窗格状和杉木型的预测框定位最为准确,而对于柏木型的预测置信度相对较低,在射线薄壁细胞与轴向管饱相交边界不明显的情况下,模型的预测效果较差。综上所述,使用YOLOv4-Tiny模型结合注意力机制进行交叉场纹孔的识别是可行的,未来的工作可以集中于对深度学习神经网络结构的进一步优化,以提高模型在复杂情况下的识别准确率。

关键词： 皮带机   堆煤量   智能测量   测量方法   双目视觉技术   图像处理  

摘要： 为进一步探究煤矿井下皮带机堆煤量的精准高效测量方法,在已有研究基础上,提出一种基于双目视觉技术模式的煤矿井下皮带机堆煤量智能测量方法。在确定整体方案后,从图像处理、立体匹配、图像分割与重建等多个步骤着手,详细探究了智能测量方法的具体算法流程设计要点,以实现预期目标。从现场实验测试结果来看,该方法能够实现较为精准的堆煤量测量,具有一定的应用价值。

关键词： 大口黑鲈   表型数据   品质预测   Deeplabv3^(+)   计算机视觉   语义分割  

摘要： 大口黑鲈的肥满度、体质量及尺寸等是评估其品质的重要指标,针对上述数据手工测量操作繁琐、效率低下及关键点表型数据测量方法面积要素缺失等问题,本文提出一种语义分割模型结合最小外接轴对齐矩形的表型数据测量方法,并基于表型数据测量与计算结果完成大口黑鲈品质预测。首先通过使用CBAM(Convolutional block attention module)和SENet(Squeeze-and-excitation network)对Deeplabv3^(+)模型进行改进,实现对大口黑鲈头部、躯干、尾部、鱼鳍等部位的高精度分割,然后使用最小外接轴对齐矩形完成大口黑鲈各部位长、高测量,通过各部位像素与矩形像素的比例完成面积测量;最后,基于测量结果完成体质量回归预测与肥满度计算,以实现大口黑鲈品质预测。结果表明,语义分割模型整体mIoU(Mean intersection over union)达到90.15%,在忽略鱼鳍影响后,mIoU达到94.02%,测量所得全长、体长、体高平均相对误差低于2.5%,头长、头高平均相对误差低于3.5%,面积测量误差低于4.5%。多项式体质量回归预测模型对体质量预测值与实际值的决定系数为0.97,平均相对误差低于4%,基于测量值的3种肥满度状态指数计算结果均接近实际值。该方法可以高效、准确地获取大口黑鲈的表型数据,并为进一步衡量鱼类生长状况与健康状况研究提供参考。

关键词： 耦合介质   大块矿岩   数值模拟   图像处理   二次破碎  

摘要： 为解决普朗铜矿自然崩落开采过程中大块矿岩二次破碎存在的巷道损坏、能量利用率低等问题,研究针对不同尺寸大块矿岩,首先利用LS-DYNA动态有限元分析软件模拟不同耦合介质(空气、岩屑和水)下的大块矿岩二次爆破过程,随后采用ImageJ软件提取矿岩破碎数据并分析不同爆破耦合介质下的大块矿岩破碎特征,并进一步研究了爆破中矿岩的应力演化、裂纹扩展及二次爆破的能量利用规律。研究结果表明,耦合介质显著影响矿岩二次破碎的破碎块度和能量利用率,并据此提出采用水代替传统空气耦合的二次爆破改进建议。实践表明,优化建议有助于提高大块矿岩二次破碎效率和能量利用率,有效降低巷道围岩和设备损伤。研究中采用PRE-POST后处理软件和ImageJ图形处理软件对模拟结果进行联合处理,可快速获取大块矿岩爆破块度数据,对统计分析爆后矿石块度分布具有指导意义。