关键词： 视觉SLAM   动态环境   目标检测   深度约束   四叉树分配   光流跟踪  

摘要： 同步定位与建图(SLAM)是机器人自主导航的关键,然而传统的SLAM系统通常是针对静态环境设计的,当存在动态物体时,动态特征点会造成错误的数据关联从而导致精度和可靠性降低。并且当前的解决方案中依旧存在潜在动态对象无法检测,且动态对象占据主体时所保留的有用特征点不足等问题。为了克服这些限制,提出了一种基于ORB-SLAM2的视觉SLAM系统。首先利用yolov8目标检测提供语义信息,结合深度信息进行深度约束生成动态掩码;然后,基于动态概率进行特征点的四叉树均匀分配,剔除动态特征点的同时保留更多有用特征;最后,利用光流跟踪检测与剔除潜在动态对象上的特征点。其中动态掩码与关键帧结合实现运动分割,构建干净的密集点云地图。在TUM和Bonn数据集下的实验结果表明,相比于ORB-SLAM2,在高度动态场景中平均定位精度提高超过90%,并且在相对静止的场景中表现依旧可靠。此外,在保持实时运行的同时其性能对于当前同类别的先进方法也能有所提升。

关键词： 改进YOLOv9算法   大重叠度影像   无人机遥感   低空遥感   影像目标检测  

摘要： 针对无人机执行低空飞行任务时,因重叠航拍的方式导致数据冗余,从而增加后续数据处理复杂度的问题,提出基于改进YOLOv9的大重叠度无人机低空遥感影像目标检测方法;通过阴影补偿和影像增强移动并拼接相邻的无人机低空遥感影像,采用背景差分的方式,分割拼接遥感影像中的前景目标区域;将分割的前景影像区域输入到改进YOLOv9算法中,得出遥感影像的特征提取结果,并计算提取影像特征与设定标准特征之间的匹配度,得出无人机低空遥感影像的目标检测结果;通过实验得出结论:优化设计方法的影像特征提取一致性系数更高,目标检测的成功系数取值更大、目标位置检测误差更小,即优化设计方法的目标检测效果更优。

关键词： 低空风切变   气象雷达   深度学习   图像处理   图像检测   CBAM  

摘要： 西北荒漠地区大风天气频繁发生,低空风向突然切变,对飞机起降过程构成巨大的安全威胁。因此,对低空风切变准确识别和有效监控是保证航空安全的关键任务之一。低空风切变检测通过从气象激光雷达采集的测风数据,使用智能算法提取关键特征,计算学习出现风切变的雷达特征信号,进行准确判断风切变出现的位置和时间。针对现有风切变检测算法存在风切变特征提取不准确、检测精度不理想、计算量庞大的问题,结合测风数据存在空间信息提取困难、检测目标小、多通道等特点,提出一种WS-YOLO算法。该算法模型采用CoordConv卷积模块作为主干网络,提取风切变发生区域的空间信息,在头部网络中引入CBAM注意力机制,实现对通道和空间两个维度上的注意力调节,提取多通道和空间多个特征信息。通过引入SPPFCSPC金字塔池化模块来解决算法在提取图像相似特征时容易混淆的问题,同时降低了算法的复杂度。通过该算法模型处理西部某机场连续2年激光雷达测风数据的实验结果显示,所提方法较YOLOv7方法,平均识别精度提高了11.1个百分点,F1分数提高了9.3个百分点,算法计算时间降低了20.7个百分点。证明了该算法在检测低空风切变问题的有效性。

关键词： 水下图像增强   水下目标检测   照明感知   半监督学习  

摘要： 针对水下图像标注数据稀缺导致增强算法泛化性不足的问题,本文提出一种基于均值教师(Mean-Teacher)模型的半监督水下图像增强框架。设计融合光照和梯度先验的多尺度网络(Illumination and Gradient Prior network,IGP-Net)作为均值教师模型的主干网络。IGP-Net包括以下3个模块:多尺度照明感知模块MSLP,用来提取退化图像的多尺度特征,并融合光照和梯度先验,提升水下图像对比度;多通道细节增强模块MCE,对初步增强图像进行通道维拆分和颜色补偿,改善水下图像颜色失真现象;并行注意力模块PC,利用像素注意力和通道注意力进一步关注照明信息和颜色信息之间的关联性,实现色彩均衡。在公开数据集上的定量比较和定性分析表明,本文所提方法在多个关键指标上优于现有先进算法。此外,在水下目标检测任务中的实验,也表明了经本文算法增强后的图像能够有效提升水下目标检测的性能。

关键词： 电力现场作业   安全着装   目标检测   YOLOv5s算法  

摘要： 在电力现场作业中,基于深度学习的安全着装检测仍存在算法参数冗杂、推理速度慢、准确度不高的问题,不利于边缘端的部署。为此,提出了一种改进YOLOv5s的电力现场作业图像识别检测模型。该模型采用GhostNet堆叠对骨干中的C3模块进行轻量化改进,大大减小了网络的参数与计算量,并采用结构重参数技术将训练和推理架构进行解耦,跳跃式嵌入RepVGG网络代替传统的卷积网络,加快了推理速度,提高了检测精度。结果表明,改进模型的大小降低为原模型的26%,平均检测精度可以达到95.0%,推理延时在嵌入式硬件JetsonXavierNX上延时为302.2ms,相较于原算法降低了82.8%,更有利于边缘端部署应用。

关键词： 目标检测   煤矿井下受限场景   YOLOv8n   感受野注意力卷积   高效多尺度注意力   可变形卷积   动态检测头  

摘要： 在煤矿井下受限场景中由于目标尺度变化复杂、目标部分被遮挡和有效特征提取困难,导致目标检测精度低。针对上述问题,提出一种基于改进YOLOv8n的煤矿井下受限场景目标检测算法。在主干特征提取网络采用感受野注意力卷积(RFAConv),更好地处理受限环境下的目标空间位置信息,并根据特征的重要性动态调整权重,从而更关注目标的关键特征;在颈部网络引入高效多尺度注意力(EMA)模块,融合不同尺度的特征信息,提高了对尺度变化目标的检测精度;将新型可变形卷积(DCNv3)与动态检测头(Dynamic Head)结合,通过将尺度感知注意力、空间感知注意力和任务感知注意力相统一,有助于模型关注空间尺度信息和适应不同的检测任务,提高了对多尺度目标和部分被遮挡目标的检测能力;引入考虑预测框权重分配的Unified−IOU(U−IOU)损失函数,通过动态调整在不同质量预测框上的关注度,使模型更专注于高质量预测框,提高模型的收敛速度和精度。实验结果表明,针对CUMT−BelT数据集,改进YOLOv8n在煤矿井下输送带异物检测中的mAP@0.5相较于YOLOv8n提高了5.6%;针对DsLMF数据集,改进YOLOv8n在不同综采工作面作业场景下的总体mAP@0.5相较于YOLOv8n提高了4.8%,有效减少了误检和重复检测的情况。

关键词： 交通运输执法   公路巡查   无人机   计算机视觉   智慧感知   智能算法   辅助决策   质量效能  

摘要： 通过对我国交通运输综合执法背景、现状和存在的问题研究,分析交通运输执法公路巡查在进一步提质增效过程中面临的难题和挑战,提出采用无人机自动机场、无人机专用车、计算机视觉、人工智能算法、分布式信号处理、数据可视化等技术,研发具有“智慧感知、智能算法、自动识别、辅助决策”的新一代交通执法公路巡查智能化移动装备,通过融合创新发展新质生产力,初步实现“发现—预警—调度—处置—归档”智能化业务闭环,使交通运输执法管理全过程在线化、网络化、智能化,提升交通执法质量效能、降低执法成本。

关键词： 建筑工程   形象进度   计算机视觉   模型研究  

摘要： 在建立建筑工程项目形象进度识别模型的基础上,使用建筑工程项目施工场景和建筑工程项目施工工种两个关键因素建立了施工形象进度状态转移基本规则,并提出了施工现场建筑工种识别方法和特征值选择方法。最后,以河南郑州某在建住宅项目为例,验证了本文提出的计算机视觉识别方法可以有效识别建筑工程项目形象进度。

关键词： 电力系统   保护压板   YOLOv10s   深度学习   目标检测  

摘要： 提出一套基于图像识别的变电站保护压板状态识别监测系统,开发了一款结合前后端的变电站压板检测移动端软件,实现了高效、准确的压板投退状态监测,降低了人工成本,提升了巡检效率。在图像识别检测算法层面,提出一种改进YOLOv10s的轻量化检测模型,在主干网络引入了C2f_Ghost模块,将Neck网络改为BiFormer结构。平均精度均值较原模型提升了2.2%,检测速度提升了3.84帧/s。

关键词： 阳极铜   人工智能   图像处理  

摘要： 本文应用人工智能(AI)技术构建阳极铜自动化检测系统平台,对该系统的理论设计、功能输出及实际应用进行了深入分析,通过图像采集系统拍摄阳极铜板身正侧面及耳部结构,基于卷积神经网络(Alexnet)建立深度卷积神经网络,结合混沌鸟群算法实现对阳极铜毛刺、裂纹、鼓包等外观缺陷的判定。对预处理后的图片进行计算,运用Canny边缘检测算法、形态学开闭运算、膨胀和腐蚀组合运算,生成耳部与板身最厚和最薄数据,整个流程通过图像预处理、外观缺陷检测模块及尺寸计算模块生成阳极铜板检测报告,经过系统数据和人工检测对比验证了该检测系统的准确度和可靠性。结果表明,该平台测量精度达到毫米级,有效解决了人工目测可靠性低的问题,为电解铜精炼工艺提供了高精度质量数据支撑。