关键词： 伪装目标检测   上下文信息   区域先验   多尺度特征  

摘要： 基于区域先验的伪装目标检测模型通常在早期阶段提取目标在图像中的位置信息，通过将目标的位置信息与图像特征相结合，网络能够更加有效地聚焦于目标区域，从而提高检测精度。而在许多具有挑战性的场景中，当前伪装目标检测算法对目标位置信息的提取能力有限，从而导致区域先验不准确甚至目标缺失。为此，提出了一种融合定位图与上下文感知的伪装目标检测网络FLMCA-Net。首先，构建定位模块融合来自主干网络的多尺度特征并从全局、局部两个维度上提取目标的位置信息；其次，设计了感受野增强模块细化不同尺度的特征表示；最后，引入上下文感知融合模块将多尺度特征和目标区域先验充分交互融合并挖掘目标的全局上下文特征。在3个公开数据集上的实验表明，FLMCA-Net相较于其他20种代表性模型均取得了最优表现，比RISNet在Sα、E?和Fβω方面的性能平均提升了2.5%、1.8%和3.6%。

关键词： 数控机床   自动校准   视觉测试   图像处理   分辨率  

摘要： 视觉检测技术已成为数控机床自动校准的一项重要方法，具备动态调控、快速适应与良好实时性。分析了光纤棒沉积机床运行状态测试时需占用大量处理时间并且存在精度不足缺陷，设计了一种利用视觉成像模式对机床同轴检测新技术，建立能够对光纤棒机床完成自主定位功能的机械控制结构。为获取复杂工况的精确特征，利用动态阈值分割技术来克服光源产生的影响。测试研究结果表明：当相机分辨能力达到500万像素时，以弧分段圆形算法处理时获得0.043mm的均值误差，能够满足实时显示要求。本文算法处理时响应时间共255ms，完成卡盘偏移的实时调节，误差均值为0.037mm，最大接近0.08mm，可以达到精度状态下大幅缩短机床的对准时间。

关键词： 目标检测   YOLOv5s   注意力机制   解耦头  

摘要： 交通场景目标检测是智慧交通与自动驾驶系统的关键技术。针对YOLOv5s算法在复杂交通场景下存在的多尺度目标漏检、误检及检测精度不足等问题，文章提出一种改进的CRD- YOLOv5s模型。首先，在主干网络引入卷积注意力模块（CBAM），通过通道与空间注意力增强小目标特征提取能力；其次，将空间金字塔池化翻转（SPPF）模块替换为感受野（RFB）模块，利用空洞卷积扩大感受野以捕获全局特征；同时采用SIOU损失函数优化训练收敛过程，并引入解耦头结构分离分类与回归任务。实验结果表明，改进后的模型在单目标检测任务中，mAP提升了0.7%，在多目标检测任务中，mAP提升了1.2%，不仅显著提升了目标检测的精度，还有效减少了漏检与误检现象。

关键词： 水导激光   碳纤维增强复合材料   图像处理   切槽形貌   影响机理  

摘要： 随着大厚度碳纤维增强复合材料(CFRP)在航空航天领域的广泛应用，厚板CFRP的高质量高效加工是目前急需解决的关键性问题。水导激光技术具有切割深度大、加工精度高、热损伤小等优势，是加工CFRP的理想方式之一。然而，水导激光切割CFRP存在加工效率随着切割深度增长非线性降低的问题。基于此，开展水导激光CFRP厚板切割试验，创新性地使用图像处理方法得到了加工过程中的槽形动态演化规律，并揭示了其影响机制。结果表明：水导激光技术切割10mmCFRP的过程中，切槽形貌经历了平整期、波动期、凹陷期三个过程，最终从切缝中部先切穿；耦合能束的能量衰减、切槽形貌能量吸收差异、射流飞溅共同造成了加工效率的下降。

关键词： 安全工程   小目标检测   YOLOv9模型   轻量化模型   特征重组  

摘要： 园区内的烟头检测对于生态环境质量提高和火灾隐患排除都具有重要研究意义，但园区场景下的烟头存在尺寸小、特征不明显等问题。为获得一个效果较好的园区烟头小目标检测模型，在原始YOLOv9模型的基础上，针对该模型在烟头小目标检测任务中计算量冗余的缺陷提出改进和验证。首先，将部分卷积PConv引入RepNCSPELAN4模块中，以提升网络对目标特征提取效率，减少计算量；其次，将最近邻插值上采样模块重新设计为基于特征重组的上采样器，用更大感受野来感知特征并进一步实现网络轻量化；最后，在烟头数据集上进行对比与消融试验，该算法的平均精度达到87.4%，参数量降至 83.8 MB，相较于原模型，检测效果得到提升。研究旨在通过深度学习的应用，得到有效的烟头检测模型，推动园区公共场所无烟环境的发展。

关键词： FE-DETR算法   频率增强Transformer   LR-FPN   NWD-MPDIoU损失函数  

摘要： 航拍图像中的目标排列密集，存在尺度差异大、细节模糊、以及易被背景淹没等问题，上述因素导致了小目标检测困难。针对这些问题，提出一种金字塔Transformer架构的小目标检测算法FE-DETR（Frequency Enhancement Detection Transformer）。首先提出频率增强Transformer，利用离散小波变换分离并增强饱含细节特征的高频信息，设计基于频率增强Transformer的金字塔结构主干，显著降低主干参数的同时最大限度减少提取过程中的小目标特征信息丢失；其次嵌入一种小目标专用的LR-FPN(Location Refined Feature Pyramid Network)，在融合多尺度特征时，提取低层次目标信息并实现细粒度上下文融合，增强模型泛化能力；最后将Wasserstein距离与MPDIoU结合，提出能够适应尺度变化的NWD-MPDIoU损失函数，降低小目标的位置偏差敏感性，提升密集小目标样本回归精度。所提算法在VisDrone2019数据集上的mAP@0.5达到了51.1%，较基准模型在检测精度mAP@0.5值和mAP@[0.5-0.95]值上分别提升了5.2%和4.1%，参数量减少了28.1%，在DOTA和AITOD数据集上也取得较好效果，表明模型具有较强的泛化能力和鲁棒性，高效适用于密集场景下的小目标检测。

关键词： 少样本目标检测   3阶段微调   首项偏差削减   逆首项偏差削减   跨模块知识蒸馏  

摘要： 少样本学习是少样本目标检测的主流方法，但其存在以下问题：1）新类样本的极度缺乏导致新类特征分布存在偏差；2）由于微调过程中的鲁棒性假设不一定适用于新类样本，因此，特征提取网络无法提取未失真的新类样本特征.为解决上述2个问题，提出基于跨模块知识蒸馏的3阶段少样本目标检测方法.首先，利用特征分布校准策略，校准2步微调过程中新类样本的特征分布；其次，利用提出的首项偏差削减策略，有效缓解线性探测阶段（微调过程的第1阶段）中权重参数的偏差估计问题；然后，利用提出的基于逆首项偏差削减的整体微调策略，有效缓解整体微调过程（微调过程的第2阶段）中特征提取网络的过拟合问题；最后，利用提出的跨模块知识蒸馏策略，引导模型的浅层模块学习深层特征，以便捕获更具辨别力的新类样本特征.大量实验结果表明，所提的3阶段微调的少样本目标检测方法有效提高了少样本目标检测的准确性和鲁棒性.

关键词： 语义分割   图像处理   视觉导航   路径识别  

摘要： 针对跨行式采茶机在茶垄导航路径识别中面临的精度低、实时性差问题，提出了一种轻量化的UnetVGG16模型。该模型采用VGG16作为编码器，结合坐标注意力机制优化跳跃连接，并在解码层引入双层Ghost卷积以提升模型性能与效率。通过分割茶垄图像提取导航点，采用随机抽样一致性算法拟合导航路径，并利用梯度加权类激活映射法进行可视化分析。结果显示，该模型在不同光照条件下的茶垄分割任务中表现出色，平均交并比为98.64%，平均像素准确度为99.33%，推理速度为0.194 s。与原始Unet模型相比，该模型在提高分割精度的同时减少了参数量，满足采茶机视觉导航的实时性需求。研究结果为跨行式采茶机的视觉导航提供了技术支持。

关键词： 高光谱视频   目标跟踪   降维   时间上下文   孪生网络  

摘要： 提出一种基于光谱-时间交叉注意力的高光谱视频目标跟踪方法，以解决遮挡带来的跟踪性能下降问题。首先，提出一种基于波段光谱相关性降维方法，通过波段相关系数和信息熵对高光谱数据分组融合，有效降低维度并提高目标与背景的判别性。其次，设计了基于时间上下文的孪生网络特征提取框架，通过引入相邻帧信息增强了跟踪器对目标被遮挡以及外观变化的适应性。最后，提出了光谱-时间交叉注意力模块对模板与相邻帧的深层特征进行自适应融合，更精准地捕获光谱和时间维度信息。实验结果表明，所提出的算法显著提升了跟踪性能，其中AUC和DP@20分别达到了0.646和0.897，相比于现有先进方法，分别提高了1%和0.5%，并且在遮挡挑战下具有更好的跟踪性能。

关键词： 目标检测   YOLOv8   道路缺陷检测   注意力机制   动态检测头  

摘要： 针对道路缺陷检测中轻量化与检测精度难以兼顾的问题，本文在YOLOv8模型基础上提出了一种平衡模型IMD-YOLOv8。首先，通过融合倒置残差结构iRMB与高效多尺度注意力EMA，设计C2f-iEMA模块替换原C2f模块，在保持参数量相近的前提下，利用跨尺度特征重组增强病害特征提取能力，显著提升小目标检测精度；其次，引入多尺度空洞注意力MSDA优化局部特征交互，通过多尺度语义聚合进一步提升检测鲁棒性，并采用动态检测头DynamicHead替换固定结构，通过任务感知注意力动态分配计算资源，显著减少冗余参数；最后，设计形状敏感的ShapeIoU损失函数，通过约束边界框形状相似性优化回归精度，避免引入额外计算开销。实验表明，IMD-YOLOv8在RDD2022数据集上实现m AP@0.5为89.4%，较YOLOv8提升2.9个百分点，参数量与计算量分别减少20个百分点和3个百分点，FPS达98.5 f/s，在轻量化与精度之间实现有效平衡。