关键词： 图像处理   图像分类   深度学习   注意力机制  

摘要： 在深度学习领域中,注意力机制因其出色的性能以及即插即用的便捷性,在图像处理任务中得到了广泛应用。介绍了通道注意力机制、空间注意力机制以及通道与空间混合注意力机制这3类主流注意力机制的核心思想和实现方法。通过对比分析它们之间的优势与缺陷,探讨了注意力机制所存在的挑战与问题,给出了采用VGGNet(Visual Geometry Group Network)模型对注意力机制在图像分类任务中的性能评测结果。最后,展望了注意力机制未来的发展趋势,以期为后续研究提供有价值的参考与启示。

关键词： 久棋博弈机器人   计算机视觉   机械臂控制   信号传递  

摘要： 目前已有国际象棋、中国象棋、围棋、五子棋等博弈机器人,但是对于国家级非物质文化遗产藏族久棋,尚无其博弈机器人相关研究。结合久棋博弈算法、视觉控制与机械臂控制,设计了一款藏族久棋博弈机器人。通过AI算法决策棋子位置,利用机械臂执行落子、移动和移除操作。视觉模块采用角点检测与霍夫圆检测算法实现棋盘状态的精确采集。通过多阶段信号传递与指令解析,确保各操作准确同步。实验表明,久棋博弈机器人能快速响应,具有较好稳定性,展示了在棋类游戏领域的应用潜力。

关键词： 玉米叶片病害   YOLOv8   动态卷积   深度学习   目标检测  

摘要： 为有效地预防玉米病害,精准地监测玉米的生长状态,本研究提出了玉米叶片病害识别算法DBG-YOLO。该算法以YOLOv8框架为基础,首先,在骨干网络中使用动态卷积(DynamicConv)替换YOLOv8的骨干C2f模块卷积,在不增加网络深度或宽度的情况下,大大增强算法的表达能力;其次,在颈部网络中采用全局和局部信息自注意力机制(GLSA)用于捕捉输入特征的全局上下文信息,同时保留局部细节特征;然后,在颈部网络的特征融合过程中引入双向特征金字塔网络(BiFPN)模块,以减少算法的参数量,提高算法对多尺度目标的感知能力,从而更好地检测玉米叶片病害;最后,为了加快收敛速度,在损失函数上引入指数移动平均数(EMA)来动态调整SlideLoss中的IoU阈值,以增强其适应能力,由此改善算法的鲁棒性,同时减少误检和漏检,进一步提升整体检测精度并加快算法的收敛。结果表明:相较于YOLOv8n,DBG-YOLO算法的精确度、m AP@50分别提高了5.8个百分点和6.6个百分点,同时算法的浮点计算数和帧率分别降低了11.5%和43.5%。综上所述,本研究提出的算法全面提高了玉米叶片病害检测的准确性,具备较高的鲁棒性,可为玉米叶片病害检测模型在移动端检测设备的部署和应用提供参考。

关键词： Flask框架   实时识别   YOLOv8   目标检测   参数调整   情感分析  

摘要： 本系统结合Flask框架和YOLOv8技术,支持对图片、视频及视频流的多类型目标检测,其前端允许用户上传检测对象并调整参数,后端则利用YOLOv8快速、准确地实现目标识别和面部情感分析,可精准识别各种人脸表情(如高兴、悲伤、困倦等)。该系统通过优化处理流程,实现了实时或接近实时的情感识别,适用于需要即时反馈的应用场景(如客户服务、情感交互机器人、教育评估等)。通过持续提升算法识别精度,本系统不仅推动了自动化和智能化进程,还显著提高了工作效率和资源利用率,为数字化转型提供了可靠的技术支撑。

关键词： InSAR   大梯度沉降   相位解缠   YOLOv10   高斯模型  

摘要： 合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术凭借全天时、高空间分辨率的特点在地表形变监测领域极具优势。然而,因采矿活动导致的大梯度沉降漏斗在干涉图中易产生密集的非线性干涉条纹,对相位解缠带来挑战。为解决这个难题,提出一种将深度学习目标检测网络与沉降漏斗反演建模相结合的解缠方法,旨在识别和模拟干涉图中的沉降漏斗,在缠绕相位中降低相位梯度,从而实现高精度相位解缠。该方法首先在YOLOv10框架下采用模拟和真实矿区干涉图训练沉降漏斗探测模型,实现大规模干涉图沉降漏斗自动识别;然后,利用以角度偏差最小化为目标函数的二维高斯模型对每个沉降漏斗进行反演和建模;接着,从干涉图中减去模型相位,对残余相位滤波,减少因滤波导致的相位混叠并增加干涉信噪比;最后,对滤波的残余相位进行解缠并加回模型相位,恢复真实解缠相位。通过模拟数据和覆盖中国山西大同地区的陆探一号数据集,分析了所提方法解缠前后相位残点的变化以及模拟数据统计,并与传统矿区解缠处理方法进行了对比。结果表明,所提方法具有更强的鲁棒性和更高的精度,在矿区非线性高形变梯度区域的解缠中,平均均方根误差较传统方法减小了57.4%,平均残点数减小了23.4%,证明了所提方法的可行性。

关键词： 草莓   目标检测   YOLOv11   注意力机制  

摘要： 针对草莓识别中检测精度不足、效率低、实时性差等问题,提出一种基于YOLOv11-PMS的草莓目标检测方法。使用PP-LCNet取代原有的主干网络,提升模型性能的同时使其更具轻量化;在模型的颈部网络中加入了MSSimAM注意力模块,增强了模型的特征提取能力;设计了SCDIoU损失函数代替原有的损失函数,考虑了边界框的位置关系和形状大小差异,提高了模型的定位能力和检测精度。实验结果表明,本文提出的YOLOv11-PMS模型在精确率和mAP50等指标均优于YOLOv11及其他对比模型,精确率达到96.6%,mAP50达到94.6%,显著优于原始算法及其他主流方法。该方法能够在复杂环境下精准识别不同成熟度草莓,为智能化监管和采摘提供了技术支持。

关键词： 创新实践   实验室安全   目标检测   深度学习  

摘要： 面向汽车实验室智能化安全监控的关键技术问题,设立大学生创新实践课题,组建跨学科学生团队开展项目从申请到验收的全过程实践。在立项准备与项目实施阶段激发学生创新思维明确研究内容与部署方案,培养学生自主学习制定技术路线并完成算法的比较与开发任务。项目成果实现了基于视频目标检测深度学习模型对汽车实验室险情实时检测与报警,达到了学生创新实践训练的目的,为新工科背景下高质量创新人才的培养提供了参考。

关键词： 道路工程   孔隙结构   CT扫描   沥青混合料   图像处理   连通孔隙  

摘要： 该研究旨在利用工业CT扫描技术对沥青混合料的孔隙空间进行三维可视化表征,以丰富数字扫描技术在沥青混凝土路面微观结构定量表征中的应用。通过对试件的连通孔隙率、孔隙半径、喉道半径、喉道长度及配位数等微观结构参数进行定量计算和相关性分析,得到以下结果:5个SMA-13试件沿Z方向的孔隙率相较于沿X、Y方向表现出更小的波动性;整体孔隙率的分类对比中,连通孔隙占总孔隙比例的平均值为71%,非连通孔隙占总孔隙比例的平均值为29%;连通孔隙率与连通孔隙数量、喉道数量呈高度线性正相关,皮尔逊相关系数分别为0.891和0.865;最主要配位数与喉道平均半径呈中度线性相关,相关系数为0.777;定量分析孔隙体积、孔隙表面积、孔隙等效半径、孔隙深度及孔隙配位数之间的相关性,发现连通孔隙相较于全部孔隙参数相关性提高了2.99%~44.23%,更能反映沥青混合料孔隙的性质。该研究成功实现了对沥青混合料孔隙空间的三维可视化表征及微观结构参数的定量分析,揭示了孔隙结构的分布特征及参数间的相关性,确定了连通孔隙对于沥青混合料的重要性,为沥青混合料性能评估和设计优化提供了重要依据。

关键词： 目标跟踪   移动无线传感器网络   事件触发   扩展卡尔曼融合滤波   接收信号强度  

摘要： 在资源受限移动无线传感器网络(MWSN)下的目标跟踪问题中,考虑到目标运动建模与接收信号强度(RSS)的不确定性,该文提出一种信任自适应事件触发鲁棒扩展卡尔曼融合滤波方法。首先,设计一种信任自适应事件驱动锚点调度与信息交互机制,其能适应目标周围信任锚点的分布,动态调度接近期望数量的信任锚点及其与移动目标间的信息交互,旨在确保信任测量下减少系统的电能、计算和带宽资源消耗。同时,构建一种基于均值漂移的鲁棒扩展卡尔曼信任融合滤波算法,通过对均匀分布的过程噪声协方差和测量噪声协方差进行随机采样,补偿运动建模和接收信号强度量化的不确定性,并仅对信任节点测量进行自适应权重融合估计,以改善目标跟踪的稳定性、鲁棒性与精确性。仿真结果表明:所提方法在降低电能、计算及带宽资源消耗的同时,提高了移动目标的跟踪精度,并展现出了对不确定性和异常节点测量的鲁棒性。

关键词： 图像处理   视觉图像   航空仪表   信息识别   自动化   图像抖动消除  

摘要： 考虑人工识别航空仪表信息,容易受到人为因素的影响,如视觉疲劳、操作不当等,导致航空仪表信息识别误差大,因此,提出基于图像处理和视觉的航空仪表信息自动化识别方法。利用基于CMOS传感器的航空仪表视觉图像采集装置,由CMOS传感器采集航空仪表视觉图像后,为避免采集图像时,因仪表出现抖动而影响画质,使用航空仪表视觉图像抖动消除方法,由最小均方误差法,将抖动下图像进行维纳滤波,消除抖动影响后,通过Hough转换算法,提取仪表图像中表盘圆心与指针直线特征,利用角度-距离的识别方法来确定指针的位置,识别航空仪表的读数信息。研究结果显示:此方法对空速表、高度表、转速表的信息识别偏差率仅有0.05%、0.04%、0.05%,具有极高的航空仪表信息自动化识别准确性。