关键词： 智慧矿山   目标检测   YOLOv5s   多层特征融合   子像素卷积  

摘要： 针对露天矿生产场景中存在着目标像素低、小目标众多、背景复杂等问题,在YOLOv5s的基础上提出一种多尺度和超分辨率网络(multiscale and super-resolution network,MS_Net)。在特征融合模块,将PANet的三尺度检测升级为四尺度检测,提高网络的多尺度学习能力,并使用子像素卷积作为上采样方法;提出一种多层融合(multi layer fusion,MLF)模块,融合了PANet 3个输出层的特征,得到一个具有丰富语义信息和空间信息的特征图;在预测层中,使用SIoU作为定位损失函数,优化模型的参数。实验结果表明:MS_Net网络在PASCALVOC数据集上mAP为79.4%,FPS为59;在矿山数据集上mAP为80.2%,FPS为64.5,模型可快速、准确、高效地对露天矿中的目标进行识别检测。

关键词： 数字图像处理   劳保手套   磨损检测  

摘要： 本文研究了基于数字图像处理技术的劳保手套磨损检测方法。通过边缘检测、形态学操作和纹理分析等技术,结合支持向量机(SVM)分类器,提出了一种能够有效识别和分析手套表面磨损特征的检测方案。实验结果显示,该方法在不同材质的手套上均具有较高的检测精度和灵敏度,为手套的质量控制提供了科学依据。研究结果对进一步优化劳保手套的生产与使用具有重要意义。

关键词： 视频遥感   目标跟踪   卡尔曼滤波   特征融合   尺度自适应  

摘要： 视频遥感图像中的目标通常呈现小尺度特性,且易受到遮挡、背景干扰和尺度变化等复杂环境影响。针对现有目标跟踪方法对其运动状态估计不够准确的问题,在核相关滤波(kernel correlation filter,KCF)算法框架的基础上,提出一种融合纹理与颜色特征的视频遥感卫星抗遮挡单目标跟踪算法。该算法使用卡尔曼滤波方法对遮挡的目标进行位置预测;提出将FHOG特征和颜色特征融合的最高输出响应作为预测目标位置信息,提高KCF算法在复杂背景下的跟踪精度,同时设计一个尺度滤波器来实现目标尺度的自适应变化。实验结果表明,该算法在目标受遮挡、背景干扰、尺度变化等复杂环境下对视频遥感影像中的移动目标具有良好的跟踪能力,跟踪平均精度和成功率分别可达87.4%和73.4%,优于其他对比方法。

关键词： 目标检测   YOLOv8   注意力机制   全局特征  

摘要： 针对目前主流的目标检测算法在复杂的交通环境下对行人和车辆检测精度不高的问题,提出一种基于YOLOv8模型改进的目标检测算法.首先,在主干网络前增加一种可学习增强网络,该网络是通过拉普拉斯分解残差学习方式来构建的,不仅可以充分提取到目标的特征信息,还能增强算法的准确性和鲁棒性,从而减少不同强度的光照对图像目标检测的干扰;其次,在中等目标检测层之前添加提出的KSA注意力机制,检测时可以将注意力集中在图像中重要信息的区域,从而更准确地定位并识别出中等目标,同时也可以减少复杂的背景噪声对检测的干扰;最后,提出了基于像素点的Transformer结构,即Pixel Transformer结构.将该结构添加到主干网络中,从而进一步增强算法对图像全局特征的提取能力,使其能学习到更丰富、更全面的目标特征.使用KITTI数据集来进行消融实验以及各算法的对比实验,实验结果表明,设计的算法在相关指标上取得了一定程度的提升,其中mAP@0.5值提升了3.2个百分点,达到了96.7%,这充分体现了该算法的优越性.

关键词： 卷积神经网络   特征提取   关键信息   图像处理  

摘要： 当前图像关键信息提取中,提取精度受到图像获取的场景、方式等因素的影响。为了减少干扰因素对图像关键信息提取精度的降低,研究优化了掩膜区域卷积神经网络模型。引入正则化参数的方式优化了模型的损失函数表达,并通过特征金字塔结构以及注意力机制优化了模型的网络结构。在数据集实验中,研究改进的模型在信息提取精度上比标准模型高出6.2%,比传统快速提取模型高出23%。实验表明,研究对掩膜区域卷积神经网络的优化具备可行性,为图像关键信息的提取提供了精度优化的支持。

关键词： 疲劳驾驶   目标检测   云边协同   评价反馈  

摘要： 针对营运驾驶员易出现疲劳驾驶而造成危险,利用摄像头提取驾驶员面部特征;通过Percentage of Eyelid Closure Time(Perclos)模型对驾驶员进行疲劳检测;出现疲劳驾驶后,利用云边协同架构将异常信息发送给驾驶员和管理员。系统利用近红外摄像头改善了传统疲劳检测方法在光线复杂的环境下检测效果差的问题,并增加了驾驶员分析评价功能,对驾驶员的异常情况进行评价反馈。

关键词： 无人机   遮挡目标   多无人机跟踪   多目标跟踪   目标关联  

摘要： 无人机(UAV)多目标跟踪技术在交通运营、安全监测、水域巡检等领域受到广泛关注。然而,目前已有的多目标跟踪算法多用于单无人机多目标跟踪,而单无人机的视角通常具有一定的局限性,当目标被遮挡时目标发生ID切换会导致跟踪失败。为了解决该问题,提出一种多无人机多目标跟踪(MUMTTrack)算法。采用基于检测的跟踪(TBD)范式,利用多架无人机同时跟踪目标,弥补单无人机视角的局限性。为了有效融合多架无人机的跟踪结果,为MUMTTrack设计一种基于加速鲁棒特征(SURF)算法的图像匹配策略和ID分配策略。将MUMTTrack算法的性能与当前主流的单无人机多目标跟踪算法在MDMT数据集上进行实验比较。实验结果表明,MUMTTrack算法在识别F1(IDF1)值和多目标跟踪精度(MOTA)这两个多目标跟踪性能指标上均表现出明显的优势。

关键词： 目标检测   双层路由注意力机制   CNeB模块   合成孔径雷达  

摘要： 针对SAR图像在密集区域检测准确率低的问题,提出增强局部特征提取能力的改进算法。采用CNeB模块,通过降低空间维度和扩大模型的感受野增强小目标特征的提取。引入BRA机制,增强模型对目标上下文信息的理解能力。损失函数WIoU取代CIoU,通过智能权重调整机制抑制低质量图像产生有害梯度。在HRSID数据集上验证,mAP从92%提高到94.4%,召回率和准确度分别提升4%和1.1%,证明改进后的算法在密集目标检测中有显著优势。

关键词： 图像处理   核桃   修剪   UNet模型   分叉点   定位  

摘要： 为定位核桃树枝条分叉点,筛选枝条修剪位置,该研究提出了基于改进UNet模型与图像处理的枝条分叉点定位与修剪位置选择方法。首先,改进语义分割模型,VGG16-UNet中添加MCA(multidimensional collaborative attention)模块,命名为VMfd-UNet,实现核桃树树干和枝条的识别与分割;其次,提取掩膜细化处理,根据枝条相交情况、相对位置关系,结合图像处理与深度信息定位枝条分叉点;最后,以k-means聚类枝条分叉点三维坐标的欧几里得距离计算出质心,取距离质心最近的枝条分叉点作为修剪位置。试验表明,VMfd-UNet在整个数据集上的平均像素精度m PA和平均交并比mIoU分别比VGG16-UNet高4.86、4.85个百分点,在验证集上表现优异,树干和枝条的mPA分别达到96.71%和90.42%,mIoU分别达到90.27%和79.86%,参数量为35.73 M。以枝条分叉点选择修剪位置,平均准确率达到83.2%。该研究可为核桃树准确定位修剪点提供位置参考与技术支持。

关键词： 猪   多目标跟踪   定向边界框   无迹卡尔曼滤波   UKFTrack  

摘要： 多目标跟踪技术对猪只精细化养殖具有重要意义。针对饲养环境差异、猪只的快速移动以及群猪之间的频繁遮挡带来的多目标跟踪挑战,该研究提出了一种基于Byte的生猪多目标跟踪算法UKFTrack。首先,构建了一个采用定向边界框(oriented bounding box,OBB)标注的多样化数据集,涵盖了猪只多种运动模式以及不同饲养场景和猪群密度;其次,引入了无迹卡尔曼滤波以更好地适配OBB标注,并对传统的状态向量进行扩展,新增了角度和角速度参数,设计了残差函数处理角度变量以避免直接相减所造成的误差。最后,提出了一种多阶段匹配策略,通过多次轨迹关联和补充匹配机制,确保在遮挡严重或剧烈运动的情况下,仍能保持对目标的持续跟踪。试验结果表明,在白天重度密集、白天极度密集、夜间重度密集和夜间极度密集4种复杂场景下,UKFTrack的高阶跟踪精度(higher order tracking accuracy,HOTA)分别为96.10%、83.10%、76.50%和84.00%,IDF1得分(identification F1 score)分别为95.70%、78.20%、70.10%和77.60%。相较于StrongSORT,UKFTrack的HOTA分别提高了1.2、13.3、5.9和6.3个百分点,IDF1分别提高了0.1、10.9、5.4和7.4个百分点。因此,该研究提出的跟踪算法能实现复杂环境下群体生猪的准确跟踪,且展现出较强的鲁棒性,能为实际应用中猪只行为与健康监测提供可靠的技术支持。