关键词： 作业现场   异常行为   深度卷积生成对抗网络   图像增强   目标检测  

摘要： 为了实现电力作业现场人员行为的智能识别,提出了一种基于对比度有限自适应直方图均衡化的低光图像增强方法,同时提出了一种基于深度卷积生成对抗网络的作业现场异常行为目标检测算法。生成器网络通过提取输入视频帧的特征,得到目标掩码,并将掩码与原始视频帧融合,将合成的视频帧输入到鉴别器中进行鉴别。试验结果表明,融合对比度有限自适应直方图均衡化与深度卷积生成对抗网络的异常行为识别时间较短,异常行为识别精度平均为97.54%,异常行为识别召回率平均为96.76%,验证了所提算法的可行性和优越性。因此,可以将图像增强方法与目标检测方法融合后用于电力作业现场异常行为智能识别。

关键词： 外辐射源雷达   低轨卫星互联网   无源探测   目标检测   多源协同  

摘要： 相较于地基外辐射源雷达,基于卫星信号的外辐射源雷达(即卫星信号外辐射源雷达)具有全球、全时、全天候覆盖等优势,可弥补地基外辐射源雷达在海上覆盖范围不足的限制;相较于中高轨卫星信号,低轨通信卫星信号具有接收功率强、卫星数目多等优势,可为海上目标无源探测提供可观的探测距离与探测精度。面向未来发展需求,该文详细论述了卫星信号外辐射源雷达研究现状与应用前景,给出了以铱星、星链两类低轨通信卫星系统构建高低频宽窄带融合的低轨通信卫星信号外辐射源雷达系统的可行性分析,据此总结了研发低轨通信卫星信号外辐射源雷达系统面临的技术挑战与候选解决思路。上述研究可为广域范围内,外辐射源雷达探测提供重要参考。

关键词： YOLOv8算法   凡纳滨对虾   生物量估算   目标检测  

摘要： 针对凡纳滨对虾(Litopenaeus vannamei)养殖过程中,传统生物量人工监测效率低、应激损伤大等问题,研究提出了一种融合改进YOLOv8算法与最小包围盒(Oriented Bounding Box,OBB)的非接触式体长-体质量估算方法,以提升智能化投饲管理的效率和准确性。该方法通过以下技术改进实现生物量参数的有效估计:首先,融合Focal-GIoU构建损失函数,增强对遮挡虾体的检测能力;其次,引入GhostNetV2轻量化网络的空间-通道解耦注意力机制,提升特征表达能力,并集成RepBlock动态可重构模块,增强多尺度形态自适应识别能力;最后,提出基于主成分分析的最小包围盒(Principal Components Analysis-Oriented Bounding Box,PCA-OBB)算法,通过协方差矩阵特征分解确定虾体主轴方向,并结合霍夫圆检测标定像素-物理尺寸转换系数,建立体长-体质量回归模型。结果表明,该方法对120日龄凡纳滨对虾体长的测量平均相对误差为1.26%,最大绝对误差为0.503 cm,体质量预测平均相对误差为5.3%,均优于传统人工测量。该方法实现了凡纳滨对虾的非接触式生物量参数实时监测和估计,为精准投喂提供了有效技术支持。

关键词： 手部姿态估计   注意力机制   图像处理   Transformer  

摘要： 遮挡问题通常导致三维手部姿态估计精度较低,故提出一种抗遮挡的三维手部姿态估计网络。将原始图像输入到特征映射模块中,通过特征金字塔网络对图像的空间和通道信息进行处理,得到手和物体的特征映射。将两个特征映射输入到特征交互模块中,通过设计不同层次之间的连接方式,利用交互式自注意力机制对特征图进行处理,充分利用图像的细节和整体信息。将处理后的特征输入到回归器模块中,得到最终的三维网格模型。选用HO3D数据集进行实验,结果表明,与其他方法相比,本方法得分更高,误差更小。

关键词： 液面重建   修正因子   计算机视觉   折射定律   虚拟实验  

摘要： 对单视角下透明液体剖面线的重建算法进行了研究,通过在迭代计算误差产生的计算步骤引入修正因子来对重建过程进行修正。对修正因子的影响因素进行探究,给出了修正因子确定方法。对算法有效性进行了验证,并应用优化后的算法对多个的液面剖面线及三维液面进行重建分析。结果表明:修正因子的添加应根据曲线的曲率及重建过程底部特征点布置步长来分段确定,分段修正后整体精度提升30.88%,最大误差降低45.72%。优化后的算法提高了同步长特征点下的重建精度,对于所重建的标准液面剖面线和标准三维液面,在达到同样精度的前提下将特征点布置分别减少38.46%和20%;在累积误差控制方面具有良好的效果,且具有普遍适用性。

关键词： 自动化生产线   质量检测   计算机视觉   优化方案  

摘要： 此研究优化了计算机视觉的自动化生产线质量检测系统,提升了检测精度、效率和稳定性。通过对基于融合卷积神经网络(ConvolutionalNeural Networks,CNN)与视觉转换器(Vision Transformer,ViT)的深度学习架构、结合对比度受限自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)与生成对抗网络(Generative Adversarial Network,GAN)的图像处理技术和协同现场可编程门阵列(Field Programmable Gate Array,FPGA)与图形处理器(Graphics Processing Unit,GPU)的硬件加速方案进行升级,系统性能实现了显著提升。精度从85%提升至93.5%,效率从160ms/frame降至115ms/frame,稳定性由91.5%提高至96.1%,成本减少1.2万元。t-SNE分析验证了优化后的特征提取效果。结果表明,深度学习与边缘计算优化提升了系统适应性与实时性,具备良好的工业应用价值。

关键词： 深度学习   目标检测   葡萄叶片   病害检测   RT-DETR   小目标检测  

摘要： 针对自然场景下葡萄叶片病斑尺寸小、边缘特征信息弱、特征信息易被背景干扰的问题,提出一种基于改进RT-DETR的葡萄叶片病害检测模型。首先,提出一种基于Sobel算子卷积的多尺度边缘特征信息增强器(multi level margin feature information enhancer,MLMFIE)增强模型对病斑边缘特征信息的提取能力;其次,引入自适应稀疏注意力机制(adaptive sparse self-attention,ASSA)有效消除背景的干扰,聚焦于病斑区域的特征;最后提出小病斑特征聚焦模块(small lesion feature focusing module,SLFFM)增强模型对较小尺寸病斑的检测能力。试验结果证明,改进后的模型能够在自然场景下有效对葡萄叶片病斑进行检测,平均精度为92.7%,较基线模型提升4.5个百分点,同时与Faster RCNN、YOLOv5L、YOLOv8L、SSD、Deformable-DETR、Efficient-DETR、MS-DETR等主流目标检测模型相比分别提升1.5、7.3、6.6、14.7、2.1、1.8、0.7个百分点。试验表明,该方法可以快速准确地检测葡萄叶片病害,模型较小,且泛化能力优秀,可为葡萄叶片病害检测研究提供参考。

关键词： 多视图目标检测   图卷积网络   3D位置嵌入   Transformer   深度学习  

摘要： 在多视图3D目标检测面临遮挡和目标密集场景检测精度不足的背景下,提出了一种基于图卷积网络(Graph Convolutional Network,GCN)的多视图3D目标检测方法。该方法通过引入GCN改进3D位置编码,将多视图图像特征与3D空间特征相结合,以提升检测精度和鲁棒性。利用GCN的图结构建模能力,更好地捕捉相邻3D点间的空间关系,提供丰富的上下文信息,同时结合Transformer解码器与GCN的架构,有效捕捉物体在3D空间中的复杂相对关系,从而显著提高检测性能。在遮挡和目标密集场景中,模型通过结合多视图和3D位置感知特征,保持较高的检测精度。实验结果表明,该算法在nu Scenes数据集上取得了38.3%的平均精度和43.2%的综合检测得分,相较于基准模型性能显著提升。研究为多视图3D目标检测提供了一种具有广泛应用潜力的新方案,尤其适用于复杂场景和自动驾驶领域。

关键词： 无人机   深度强化学习   视觉导航   目标检测  

摘要： 以四旋翼无人机实训平台为载体,提出并验证了一种基于深度强化学习的无人机导航与主动跟踪算法。首先,阐述了传统方法在视觉感知上的局限性以及深度强化学习(DRL)的优势;其次,介绍了基于YOLOv11模型所设计的数据采集、预处理以及模型训练流程,通过将无人机导航任务建模为马尔可夫决策过程(MDP),采用DQN算法结合经验回放与目标网络,以及ε-greedy策略进行训练;最后,在多场景下进行仿真和实体机测试,在测试中评估导航成功率以及避障能力,验证了所提算法在复杂环境下的可靠性与实时性。

关键词： 雨雾环境   激光雷达   目标检测   点云数据分割   脉冲耦合神经网络  

摘要： 为提升雨雾条件下复杂运动目标识别准确性,提出基于激光雷达的复杂运动目标检测方法。通过高频发射的激光束采集待检测区域点云数据,使用特征加权下模糊C均值聚类方法区分正常数据和噪声数据,运用双边滤波方法平滑点云数据噪声,利用K最邻近方法计算点云局部邻域信息,采用自注意力机制实现激光点云分割,通过点云分割获得不同运动目标的激光点云特征,通过输入域、非线性调制域和脉冲产生器完成脉冲耦合神经网络训练,通过平均运动速度计算候选目标范围,精准锁定复杂运动目标。实验结果证明,所提方法在雨雾等恶劣天气下,复杂运动目标检测F1值超过0.8,目标检测精度高,具备极强的鲁棒性。