关键词： 毫米波引信   锥旋运动   Keystone变换   运动近似  

摘要： 在炮弹攻击目标的过程中，由于锥旋运动的存在导致毫米波引信回波出现距离走动问题，无法准确测距，对炮弹攻击的准确性产生影响。为解决该问题，首先结合实际情况构建了弹头的锥旋运动模型并进行理论推导，得到影响距离走动的主要参数及锥旋引起的回波延时；然后通过将锥旋运动近似为匀减速运动实现相参积累和加速度补偿，并采用Keystone变换进行距离维的运动补偿；最后利用二维快速傅里叶变换实现测距。为了验证检测性能的准确性，采用蒙特卡洛实验进行分析。仿真结果表明，俯仰角、方位角及锥旋角对锥旋引起的距离走动均存在影响，采用Keystone变换的方法可以对存在的距离走动现象进行有效补偿。

关键词： 改进YOLOv8s   焊缝缺陷   目标检测  

摘要： 针对YOLOv8s模型在焊缝缺陷检测中误检、漏检以及特征提取、特征融合能力不足的问题，文章提出了YOLOv8s改进算法。该算法通过将原网络模型中的部分C2f模块升级为C2f-Triplet模块，增强了特征提取和融合能力；引入CARAFE上采样算子，提升了大范围特征信息的聚合；并将CIoU损失函数改进为Powerful-IoU,加快了收敛并提高了回归精度。实验结果表明在Weld ***8数据集上，改进YOLOv8s算法较原算法精度提高1.6百分点，平均精度均值提高2.6百分点，可以更加准确地检测出焊缝缺陷的类别和位置。

关键词： 路面裂缝   YOLOv8n   目标检测   深度学习   轻量化  

摘要： 针对当前道路裂缝检测算法检测速度慢、且对于复杂道路条件下的路面裂缝识别精度低、误检漏检率高等问题，设计了一种基于YOLOv8的道路裂缝检测改进算法FCG-YOLO。首先，提出了改进的C2f＿Faster结构以降低模型参数量和减少计算复杂度。其次，为了提高检测准确率，在骨干部分引入全局注意力机制GAM,增强算法对小目标裂缝的识别能力，同时改进特征融合金字塔SPPF为SPPFCSPC模块，用于增强算法的特征融合能力。最后，通过消融实验验证了各模块对算法性能的影响，找到了兼具轻量性与准确性的模型配置，并结合实际应用场景，探究了算法的鲁棒性与泛化性。FCG-YOLO在检测效率上表现出色，验证集上的检测精度mAP50与mAP50-95分别达到了90.3%、74.4%,且每秒检测速度提升13.8%,达到345帧，具备较高的检测效率与良好的实际应用价值。

关键词： 无人机   目标跟踪   自适应无迹卡尔曼滤波   强跟踪滤波  

摘要： 针对无人机在跟踪地面机动目标时，目标的机动导致无法得到准确的目标状态信息的问题，以无迹卡尔曼滤波(UKF)算法为基础，结合交互多模型(IMM)算法与强跟踪滤波器的思想，提出了一种基于IMM的强跟踪无迹卡尔曼滤波(IMM-STUKF)算法的无人机对地目标状态估计算法。仿真表明，在无人机飞行速度约30 m/s、目标速度约7 m/s、角度与距离量测误差分别为1°和15 m时，相较于IMM-UKF,基于IMM-STUKF的无人机对地机动目标位置估计精度提升了约10%,速度估计误差降低了约50%。

关键词： 航拍图像   小目标检测   多层级特征融合   L-MobileViT   YOLOv8  

摘要： 针对航拍图像大视野、小尺寸、分布密集从而导致小目标检测精度低的问题，提出一种基于YOLOv8改进的融合多尺度特征的航拍检测算法，构建了轻量化的L-MobileViT模块捕获特征间的有效关系，减缓信息丢失，提高模型的检测性能。提出了多层级的多尺度融合模块HF(hierarchical fusion)，融合深层级的语义信息与底层级空间纹理信息，提高密集场景下小目标的检测能力。在YOLOv8基础上增加小目标检测头删减大目标检测头，提升小目标检测能力，减少小目标的漏检。实验结果表明，改进后的模型在VisDrone2019与UAV航拍交通小目标数据集（UAVTrafficTinyDataset）中取得了较优的效果，与基线模型相比，m AP@50分别提高17.6%、15.7%，对小目标的检测效果有明显的提升，综合性能优于主流的航拍检测算法，表明改进算法具有更优泛化性与鲁棒性，适用于航拍场景下的检测任务。

关键词： 图像处理   计算机断层扫描   稀疏角度   多方向总变分   图像重建  

摘要： 总变分最小化算法是一种广泛应用于处理计算机断层扫描（CT）重建时稀疏或带噪声的投影数据，从而实现高精度CT图像重建的方法。然而，传统的总变分正则化项存在各向同性和方向单一的问题，这限制了重建图像质量的提高。为了解决这一问题，提出了一种基于多方向总变分的稀疏角度CT图像重建算法，该方法引入了多个方向的信息，并对调节因子进行修正，从而更好地保护重建图像的结构特征。实验采用了Shepp-Logan体模型以及齿轮CT投影数据进行重建，以峰值信噪比、均方根误差和结构相似性作为重建图像质量评判标准，并与其他三种传统重建算法的结果进行了比较。实验结果表明，本文算法重建出的图像更接近原始图像，对于图像细节的还原也优于其他三种算法。

关键词： 智能化工工厂   计算机视觉   视频内容分析   人机融合   人工智能  

摘要： 化工企业在生产运营过程中存在各种安全风险，比如：罐区的充装作业、高危化学品的装卸、化工装置的维修等。近年来化工企业为了保障现场安全，装置内部署了较多的监控摄像头，对人员、装置、设备都进行了全方位的监控。随着人工智能以及计算机视觉技术的兴起，视频的智能分析已经成为一种新的安全监控手段，可以让企业的安全人员摆脱枯燥的基于肉眼的图像和视频监控：一方面可以并发监控多路视频提高了人员的监控的效率，降低人力成本；另一方面智能系统不存在人眼疲劳的问题，可以提高监控的精度。提出基于计算机视觉的化工安监系统，阐述了在人机融合的指导思想下，计算机视觉技术如何赋能企业化工安全监控的技术与方案。该文可为AI赋能化工，提升安全生产提供有效的参考。

摘要： 随着工业智能化和数字化技术的迅猛发展，酒类生产行业逐步迈入智能制造的新时代。传统生产模式中存在的质量管控效率低下、监控手段滞后、人工成本高昂等问题，已成为制约行业发展的主要瓶颈。人工智能与计算机视觉技术的深度融合，为酒类生产线的智能化改造提供了全新解决方案。本文围绕酒类生产线的核心需求，提出了一种基于人工智能与计算机视觉的智能监控系统设计方案，全面分析了其架构、关键技术及实现路径。全球工业4.0浪潮的推动下，智能制造正成为酒类生产行业转型升级的重要方向。然而，酒类生产的复杂性、多样性以及精细化要求下，

关键词： Faster R-CNN   目标检测   脑肿瘤   特征提取  

摘要： 针对脑肿瘤图像目标检测存在的困难提出一种改进的Faster R-CNN算法。为了克服背景复杂和目标较小的问题，设计一个结合VGG16和ResNet18的特征提取网络，以捕捉不同尺度下的肿瘤特征。对数据集进行了数据增强，调整了锚框尺寸，以增强模型对肿瘤大小变化的检测能力。通过在公开的脑肿瘤MRI数据集上与原始的Faster R-CNN模型进行对比，结果显示，该算法在检测平均精度方面有明显提升，表明改进的目标检测方法在提高脑肿瘤图像识别的准确性和可靠性方面具有较大优势。

关键词： 水下目标检测   轻量化网络   门控卷积   Transformer  

摘要： 针对水下目标检测算法图像特征处理困难、模型结构冗余以及参数量庞大等问题,提出一种基于轻量化门控卷积网络的实时Transformer水下目标检测方法。该方法首先基于门控思想构建卷积门控线性单元,动态调节特征的传递,并以此为基础提出门控通道交互模块,该模块通过完全解耦token mixer(词元混合器)和channel mixer(通道混合器),并针对token mixer部分引入结构重新参数化技术,极大降低了模型在推理过程中的计算成本。混合编码器针对门控骨干网络提取的3个特征分别进行尺度内信息交互和多尺度特征融合,实现浅层高频率信息和深层语义空间信息之间的高度融合。文中模型在多个不同模态数据集上进行了大量实验,实验结果显示,模型的mAP@0.5达到了0.849,整体参数量为23.3×10～6,检测帧率为136.8。该模型在保持优秀检测精度的同时,实现了较小的模型参数量和较高的检测速度,整体性能优于其他模型。结果表明,与一系列优秀的目标检测模型相比,文中模型具备较高的检测性能和高效的实时检测能力。