关键词： YOLOv8   智慧民航   目标检测   行李分类  

摘要： 为了满足机场旅客自助托运行李系统存在的行李识别效率提升需求,本文提出一种改进的YOLOv8目标检测算法,旨在提升机场托运行李自动化分类与精确定位能力,从而实现更高效的行李托运处理。本文算法通过引入上采样算子CARAFE,修改UIoU损失函数提高边界框定位准确度,添加注意力机制SCSA和Soft-NMS以提升模型精度和鲁棒性。实验结果表明,经过改进的YOLOv8模型在precision、recall、mAP@0.5和mAP@0.5:0.95等检测指标上均有显著提升,有效改善了模型在实际应用场景中的表现。

关键词： 瓷砖表面缺陷检测   目标检测   YOLOv9   深度学习   特征融合  

摘要： 针对瓷砖表面缺陷检测中存在的小目标检测精度低、参数量大，以及误检和漏检问题，提出了一种改进的瓷砖表面缺陷检测算法YOLOv9s-SEFN。首先，本研究设计了SPNet多尺度特征融合模块通过增强网络对多尺度特征的捕捉与融合能力，有效提升模型对瓷砖表面小缺陷检测的特征表达；其次，设计ECG轻量融合模块减少计算量和参数量以实现轻量化；然后，引入频率自适应扩张卷积(FADC)通过自适应调整膨胀率和频率选择，提升瓷砖小缺陷检测精度；最后，设计新的损失函数NWD-EIOU通过结合EIOU和NWD,提高小目标定位的精度。实验结果表明，与原YOLOv9s检测算法相比，改进后的YOLOv9s-SEFN算法在自建实验数据集上表现更佳，模型mAP@0.5提升至93.2%,提高了3.5%;召回率提升了4.96%;参数量减少了2.3%;浮点运算量降低了4.0%,能够满足瓷砖表面缺陷检测的需求。

关键词： 林火识别   烟雾识别   目标检测   卷积神经网络  

摘要： 【目的】由于火焰和烟雾都是动态目标，使得航拍视角下的森林火焰小目标和烟雾检测变得富有挑战性。基于卷积神经网络的林火小目标和烟雾检测模型构建对于平衡森林火灾小目标和烟雾目标的参数量和检测精度具有重要意义。【方法】根据林火检测实时性要求，对基于高实时性的FasterNet进行改进，并构建了FRSCnet的主干网络层。利用分组洗牌卷积(group shuffle convolution, GSConv)构建了FRSCnet的颈部网络层。在头部网络中，引入了卷积块注意力模块(CBAM)注意力机制。最后，在颈部网络的第1层添加了感受野阻滞(receptive field block, RFB)特征提取模块。【结果】FasterNet采用独特的部分卷积(partial convolution, PConv)技术，有效减少了冗余计算和内存访问，从而保证了模型在处理航拍图像时的高速检测性能。GSConv能够平衡模型的参数量和特征融合性能，从而在保证检测精度的同时减少了模型的复杂度。通过CBAM注意力机制，在尽可能少地增加参数量的情况下，模型能够更好地关注森林火灾小目标和烟雾目标，提高检测性能。RFB特征提取模块，可增大模型的感受野，更好地提取航拍视角下的森林火灾小目标和烟雾目标。实验结果表明，提出的FRSCnet模型的平均精度(mAP@0.5)达到了89.2%,比YOLOv7-tiny和YOLOv5-s模型分别提高了2.9%和5.3%,但是参数量比YOLOv7-tiny和YOLOv5-s模型低。【结论】提出的FRSCnet林火小目标和烟雾目标检测模型，在参数量和检测精度之间取得了较好的平衡。

摘要： 在全球能源转型的大背景下,风能作为一种清洁且可再生的能源资源,得到了广泛的关注和应用。风电叶片作为风电机组将风能转化为机械能的核心部件,其设计和制造技术的进步显著提高了风电系统的整体效率1。人们为了寻求单台风电机组对于风能更高能量的转换效率和发电量更为显著的提升,不断增加风电机组的叶片尺寸,然而机组叶片尺寸的增长与安装台数的增多给风电机组叶片的监测和检验带来了极大的不便。叶片在长时间的运行过程中,常常面临环境因素的影响,如强风、冰雪、雷击等,导致叶片表面出现不同程度的开裂、鼓包和雷击等损伤。这些损伤如果不及时得到检测和修复,可能会导致严重的安全隐患和经济损失2。

关键词： YOLO   目标检测   网络结构   多尺度特征融合  

摘要： 全面分析了YOLOv1到YOLOv10的发展历程，探讨了每个版本的关键创新与贡献。首先，介绍了目标检测的标准度量和后处理方法；其次，详细讨论了各代YOLO在网络架构和训练技巧上的改进，研究涵盖了从最初的单阶段检测器到引入更复杂的网络结构、多尺度特征融合及高效的激活函数等变化；最后，探讨了YOLO在实时目标检测等领域的广泛应用，并对未来的研究方向提出了展望，旨在进一步提升实时目标检测系统的性能。

关键词： 玻璃绝缘子   Unet网络   注意力机制   图像处理技术  

摘要： 针对绝缘子自爆缺陷识别率不高，经典目标检测深度学习方法未考虑单片绝缘子目标小，边界模糊等问题，提出一种基于改进Unet图像分割技术的绝缘子自爆缺陷识别方法，首先基于经典Unet网络添加了多级边缘增强模块，引入注意力机制，提高模型对单片绝缘子边界和细节特征的关注，且采用混合损失函数，增加模型的训练能力；然后构建了单片绝缘子的位置模型，并采用最小二乘法对双串绝缘子进行分离；最后对相邻绝缘子的间距值设立阈值，实现对自爆绝缘子缺陷识别。结果表明：改进Unet算法比原有Unet算法损失函数下降了0.065,PPR为92.51%,PRE为93.06%,F1为92.79%,充分证明了本文方法的优越性。

关键词： 目标跟踪   动态感受野   并行注意力   双模板分支   特征交互   嵌入式设备  

摘要： 针对目标跟踪算法在长期跟踪场景下对目标尺度变化缺乏适应性,以及跟踪目标小、遮挡与相似物干扰等问题,提出一种新的具有动态感受野的双模板分支跟踪算法(SDT-Tracker).首先,引入并行注意力机制对ResNet50进行重新设计,构建一种具有动态感受野的特征提取网络进行高效特征提取.其次,设计3种下采样方式进行降采样,通过融合局部特征、原始特征和关键特征,实现多角度特征捕获,减小特征信息的损失.最后,提出一种动静态双模板分支跟踪策略,动态分支持续引入后续帧信息,静态分支提取目标初始信息,在关键帧时刻抑制动态分支引入的无关信息,进而减少相似物干扰和遮挡造成的负面影响.在LaSOT、OTB100数据集上进行算法验证,实验结果体现了算法的有效性和优越性.将算法移植到嵌入式设备Jetson Xavier NX上进行性能测试,运行速度达24帧/秒,相较于经典目标跟踪算法,所提方法在多种复杂场景下具有更高的精度,且能有效解决相似物干扰、遮挡等问题.

关键词： 自动准直   任意反射面速度干涉仪(VISAR)   基于Windows的控制和自动化技术(TwinCAT)   二维镜架   模糊控制   图像处理  

摘要： 针对现有任意反射面速度干涉仪(velocity interferometer system for any reflector, VISAR)装置中依靠人工准直光路的现状，同时为满足未来对远程自动化控制的需求，提出一种新的光路自动准直的方法。该方法通过互补金属氧化物半导体(complementary metal oxide semiconductor, CMOS)间接测量并以光斑的像素偏差为系统输入，通过系数矩阵转换和离散模糊反馈控制方法快速消除误差。基于Windows的控制和自动化技术(the Windows control and automation technology, TwinCAT)中视觉和运动等模块，将各模块分别运行在不同的实时内核中，消除了视觉与运动控制模块间的通信环节，实现了快速实时的闭环控制。经过冲击波速度测量实验验证，该系统实现了远程“一键式”自动准直，可将准直时间缩短到2 s,准直精度为4.5μm,解决了现有装置人工调节效率不高的问题，提高了系统的精度和稳定性。

关键词： 深度学习   图像识别   卷积神经网络   目标检测   语义分割  

摘要： 图像识别技术在多个领域中占据重要地位，其发展是从传统方法向深度学习方法转变的基本表征。文章主要探讨基于深度学习的图像识别技术，阐述其原理、关键技术、应用领域。深度学习，从理论上分析，其通过构建多层次结构的神经网络模型，如卷积神经网络（CNN）、循环神经网络（RNN）等，可自动学习图像中的特征表示，极大提升图像识别的准确率和效率。在图像分类、目标检测、语义分割等关键技术应用过程中，深度学习模型可表现出较强的使用性能。该技术已广泛应用于安防监控、医疗影像诊断、自动驾驶、工业检测等多领域中，可持续推动各个行业的智能化发展。

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段，机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备，为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息，进行重点区域目标检测、识别、跟踪，值得深入探索。此外，视频SAR与可见光、红外宽谱段集成，还可以视频级高刷新率实现低空对地多模态、高精度感知，多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。