关键词： 机械臂抓取   深度学习   目标检测   位姿估计  

摘要： 针对机械臂在传送带上运动物体检测准确率低和实时性差的问题，提出了一种融合V5CA与几何特征的目标检测及位姿估计方法。首先，将坐标注意力机制模块嵌入YOLOv5得到V5CA网络模型，提高了机械臂对目标物的检测精度；设计了一种基于几何特征的位姿估计算法，解决了机械臂在位姿估计方面实时性差的问题。在仿真和真实环境中进行实验，结果显示：基于V5CA与几何特征融合算法，目标检测的平均识别率相比于原模型提升了1.4%,位姿估计效率较传统图像处理方法提升了一个数量级，在仿真和真实环境中对运动目标物的抓取成功率分别达到了95.3%和91.8%,对所有目标物的平均检测时间分别达到了26.05 ms和29.52 ms,提升了机械臂对传送带上运动物体检测的准确率和抓取的实时性。

关键词： 无人机目标   识别   YOLOv10s算法   自校准卷积   动态上采样算子   混合局部通道注意力  

摘要： 无人机在现代战争中扮演着越来越重要的角色，以其难发现、难反制及超高费效比快速赢得各军事组织及作战单元的高度关注及作战使用。反无人机作战则越发成为各作战单元必备作战能力。为实现战场快速发现并检测识别无人机目标，提出一种基于YOLOv10s改进的无人机目标检测及识别算法。首先将YOLOv10s模型骨干网络中的C2fCIB模块替换成自校准卷积SCConv模块提升网络性能；其次在颈部网络中使用轻量级上采样算子DySample替代YOLOv10s中的标准采样算子Upsample提升图像处理效率和质量；最后在头部网络前增加3组MLCA注意力模块，提升网络表达能力。结果表明：在12类无人机目标识别的训练模型中，改进的YOLOv10s算法精确度较原始YOLOv10s算法提升了2.24%,召回率提升了11.59%,平均精度值mAP50提升了4.01%,平均精度值mAP50-95提升了8.06%,推理时间减少了6.56%。为基于视频图像的无人机目标检测提供了一个高精度、高效率的解决方案。

关键词： 交通场景   轻量化   YOLOv8   多目标检测  

摘要： 针对交通场景中小目标检测、漏检及检测实时性要求，提出了一种改进YOLOv8算法。在YOLOv8模型基础上进行优化，将骨干网络与颈部网络的Conv卷积模块替换为ADown下采样卷积模块，减少特征图的空间维度，同时保留关键信息，以提高模型的检测效率和精度；融合改进卷积结构(C2f)模块与多元化分支模块(DBB),增强多尺度特征提取能力；采用增强交并比(EIoU)损失函数替代完整交并比(CIoU)损失函数，优化边界框回归精度。基于自建交通数据集对改进模型进行训练，并进行消融试验，结果表明，改进模型在保持检测精度的前提下，召回率提升0.5%,参数量与计算量分别减少0.4M和0.5G,在交并比(IoU)阈值为50%时的平均精度均值(mAP50)仅下降0.2%,这实现了轻量化与检测效能的平衡，提升了在复杂交通场景下小目标检测的实时性与鲁棒性。

关键词： 多传感器融合   激光雷达   单目相机   D-S证据理论   加权框融合  

摘要： 针对单一传感器存在受环境因素影响较大，容易造成漏检，误检且不同传感器之间的数据格式不同，融合复杂度高的问题，提出一种基于激光雷达和相机的决策级融合方法。首先对激光雷达和相机进行时空对齐，然后分别使用PointPillars算法和Yolov5算法对预处理后的点云数据和图像数据进行迁移训练和目标检测得到检测框，最后使用交并比匹配、D-S证据理论和加权框融合方法对目标结果进行融合。通过实车试验，得出提出的融合方法在激光雷达和相机的决策级融合场景中能够有效结合两者的优势，实现对环境的更全面感知，有效提升目标检测精度，减小误检，漏检的概率。

关键词： 水稻叶片   病害检测   深度学习   图像分割   目标检测  

摘要： 在农业生产中需要尽早准确地检测和识别水稻叶片病害。为减小水稻叶片病害识别中背景噪声的影响并提高病害检测的准确度，提出一种基于DeepLabv3—Faster R—CNN网络的水稻叶片病害检测方法。待检测的水稻叶片图像首先经过DeepLabv3网络进行图像分割，获得背景和叶片分割的初步结果，再把经过背景分割的叶片图像中叶片部分还原进行检测，从而规避背景部分噪声对检测结果的影响。检测部分主要由FasterR—CNN网络实现，结合特征金字塔和CBAM方法，提高模型对多尺度水稻叶片病害目标的检测能力。通过公开数据集训练模型，得到该方法对白叶枯病、稻瘟病、褐斑病和黄矮病的平均检测准确率达到98.1%。

关键词： 行人跟踪   YOLOv8   DeepSORT   多目标跟踪   关联匹配  

摘要： 针对复杂多变的交通环境中行人追踪常遇到的局部遮挡与ID频繁变换等问题，提出一种融合YOLOv8(You Only Look Once-v8)和改进后的深度关联度量（Simple Online and Realtime Tracking with a Deep Association Metric,DeepSORT）的多目标行人追踪方法。首先，为增强在密集交通场景下捕捉目标行人特征信息的能力，在检测阶段选用YOLOv8算法，该算法具有高效的小尺度特征处理能力，确保了检测的精确与快速。其次，针对行人追踪的实时需求，在DeepSORT的基础上引入OSNet(Omni-Scale Network)作为特征提取网络。OSNet通过多尺度动态融合策略，为后续追踪提供了更加丰富精准的信息基础。然后，针对传统卡尔曼滤波在非线性运动轨迹预测中的局限性，设计了一种创新的自适应遗忘卡尔曼滤波算法（Filter Smoothing Kalman Algorithm,FSA），该算法能够灵活调整滤波参数，有效应对复杂交通场景下行人运动的不确定性，显著提升预测精度。此外，为提升追踪过程中的数据匹配稳定性与准确性，将DeepSORT原有的交并比（Intersection over Union,IOU）关联匹配机制替换为改进的交并比（Complete-Intersection over Union,CIOU）算法。CIOU不仅考虑了目标间的重叠程度，还融入了形状和大小等几何信息，有效降低了漏检率与误检率。最后，为进一步削弱多重噪声对追踪性能的影响，引入具有较强泛化能力的轨迹特征提取器（Trajectory Feature Extractor,GFModel）。该模型通过平均池化技术，将局部细节与全局上下文信息有机融合，实现对目标行人轨迹的精准追踪与预测。实验结果显示，该方法在实现高达77.9%的追踪精度的同时，保持了55.8帧/s (Frame Per Second,FPS)的处理速度，充分满足了实际复杂交通环境下的高效与精准追踪需求。

关键词： 深度学习   点云   语义分割   语义标签   计算机视觉  

摘要： 点云语义分割将点云中每个点赋予语义标签，实现对场景中不同物体的分割，是场景理解的基础。近年来，随着深度学习技术的发展，将深度学习与点云语义分割方法相结合，提升了点云语义分割的处理效率和分割精度，展现出卓越的性能，被广泛应用于交通、医学、建筑设计、虚拟现实等众多领域。在回顾点云语义分割发展历程的基础上，对已有研究进行分类综述，然后分析相关数据集和评价指标，对比已有方法的性能。最后，总结现有研究的不足，并展望未来发展方向。

关键词： Object recognition  

摘要： Integrating image and depth information for RGB-D salient object detection has become a research hotspot in the field of saliency detection. Balancing the efficiency and performance of salient object detection models under resource constraints is a key challenge. To address this, this paper proposes an asymmetric lightweight network suitable for real-time RGB-D salient object detection tasks. The network reduces the number of network parameters by designing different lightweight feature extraction networks for different input modalities. Additionally, a multi-modal feature enhancement fusion module is designed to effectively fuse multi-modal features while compensating for the information loss caused by the lightweight backbone network. Moreover, this paper utilizes a global context module for dense decoding, aggregating local and global information of multi-scale features without significantly increasing computational complexity. The experimental results on five benchmarks show that the proposed lightweight RGB-D salient object detection network not only outperforms most mainstream models quantitatively and qualitatively, but also significantly outperforms other models in terms of efficiency, only with a parameter count of 5.1 million and a computational load of 0.77 gigaflops. This achievement validates the proposed method’s ability to achieve lightweight salient object detection while maintaining high efficiency. © Shanghai Jiao Tong University 2024.

关键词： PLCnext控制系统   无人机   交通监控   YOLOv9算法   目标检测   深度学习   注意力机制  

摘要： 为了提高交通监控的效率，特别是在固定式道路摄像头视角有限的情况下，提出了一种基于PLCnext平台的无人机交通监控系统。该系统结合YOLOv9深度学习方法，控制两台配备摄像头的无人机与PLCnext平台协同，提供更广泛的视野覆盖范围和灵活的监控能力，实现对交通车辆的实时监控。为提高航拍图像中低分辨率场景下的检测精度，提出了YOLOv9s-SPDADown-LSK模型。该模型通过引入SPD层，增强对图像细节特征的保留，使用ADown模块优化下采样过程，并在骨干网络中融入LSK注意力机制，以强化特征提取能力。实验结果表明，系统在图像处理的延迟约为80 ms,改进后的模型在mAP@0.5和mAP@0.5:0.95分别达到了96.3%和82.7%,检测准确率为97.2%,有效减少了误检和漏检，证明了系统的可行性和算法的有效性。

关键词： 小肠病变   YOLOv10   人工智能   小肠胶囊内镜   目标检测  

摘要： 目的：基于YOLOv10构建用于小肠胶囊内镜（SBCE）自动检测的人工智能模型。方法：收集来自两个中心的SBCE数据，共计23 115张图片和35 412个注释标签，涵盖11类小肠病变。使用LabelMe工具对图像进行标注，并转换为适配深度学习模型开发所需的YOLO格式。使用预训练的YOLOv10和YOLOv8模型在所构建的数据集上进行迁移学习训练。采用精确率、准确率、敏感性、特异性、假阳性率以及检测速度等指标全面评估模型性能。最后，将模型部署于本地电脑，对SBCE图像及视频进行实时检测。结果：共开发了6种不同版本的YOLO目标检测模型，包括YOLOv8n、YOLOv8s、YOLOv8m、YOLOv10n、YOLOv10s、YOLOv10m。在验证集上，YOLOv10s模型取得最佳的mAP50(0.795)，尽管其推理延迟时间不是最短（4.803 ms/img），但足以满足临床应用要求。在测试集上，YOLOv10s取得良好的整体性能，准确性、敏感性和假阳性率分别为92.69%、89.23%和4.78%；在具体类别的推理中，敏感性最高的类别是“出血”，达到96.41%，而最低的类别是“狭窄”，为82.29%。结论：基于YOLOv10神经网络建立的模型能快速准确地检测和分类多种小肠病变，具有较好的临床应用价值。