关键词： 风电叶片   缺陷检测   Cascade R-CNN   目标检测   深度学习  

摘要： 风电叶片作为风力发电机组的关键部件，其表面缺陷的检测对于确保风电机组的稳定运行和延长使用寿命至关重要。传统的人工检测方法效率低、易受人为因素影响，提出了一种基于Cascade R-CNN的风电叶片表面缺陷检测方法。通过高分辨率无人机拍摄风电叶片表面图像，获取高质量的检测数据。采用Cascade R-CNN模型，该模型通过级联结构逐步提升检测精度，能够有效识别不同尺度的缺陷，如裂纹、划痕和腐蚀等常见损伤。为了提高模型的鲁棒性和泛化能力，采用了特征增强技术和多尺度特征融合方法，增强了模型对不同尺度和复杂特征的敏感度。通过数据扩充技术(如旋转、平移和缩放等变换)增加了训练样本的多样性，从而进一步提升了模型对不同光照、背景以及缺陷类型的适应能力。实验结果表明，该方法在平均精度(AP)上达到88.2%,在平均召回率(AR)上达到75.9%,显著优于传统检测方法，展示了更高的检测精度和效率。该方法不仅提升了风电叶片缺陷检测的精度和效率，也为风电叶片的智能化监控提供了有力的技术支持。

关键词： 目标检测   YOLOv8   注意力模块   遥感图像  

摘要： 尽管目标检测技术已日趋成熟，但针对遥感图像的目标检测仍面临诸多挑战，主要源于遥感图像中目标特征不明显、背景复杂、小目标占比高以及目标类别不均衡等问题导致检测精度不足.本文提出了一种遥感图像目标检测算法(remote sensing-YOLOv8,RS-YOLOv8),重点优化了瓶颈层模块，通过提出多尺度特征自注意融合结构，提升了对小尺度目标和多层级特征的敏感度与筛选能力，降低了漏检率.设计EMASlideLoss优化损失函数，增强了对复杂样本的处理能力，并引入DySample动态上采样策略提升上采样质量，并在一定程度上改善了因新增模块导致的模型参数量增加.在SIMD数据集上的实验表明，RS-YOLOv8显著改善了小目标的漏检情况，mAP达到83.7%,较YOLOv8提升3.7%,展现出优异的检测性能和广泛的应用前景.

关键词： 梳棉机棉网   深度学习   目标检测   棉结   轻量化模型   YOLOv8   图像检测  

摘要： 针对基于深度学习的棉结目标检测模型占用过多计算资源、难以满足嵌入式设备及移动端的实时在线检测的问题，提出基于改进型YOLOv8的梳棉机棉网上棉结检测方法。首先，将轻量型网络MobileNetv3＿Small用作YOLOv8n骨干网络，降低计算参数量；其次，在MobileNetv3网络中使用自改进协调注意力机制(coordinate attention)模块替换原有的压缩和激励(squeeze-and-excitation)注意力机制模块，提升对棉结的检测精度；最后，使用EIoU损失函数取代原YOLOv8n中的CIoU损失函数，在处理数据时保留更多有效信息。在自制棉结图像数据集上验证改进型YOLOv8算法的检测效果，结果表明：基于改进型YOLOv8的检测方法平均准确率均值达到95.8%,相较于改进前提升了2.6%;参数量减少了34.2%。改进后算法的检测效果更好，且模型更加轻量，可满足嵌入式设备的使用。

关键词： 热贡艺术   智能生成技术   服饰色彩设计   机器学习   计算机视觉  

摘要： 文章基于非物质文化遗产热贡艺术的色彩与图案特征，通过机器学习与计算机视觉技术，探究智能生成技术在服饰色彩设计中的创新应用路径。研究采用生成对抗网络（GAN）和变分自编码器（VAE）构建智能模型，提取热贡艺术的色彩、纹样元素，并生成融合传统与现代的服饰设计方案。结果表明，该技术显著提升了色彩搭配效率与设计创新性，成功将热贡艺术的红色、金色等核心色彩应用于现代服饰，实现文化符号的数字化传承。研究认为，智能生成技术为传统艺术与现代设计的深度融合提供了技术支撑，并为非遗文化的创新性转化开辟了新路径。

关键词： 遥感   地形校正   山区   Meta分析   图像处理  

摘要： 崎岖地形会导致光学遥感影像产生畸变，进而影响山区土地覆盖分类和生物理化参数反演精度。因此，地形校正是山区遥感应用的先决条件。从20世纪80年代以来，国内外学者致力于研究如何准确获取山区地表遥感反射率，建立了多种地形校正方法来缓解遥感影像中的地形效应。尽管已有研究对地形校正方法进行了比较，但大多数仅限于特定影像和少数评估标准，导致结论不够充分和一致。目前缺乏对地形校正相关研究进行系统梳理，这限制了对当前研究现状的全面认知。本文首先从地形影响光学遥感成像过程的关键途径着手，系统阐述了地形效应产生的机制；其次介绍了常用地形校正方法的基本原理；然后基于WoS (Web of Science/Scopus)和中国知网CNKI (China National Knowledge Infrastructure)的文献数据，检索了1980年—2022年与光学遥感地形校正相关的文献，提取每篇文献中的各类信息并借助Meta分析方法进行了发文量、关键词和地形校正研究各环节（卫星影像、数字高程模型、地形校正方法及评价标准）等特征分析；最后对地形校正的关键科学问题进行讨论并展望了地形校正未来的主要发展方向。本文研究结果定量展示了光学遥感地形校正的发展历程和研究热点，为今后地形校正方法的优化提供了参考。

关键词： 高速铁路   目标检测   模型试验   轨头伤损   YOLOv8   钢轨探伤  

摘要： 针对钢轨超声波探伤数据噪声多、伤损特征信息难以提取等问题，提出一种基于改进YOLOv8的钢轨轨头内部伤损检测方法。首先，为捕捉丰富和细致的特征信息，构建新的主干网络，使用具有多连接结构的多源分支模块替换C2f模块中的卷积层，扩展损伤特征提取范围和层次；其次，为更好捕捉小目标的细节信息，优化了YOLOv8的颈部网络，增加P2小目标检测层，将浅层和深层的特征图进行拼接，凸显小目标微弱特征；最后，引入MPDIoU(Maximum Perpendicular Distance Intersection over Union)损失函数，提高模型的泛化能力。试验结果表明：改进后的模型精确率达到92.0%，召回率达到92.4%，平均精度值达到94.8%，有效提高了轨头伤损检测的性能。

关键词： 分布式容积卡尔曼滤波   聚类融合   目标追踪   状态估计   网络攻击  

摘要： 针对无线传感网络在遭受恶意攻击时的目标跟踪问题，提出一种基于信任的分布式容积卡尔曼融合滤波算法，以提升目标跟踪的精确性和鲁棒性．该算法包括测量更新、K-means降维两簇聚类融合和时间更新三个关键步骤．首先，各节点利用局部测量对目标状态估计进行更新，获得当前时刻的局部后验估计；其次，各节点基于局部交互的所有后验估计与融合先验局部估计之间的相异性特征，执行K-means降维两簇聚类，相异性较小的节点估计被划分为可信节点估计，而相异性较大的则视为不可信节点估计；随后，不可信节点估计被剔除，可信节点估计通过自适应权重融合以提高可靠性；最后，各节点利用当前时刻的局部融合估计，预测目标下一时刻的状态估计(即先验估计)．仿真结果表明：本算法当应对虚假数据注入攻击、拒绝服务攻击、随机攻击、重放攻击和混合攻击等恶意网络攻击时，均表现出优越的鲁棒性．

关键词： Photoshop   灰平衡   蒙版   通道  

摘要： 印前图像处理对于印刷品的质量起着决定性作用，其中Photoshop以其强大的功能和广泛的适用性，成为印前从业人员非常重要的工具之一。本文重点介绍Photoshop中灰平衡、蒙版和通道三个方面在印前图像处理中的应用技巧。一、灰平衡调整灰平衡是印刷品色彩复制的重要因素。准确的灰平衡能够确保图像中的中性灰在不同的颜色通道中具有相同的比例，从而呈现出真实、自然的灰色调，同时也有助于控制色彩的饱和度和对比度，使色彩更加自然、真实。

关键词： YOLOv7   深度学习   计算机视觉   小目标检测  

摘要： 基于YOLOv7目标检测算法，设计了一种整合空间可分离卷积的目标检测卷积神经网络结构，用于提升该算法在小目标数据集上的检测效果。首先，在YOLOv7的Neck部分引入ECA注意力机制模块，通过对特征图进行重要性加权，促进骨干网络对目标的准确定位和特征提取。其次，为了解决小目标检测分辨率低的问题，采用了CNN模块中的空间可分离卷积Spd-Conv,用于处理低分辨率和小物体图像，并增加了微小目标检测层以增强对小目标的检测能力。最后，引入GIOU损失函数来进一步改进在小目标上的检测效果。实验证明，所提出的方法在Tiny Person数据集上取得了显著的检测结果，验证了其有效性和适用性。

关键词： 计算机视觉   特征分析   图像匹配  

摘要： 针对主流关键点检测算法耗时长的问题，本文提出了一种关键点检测和描述方法。首先设计了旋转差分卷积模块对图像中的差分信息进行对称性采样，随后对其进一步拓展以实现判别器模块，对差分信息和卷积信息进行采样整合，从原始图像中提取有效特征；最后，本文设计了共享编码器和轻量解码器，对解码器之间的信息进行联动，同时改进了损失函数，搭建出轻量高效的编解码网络模型。实验表明，本方法在保持较好实时性的同时，仍然具备良好的计算精度，为图像匹配、视觉定位等方法提供了兼顾实时性与精度的解决方案。