关键词： 机器视觉   目标检测   注意力机制   多头混合自注意力机制   YOLO  

摘要： 为解决传统注意力机制导致的模型的表征能力和检测性能受限或复杂性和计算成本高的问题，提出一种创新的轻量级多头混合自注意力机制（MMSA），旨在提升目标检测网络的性能，同时保持模型的简洁性和效率。MMSA模块巧妙地整合通道信息与空间信息，以及局部与全局信息，引入多头注意力机制进一步增强网络的表征能力。与其他注意力机制相比，MMSA在模型表示效果、性能与复杂性之间实现更为优越的平衡。为验证MMSA的有效性，将其集成到YOLOv8n网络的Backbone或Neck部分，以增强模型的多尺度特征提取和特征融合能力。在CityPersons、CrowdHuman、TT100K、BDD100K和TinyPerson这5个公开数据集上进行对比实验，结果显示，采用MMSA的YOLOv8n的平均精度均值（mAP@0.5）相较于原始算法分别提高0.9百分点、0.9百分点、2.3百分点、1.0百分点和1.7百分点，且模型体积并未显著增加。此外，加入MMSA后的模型检测速度达到145 frame/s，充分满足实时应用场景的需求。实验结果充分证明了MMSA注意力机制在改进目标检测效果方面的有效性，展现了其在实际应用中的实用价值和广泛适用性。

关键词： 鸡蛋   光电检测   热成像   图像处理   种蛋活性  

摘要： 鸡蛋孵化产量高，但不同孵化时间节点死胚蛋与无精蛋的检测研究较少。孵化前期由于胚蛋活性较弱、产热较少，热成像检测不能很好地将活胚蛋从死胚蛋和无精蛋中区分出来；孵化中后期由于活胚蛋发育基本成型，光线不能贯穿种蛋，光电检测方法无法区分中后期死亡的胚蛋。将光电检测与热成像检测结合，识别孵化前期（6～12 d）与孵化中期（15～18 d）死胚蛋与无精蛋。通过光电传感器采集孵化6～12 d种蛋的透光量变化，提取特征参数，使用自主开发的软件采集孵化15～18 d自然冷却温降序列的热图像，经过处理获取感兴趣区域模板，利用模板分割序列热图像，获得种蛋区域灰度均值变化曲线，提取反映种蛋活性的特征参数，使用逻辑回归（logistic regression,LR）、K最近邻（K-nearest neighbors,KNN）、支持向量机（support vector machine,SVM）、决策树（decision tree, DT）、朴素贝叶斯（naive Bayes, NB）、随机森林（random forest,RF）建立不同孵化时间节点的检测模型。结果表明，KNN区分孵化第6～12天种蛋活性效果最好，在孵化第10天准确率达98.7%;LR区分第6～12天种蛋活性效果在所有时间最稳定，准确率均达94%。SVM区分孵化第15～18天种蛋活性效果最好，第18天准确率达97.1%。孵化前期使用光电检测利用透光量变化检测死胚蛋与无精蛋，孵化中期使用热成像技术利用种蛋温度变化的灰度均值，提取灰度变化曲线特征检测死胚蛋，可批量检测不同孵化阶段白壳白羽鸡种蛋活性。

关键词： YOLOv8n   多尺度卷积   特征金字塔   轻量检测头   NWD  

摘要： 针对遥感图像中存在因背景复杂、尺度变化大、小目标密集而导致的目标检测准确率低等问题,提出了一种改进YOLOv8n的检测算法:MGL-YOLO。首先,设计MSConv减少模型参数,基于MSConv重构C2f模块,提高多尺度特征提取能力;其次,基于GLSA和GSConv模块改进Bi FPN结构,简化颈部网络,增强网络的特征处理能;在头部设计Light-head进一步轻量化模型,加强小目标特征提取能力;最后引入NWD损失函数替换原损失函数,增强对小目标的定位精度。在DIOR-R、DOTAv1.0和VEDAI数据集上验证,实验结果表明MGL-YOLO模型在DIOR-R数据集上准确率和m AP@0.5比基准模型提高了1.7%和1.3%,在DOTAv1.0数据集上提高了1.0%和1.1%,在VEDAI数据集上提高了2.4%和2.1%。参数量降低47%,计算量降低32%,与其他小目标检测算法相比也得到了较好的检测性能。

关键词： 高能同步辐射光源   高性能像素阵列探测器   在线数据获取   目标检测   数据压缩   DAQ系统  

摘要： 面向高能同步辐射光源（High Energy Photon Source,HEPS）的高性能像素阵列探测器（HEPS-BPIX4）的数据获取系统（Data Acquisition,DAQ）需满足高实时性要求。通过在线压缩图像数据，可有效降低后续传输与存储的压力。针对传统压缩算法在压缩率和实时性方面的不足，本文提出了一种基于深度学习目标检测的图像数据在线压缩方法。采用端到端的YOLO（You Only Look Once）目标检测算法，对深度学习模型进行高效训练，并验证了其在HEPS-BPIX4DAQ数据流中实现在线数据压缩的可行性。实验结果表明，该方法的图像数据在线压缩平均压缩比达到5.88。同时，设计了高效的部署方案，并对性能进行了测试，单线程下的压缩处理速率可达GB·s-1量级。此外，进一步提出了适用于HEPS-BPIX4DAQ框架的多线程部署方案，以满足更高的压缩性能需求，为缓解HEPS-BPIX4DAQ系统高带宽图像数据处理压力提供了新思路。

关键词： 多任务学习   果园环境感知   目标检测   语义分割   农业机器人  

摘要： 针对果园复杂作业场景中植被异质性高、光照动态变化显著以及目标形态多样性等挑战，传统基于单任务学习的视觉感知模型因特征复用率低、计算冗余度高等问题，难以满足农业机器人实时环境感知需求。本研究提出一种面向果园场景的轻量化多任务联合感知框架AgriYOLOP，通过系统性地重构YOLOP网络架构，引入高效的主干网络，并添加增强的无锚检测技术以及增加了特征金字塔网络和路径聚合网络，并设计任务自适应的损失函数权重策略，实现树干检测、障碍物识别与可通行区域分割的并行化协同处理。在自主构建的果园数据集中进行验证，该数据集包含果园场景下4 765张分辨率为1 280像素×720像素的图像，涵盖不同季节、光照条件及植被生长阶段。试验结果表明，AgriYOLOP模型在目标检测任务中检测准确率、召回率以及mAP50分别达到92.7%、94.6%以及96.7%，在可行区域分割任务下召回率、F1分数以及mIoU达到98.3%、99.1%、98.1%，在NVIDIA RTX 4060平台下实现69f/s的实时推理速度，模型参数量仅14 M。对比结果表明，多任务协同学习架构能够显著提升特征共享效率，较单任务模型减少32.6%推理延迟，同时增强了对光照变化与季节特征的鲁棒性，有效地解决了农业机器人实时作业场景中目标检测精度与语义分割效率的协同优化难题。本研究为果园机器人自主导航提供了高精度、低延迟的实时感知解决方案。

关键词： 目标检测   YOLO   烟叶   烟叶计数   轻量化  

摘要： 烟叶产量的预估是一项非常重要的任务，叶片数量与产量直接相关。传统人工统计效率低、成本高，为解决这些问题，研究提出一种轻量化YOLOv8-SLSS烟叶计数检测算法，该算法针对YOLOv8n检测精度不足、计算复杂度高以及烟叶遮挡场景导致的漏检问题进行改进。算法采用改进后的ShuffleNetV2light网络结构替代原模型的骨干网络，缩减模型参数和计算负荷；引入设计的LHCB模块到颈部网络的C2f中，扩大模型的感受视野，提高模型检测精度的同时减少计算量；引入SEAMDetect检测头模块，增强了烟叶遮挡场景下的检测能力；最后，引入SPPELAN模块，增强模型多尺度特征提取能力和计算效率。实验结果表明，改进后的模型参数量和浮点运算量分别减少了63.3%和61.7%,算法的检测平均精度AP@0.5由原算法的92%提高到93.1%,实时检测速度达到83 fps,相比原YOLOv8n模型提高5.1%。改进后的算法提高了传统YOLO模型在烟叶遮挡场景下的检测能力，实现了较高精度、轻量化、实时检测性能的平衡，为烟草农业数字化提供有效地技术支持。

关键词： 草莓   叶片病害   目标检测   YOLOv8n   动态卷积   GSConv   CARAFE  

摘要： 为提高目标检测模型在果园环境中对草莓叶片病害的检测能力，本研究以YOLOv8n模型为基准模型，引入动态卷积（Dynamic convolution）模块替换骨干网络的第3个卷积层和颈部网络的部分C2f模块，引入GSConv和Slim-neck模块替换颈部网络的卷积层和部分C2f模块，并引入内容感知特征重组上采样（CARAFE）算子替换上采样中的最近邻插值法，提出了一种改进的YOLOv8n模型——YOLOv8n-DGC,以期在保持模型轻量化的同时提高模型对草莓叶片病害的检测精度。结果表明，改进后的模型YOLOv8n-DGC对草莓叶片病害检测的交并比（IoU）阈值为0.50时的平均精度均值(mAP50)、IoU阈值范围为0.50～0.95的平均精度均值(mAP50∶95)、精确率和召回率分别比基准模型提高2.5个百分点、1.5个百分点、1.6个百分点和1.6个百分点，模型大小和参数量分别增加3.2%和3.3%,而浮点运算量减少8.6%。与Faster R-CNN、SSD、YOLOv5s、YOLOv7-tiny等模型相比，YOLOv8n-DGC模型能更好地实现检测精度与效率的平衡，更适合布置到轻量化的检测设备或终端中。

关键词： Photoshop   图像处理   套索工具   魔术棒工具  

摘要： 阐述四种主流抠图工具的技术要点与应用场景，包括套索工具的抠图应用、魔术棒工具的抠除技巧、快速选择工具在抠图操作中的技巧、钢笔工具在复杂抠图场景中的技巧。通过掌握这些工具的组合应用策略，使用户可以应对各种场景的抠图需求，高效提取照片中的元素进行背景替换、合成或美化。

关键词： 纸张质量   图像处理   计算机视觉技术  

摘要： 纸张质量检测作为现代纸张生产中的关键环节，有助于确保产品质量和生产效率。随着造纸企业生产规模的不断扩大和质量要求的日益提高，传统的纸张质量检测方法已无法满足现有的需求。计算机视觉技术凭借其高效性和准确性成为纸张质量检测的重要技术，推动纸张质量检测技术向数字化、智能化方向发展，以期实现更高效、更可靠的质量控制与管理。

关键词： 自动化产线   普洱茶饼   机器视觉   图像处理   缺陷检测   可编程控制器  

摘要： 随着自动化生产线的普及，茶饼的压制过程对产品质量的影响变得尤为重要。然而自动化生产线生产的普洱小茶饼在质量把控上往往不及人工制作的茶饼，因此针对自动化生产线生产后的茶饼外观质量检测成为亟待解决的问题。为此，提出一种基于机器视觉的普洱茶饼自动化质量检测算法。该算法综合应用大津法（otsumatlab,Otsu）阈值分割、Canny边缘检测等多种图像处理技术，并引入多种算法优化策略，以提升检测的精度和效率。该算法能够自动完成茶饼外观质量的检测与评估，并将结果实时与可编程控制器（programmable logic controller,PLC）进行数据传输。试验结果表明，该算法能准确识别茶饼的外观缺陷，平均计算准确率达95.75%，显示出较高的鲁棒性和可靠性，适用于自动化生产线中的质量控制，具备广泛的应用前景，尤其是在茶叶生产行业的智能化改造中，具有重要的参考价值。