关键词： 光伏电站   异常数据识别   图像处理   Canny边缘检测   Hough变换   双阈值  

摘要： 光伏电站SCADA（数据采集与监视控制）系统记录着大量的运维数据，这些数据对光伏电站日常运维具有重要意义。然而，由极端天气、传感器损坏等问题造成的异常数据会极大地降低数据质量，进而影响光伏功率预测以及光伏电站日常运维。因此提出一种基于图像特征检测和双阈值处理的异常数据识别算法，将数值型数据映射为图像，进而将异常数据识别问题转换为图像处理问题。首先，将异常数据划分负值异常、离散异常和堆积异常，基于图像数据密度识别离散异常数据。然后，基于Canny边缘检测和Hough变换识别堆积异常数据，并提出双阈值图像处理机制以提高算法的通用性。最后，基于真实数据集，将该算法与传统的统计算法进行对比，验证了所提算法的普适性。

关键词： 计算机视觉   结构加固   深度学习  

摘要： 房屋建筑老化与极端气候频发导致建筑结构损伤问题日益加剧，传统的加固与改造方法效率低下且精度欠佳。针对该问题，文章提出了一种基于计算机视觉技术的建筑结构加固与改造方法，通过无人机与高分辨率摄像设备获取建筑物的外观和内部结构图像数据，结合深度学习算法，自动识别结构损伤，并生成精确的三维模型。实验结果表明，该方法显著提升了结构加固设计精度与效率，减少了人工干预，能够有效应对复杂的建筑加固需求。

关键词： 小行人目标检测   SSD算法   注意力机制   亚像素卷积   多尺度特征融合  

摘要： 在地铁场景中，小行人目标由于分辨率低，包含特征信息较少，现阶段目标检测器对此类目标的检测仍具有挑战性. SSD目标检测算法利用金字塔网络的多尺度检测头，能一定程度提高行人目标检测性能，但将其应用于地铁等复杂环境中实现小行人目标检测仍具有一定局限性.针对上述问题，提出一种改进SSD算法以加强地铁场景中小行人目标检测效果.通过构建地铁场景行人目标数据集，标注相应标签，同时进行数据预处理操作；在特征提取网络中加入金字塔特征加强模块，将多分支残差单元、亚像素卷积和特征金字塔相结合获得图像多尺度、多感受野融合特征；利用上下文信息融合模块将图像低层特征与上下文特征相融合，生成扩展特征层用于检测小行人目标；设计一种基于Anchor-free的动态正负样本分配策略，为小行人目标生成最优正样本.实验结果表明：提出的改进SSD算法能有效提高地铁场景小行人目标检测性能，对遮挡严重的小行人目标检测，效果提升更为明显.

关键词： 黄瓜病害   计算机视觉   多模态数据融合   专家知识   智能识别   大模型  

摘要： 利用智能识别技术及时、准确识别黄瓜病害，进而积极防治、合理施药对于保障黄瓜高质量生产及生态环境安全具有重要意义。黄瓜病害智能识别主要采用基于传统专家系统和知识图谱的专家知识，以及基于传统机器学习和深度学习的可见光图像处理、叶绿素荧光和高光谱等光谱分析、多模态数据融合技术。综述了基于上述技术的黄瓜病害智能识别研究进展，以及当前研究中存在的问题与不足，并展望了黄瓜病害智能识别技术的发展趋势，旨在为黄瓜病害智能识别的应用研究提供参考。

关键词： 计算机视觉   特征匹配   定位识别   深度学习  

摘要： 阐述针对电力设备智能巡检中的设备识别与热状态检测需求，探讨基于图像处理与深度学习相结合的解决方案。重点分析图像去噪、增强及特征提取匹配等关键技术，并建立适用于电力设备监测的特征提取算法与匹配模型。

关键词： YOLOv8n   无人机目标检测   多尺度特征融合   小目标检测  

摘要： 针对无人机航拍图像中小目标特征信息少、目标尺度变化大致使算法的小目标识别与定位精度不高的问题，提出一种基于YOLOv8n的无人机小目标检测算法。在检测层，设计多尺度特征融合模块，专门针对小目标进行特征提取和处理，进而提高对小目标细节信息的收集能力；在颈部网络，引入三重特征融合模块和尺度序列特征融合模块，把底层特征图的细节信息与高层特征图的语义信息融合起来，提高不同尺度目标的检测能力；在骨干网络，采用Conv Ne Xt v2替换骨干网络，增强复杂背景下小目标的定位能力和特征提取能力。此外，为了优化模型在嵌入式系统的部署，采用层自适应幅度剪枝算法平衡模型的计算复杂度与检测精度。最后，利用Vis Drone2019数据集对算法性能进行检测，并与几个主流模型进行对比。实验结果表明，改进算法检测精度m AP50达到了30.2%，与基准模型YOLOv8n相比提升了3.8百分点，参数量降低了1.63×10～6。

关键词： 职业教育   职业院校   在线精品课程建设   图形图像处理  

摘要： 在数字化时代浪潮的推动下，职业教育在培养技术技能人才方面发挥着至关重要的作用，其教学模式与资源建设正经历着深刻的变革。本文聚焦于职业院校在线精品课程的建设实践，以“图形图像处理”课程为例，深入剖析了课程设计的目标、内容架构、资源建设、课程实施及评价体系，旨在通过翔实的分析与讨论，为职业院校在线教育的持续发展提供策略参考与经验借鉴。本文强调，通过精心构建在线精品课程，不仅可以丰富学生的学习资源，提升教学质量，还能有效促进教育公平，满足社会对高素质技能型人才的需求。

关键词： AICG技术   计算机视觉系统   图像生成方法   数据增强技术   数据测试  

摘要： 传统计算机视觉系统在图像生成过程中，往往面临噪声干扰问题以及组织结构与颜色相似性带来的挑战，这些问题严重影响了图像分割的准确性。因此，本文提出了基于人工智能内容自动生成(augmented image content graph, AICG)技术的计算机视觉系统图像生成方法，旨在提升计算机视觉系统在图像生成领域的性能和应用价值。首先，详细概述计算机视觉系统图像生成技术，包括系统组成和传统图像生成方法。其次，分析数据集构建与预处理，阐述数据增强技术。再次，提出基于AICG技术的图像生成方法，建立AICG技术框架。最后，通过实验数据结果分析验证该方法的可行性和有效性。结果表明：该方法生成的图像具有更高的质量，能够为计算机视觉系统提供丰富的图像数据，这些高质量的图像数据有助于系统更准确地完成目标识别任务，从而提升系统的整体性能。

关键词： 高光谱图像   异常目标检测   图信号   拉普拉斯矩阵   图傅里叶变换  

摘要： 为提高高光谱图像异常目标检测的精度，提出一种基于拉普拉斯矩阵图的异常目标检测方法（Laplacian Matrix Graph for Anomaly Detection,LGD）。通过构造全连接图和高斯核函数构造的近邻矩阵，将高光谱图像中异常目标的位置和光谱信息进行联合处理，实现了高光谱数据不同波段之间的信息融合；利用图的傅里叶变换和拉普拉斯矩阵性能，将图信号的总变差作为判断异常目标的评价函数，实现了异常目标像素点的准确检测，避免了常规检测算法中的矩阵求逆问题，降低了算法的复杂度。在异常检测常用的AVIRIS-I、AVIRIS-II、ABU-urban-2、ABU-urban-4和EI Segundo 5种高光谱数据集上，进行了算法性能验证。实验结果表明：该算法在5种数据集上异常目标检测的AUC值与ROC曲线均优于其他算法，在检测精度上具有明显优势。

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。一、征稿范围