关键词： 图像处理   图像去雾   天空区域分割   快速引导滤波   暗通道先验  

摘要： 针对暗通道先验去雾算法在处理海雾图像时易出现细节丢失、亮度偏低和颜色失真等问题，提出一种基于天空区域分割的海雾图像去雾算法。首先通过阈值分割和区域生长实现天空区域精确分割，在此基础上，采用抗干扰能力更强的方法对大气光强进行优化，选择属于该区域亮度最高的前0.1%的像素的中值作为大气光强值。其次采用快速引导滤波对透射率进行细化，并引入自适应修正因子对透射率映射进行调整优化。最后利用得到的透射率和大气光强结合大气散射模型复原无雾图像。实验结果表明，所提算法的结构相似性、峰值信噪比等评价指标显著提升，去雾图像质量得到有效增强。

关键词： 甘蔗计数   无人机   图像处理   YOLOv5s   解耦头   归一化  

摘要： 以中耕期甘蔗作物的无人机图像为研究对象，针对植株叶片互相遮挡、目标粘连和背景信息复杂等问题，设计了一种基于改进YOLOv5s的甘蔗检测计数模型。首先，通过在网络中使用基于归一化的注意力模块，加强对图像中中耕期甘蔗植株的特征学习和特征提取，并且减弱与甘蔗植株相似的蔗地杂草背景对检测效果的干扰。其次，原始YOLOv5s网络中的耦合头替换为改进过的高效解耦头，用以进行分类和回归分支的解耦计算，提升甘蔗植株检测模型的性能。最后，更改边界框损失函数为动态非单调聚焦机制WIoU,提高模型收敛速度。同时，采用多尺度训练在一定程度上提高改进模型对物体大小的鲁棒性，最终使模型可以输入任意大小的图片。试验结果表明：改进的YOLOv5s模型准确率、召回率和平均精度均值分别为97.72%、91.7%和96.2%,较原始YOLOv5s模型分别提高3.82、4.5、2.5个百分点。统计表明：测试集的30幅甘蔗图像中，甘蔗植株真实值为1 104,改进YOLOv5s模型生成的甘蔗植株数为1 086,漏检个数为18,漏检率为1.6%,改进模型对无人机图像中的甘蔗植株计数误差较小，可为甘蔗的检测计数、长势评估提供技术支撑。

关键词： 丘陵山地   轨道检测   单轨轨道   GPS   目标检测   损伤检测  

摘要： 针对丘陵山地单轨轨道本体结构受高密度运营、高负荷载重和外界自然环境的作用导致腐蚀损伤、轨道变形、沉降等问题,设计了一种便携式单轨轨道检测装置以及时获取轨道信息并进行精准检修。该检测装置通过GPS传感器记录经纬度信息和多轴角度信息,对摄像头记录的画面进行目标检测从而实现轨道检测,最后将多种信息汇总实现地理信息交互。试验结果表明:检测装置对转弯半径检测的最低平均误差为3.68%;静态坡度检测的最大相对误差为4.55%,平均误差为2.53%;动态坡度检测的最大相对误差为-8.20%,平均误差为5.33%;采用YOLOv8-n模型对轨道表面缺陷进行检测,完成训练的模型m AP值为81.55%;地理位置信息可以准确地显示转弯半径、坡度和轨道表面损伤分析的结果。该检测装置可以较好地实现轨道转弯半径、坡度、损伤检测,可以应用于数字农业从而提升农业信息化水平,具有一定的应用前景。

关键词： 目标跟踪   核相关滤波   航迹预测   抗遮挡   华为昇腾  

摘要： 针对传统核相关滤波跟踪算法在目标遮挡时跟踪漂移或丢失的问题，引入抗遮挡判据，同时建立目标运动航迹。目标部分遮挡时，调整模板的更新率和学习率，防止因模板被污染导致的跟踪漂移。目标完全遮挡时，用目标航迹预测位置代替，停止更新并保存模板，同时扩大搜索区域，待重新捕获后恢复正常跟踪。改进后的算法提高了目标的抗遮挡能力和有效跟踪时长，同时满足实时性要求。最后在华为晟腾板卡上实现，具有一定的工程应用价值。

关键词： 目标检测   注意力机制   多尺度注意力机制   代理注意力机制  

摘要： 阐述一种基于复合注意力机制的端到端目标检测模型。基于复合注意力机制的端到端目标检测方法在性能、速度和效率上都取得了显著提升。整体架构参考了端到端的目标检测模型DETR，编码器结构采用多尺度注意力机制，解码器结构采用代理注意力机制，实现了提高性能和鲁棒性的目标。实验结果表明，模型在准确性和训练成本方面均取得了显著改善。

关键词： 飞机维修   复杂场景   激光雷达   多传感器数据融合   三维目标检测  

摘要： 针对复杂飞机维修场景下三维目标检测任务面临的计算复杂度高、实时性不足的问题，提出一种融合视觉相机与激光雷达数据并基于先验信息的三维目标检测方法。首先，对相机和激光雷达进行参数标定，对激光雷达采集的点云进行预处理获取有效三维点云，通过YOLOv7算法来识别相机图像中的飞机机体目标。然后，根据待测目标的先验长度基于EPnP(Efficient Perspective-n-Point)方法计算出目标深度。最后，利用深度信息与点云聚类方法完成三维目标检测，并识别障碍物。实验结果表明，所提方法能从环境点云中精确检测出目标，算法的识别准确率为94.70%，处理1帧数据的时长为42.96 ms，在识别准确度和实时性上均表现出良好的性能，能满足飞机移动过程的碰撞风险检测需求。

关键词： 串番茄   YOLO v5s   目标检测   成熟度   夜间环境  

摘要： 机器人自动化采收是温室串番茄收获作业的有效解决方案,其中串番茄成熟度是机器人采摘决策的重要依据。本文利用Deep White-Balance与Zero-DCE深度神经网络分别实现串番茄图像偏色修正和阴影细节增强,改善补光环境与夜间环境下图像偏色与局部弱光等问题。同时引入深度残差收缩网络,在YOLO v5s中构建RSBottleneck-CW模块对特征图进行软阈值化处理,抑制图像中的噪声干扰。实验结果表明,在夜间环境下,图像经Zero-DCE算法增强处理后,检测模型召回率达到0.924,捕获到了更多的番茄果实与果串目标。在补光环境下,图像经过Deep White-Balance与Zero-DCE联合处理后恢复了真实色彩并增强了纹理细节,检测模型平均精度均值(mAP)达到0.849,相比于处理前提升0.038。而嵌入RSBottleneck-CW模块的YOLO v5s对特征图噪声表现出了很强的适应性能,不管是否对图像进行深度增强,其mAP与F1值始终比原始YOLO v5s更高,夜间环境下mAP和F1值最高分别为0.902、0.844,补光环境下mAP和F1值最高分别为0.868、0.817。检测模型检测出果实与果串后,利用边框匹配算法可以获取到串番茄最终的成熟度。当串番茄成熟度为90%～100%时,夜间环境与补光环境下串番茄成熟度识别平均绝对误差分别为1.837%、1.067%,可为串番茄采摘机器人夜间自动采收作业提供决策依据。

关键词： 红外目标检测   YOLOx-nano   模型剪枝   注意力机制  

摘要： 提出了一种基于改进YOLOx-nano的海上红外目标检测算法。通过对检测头的分类与定位任务进行解耦，并引入改进的特征金字塔网络(Feature Pyramid Network, FPN)结构，不仅提升了模型的精度和收敛速度，而且提高了红外大目标检测能力。将改进的压缩和激励网络(Squeeze-and-Excitation Network, SENet)通道注意力机制模块加入到模型中，增强了模型的非线性表达能力，同时提高了有效特征学习能力。为了加快嵌入式平台模型的前向推理速度，引入剪枝技术来实现模型剪枝，在保证召回率不降低的情况下减少模型参数。通过测试集对本文算法进行了验证。结果表明，该算法的平均精度(Average Precision, AP)比原始YOLOx-nano算法提高了1.35%,达到了93.92%。本文算法平衡了模型精度与耗时的矛盾关系，在提升性能的同时，保证了模型检测的速度。

关键词： 图像处理   图像去雾   Transformer模型   可变形卷积   密集残差  

摘要： 为了提高神经网络模型从全局到局部的特征提取能力，增强雾图复原过程中的泛化性能，提出一种结合宽型提取和径向增强的二阶段图像去雾算法．算法通过两个阶段对有雾降质图像进行清晰化复原，在特征提取阶段，结合Transformer的全局关注能力与可变形卷积的局部感知能力，提出由双尺度Transformer模块和可变形卷积模块组成三分支宽型特征提取结构，实现对雾图特征有效感知与提取；在特征增强阶段，采用密集残差块组成的径向增强网络，依次联合由浅到深的图像特征进行拼接，实现特征的进一步增强．实验结果表明：所提出的网络模型在合成数据集和真实图像复原过程中均表现出色，对不同浓度的雾霾去除效果明显，复原图像主观恢复效果自然，且具有较好的泛化能力．

关键词： 大豆   DUS测试   性状   品种(系)鉴定   遥感   图像处理  

摘要： 特异性、一致性和稳定性(DUS)是大豆新品种审定和品种权授权的必备条件，也是大豆种质评价和品种鉴定的重要依据。为验证引入多源表型数据进行大豆品种(系)精准鉴定和系谱分析的可能性，本研究利用田间调查、低空遥感和计算机视觉技术获取大豆的22个DUS性状、16个冠层性状和23个豆荚图像性状，并通过随机森林分类(RFC)模型和支持向量分类(SVC)模型进行大豆品种(系)鉴定，采用K均值(K-means)聚类算法探究品种(系)间的系谱关系。研究发现，低空遥感与计算机视觉技术获取的各性状间具有较高的相关性，DUS性状对于大豆品种(系)的准确识别至关重要，但也存在一些性状对品种(系)鉴定的贡献较弱。冠层光谱性状和豆荚图像的部分形态、颜色和纹理性状可以作为大豆品种(系)鉴定的优异候选性状。引入多源表型性状后模型实例化鉴定结果得到一定程度的改善，2个模型分类精度最终均能保持在0.9以上。聚类分析结果显示，聚类数在4个及以下时轮廓系数较好。本研究结果表明，利用多源表型信息创新品种测试技术具有巨大潜力，可为今后大豆DUS测试、品种(系)鉴定及系谱研究提供新的方法。