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： 道路裂缝检测   YOLOv11   捷径连接   动态检测头   目标检测  

摘要： 传统道路裂缝检测方法因效率低下、人力成本高昂等问题，已难以满足实际需求。为解决这一问题，文章提出了一种基于改进YOLOv11的道路裂缝检测方法。该方法通过广泛采集纵向裂缝、横向裂缝、鳄鱼状裂缝等多种常见路面裂缝图像，构建了丰富的数据集。在YOLOv11算法的基础上，创新性地引入捷径连接策略，实现了浅层与深层特征的高效融合，显著提升了模型的特征提取能力。同时，采用动态检测头替代原检测头，使其能够自适应处理裂缝尺度变化，增强对不规则裂缝的检测鲁棒性，并通过聚焦潜在目标区域，进一步优化检测精度。实验结果表明，改进后的模型的精确率、召回率和平均精度分别达到0.820、0.831和0.851，相较于原有模型，各项关键指标均有显著提升。该方法为道路裂缝的自动化、高效化检测提供了可靠的技术方案，具有重要的实际应用价值。

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。

关键词： 遥感图像   旋转目标检测   深度学习   特征融合   损失函数  

摘要： 遥感图像船舶目标小、背景复杂、姿态变化大，传统船舶检测算法为提升精度，往往忽视了模型规模和实时性，难以应用到资源受限的设备上。针对上述问题，提出一种适应遥感船舶图像的轻量化旋转小目标检测网络(RFDNet)。考虑到遥感船舶图像拍摄距离远而导致图片中目标较小且图像中包含丰富的背景信息，设计注意力卷积融合双分支网络(ACFNet),通过对局部特征信息与全局空间感知信息的充分提取，提高船舶小目标检测精度；为避免船舶目标姿态各异而导致检测时的精度下降，利用旋转目标方向信息引入旋转边界框损失函数，获得更准确的边界框回归损失，提升任意方向旋转船舶目标的检测性能；针对为提高模型精度而带来的参数量增加问题，在特征融合部分引入轻量级卷积，将卷积、深度可分离卷积以及通道混洗相结合，减少模型的参数量。通过对比实验和消融实验证明，RFDNet在HRSC2016数据集和DOTA数据集上的平均精度均值(mAP)分别达到了97.63%和81.63%,模型参数降到了2.99×10～6,在有效提升检测精度的同时实现了模型的轻量化设计，为遥感船舶目标检测算法在资源受限设备上的应用提供了新思路。

关键词： 道路检测   图像处理技术   研究   实践  

摘要： 在现代社会飞快发展的背景下，图像处理技术在诸多领域得到广泛应用，极大促进了信息的传播和共享，但是图像处理技术在道路检测系统中的运用却面临着重重挑战。借助图像处理技术能够提高信号传输质量、缓解传输压力、推动道路检测系统高水平发展。文章围绕道路检测系统中图像处理技术的应用情况展开论述，在剖析道路检测系统发展难点的基础上，多角度促进图像处理技术的有效应用。

关键词： 计算机视觉   机器学习   自动化监测   辅助决策  

摘要： 阐述基于计算机视觉的电气安装与维修自动化技术。通过分析和识别电气设备的图像信息，结合智能算法和机器学习方法，实现对电气安装和维修过程的自动化监测和辅助决策。

关键词： 深度学习   激光雷达   组合池化   空洞卷积   三维目标检测  

摘要： 为增强激光雷达（LiDAR）在三维目标检测中的点云特征提取能力，提高对目标物体的检测精度，在PointPillars基础上提出一种多阶段特征提取的目标检测方法。首先，将点云特征编码模块中的最大池化改进为组合池化，减少池化过程中空间信息丢失；然后，引入全局注意力机制，增强不同维度之间的信息交互和伪图像特征表达能力；最后，在柱状特征提取网络中融入空洞卷积模块，增大感受野并进一步增强特征提取能力。在KITTI数据集上的测试实验结果表明，相较于原始网络，所提方法的平均检测精度提升了2.91百分点，推理速度达到17.08 frame/s，能够满足自动驾驶汽车实时检测的要求。