关键词： 遥感影像   轻量化   目标检测   注意力机制   YOLO v7  

摘要： 针对背景复杂、目标尺度差异性大且分布不均的高分辨率遥感影像，现有算法无法同时兼顾检测精度与检测速度等问题，以YOLO v7为基础提出了一种局部—全局检测器（Local-Global Detector, LGDet）的轻量化目标检测网络。首先，采用部分卷积（Partial Convolution, PConv）对其主干和颈部网络进行压缩，减少模型的参数量与运算量；其次，设计了快速傅里叶联合部分卷积模块，构建了局部和全局感受野结合的轻量化特征提取网络；最后，提出了一种轻量化三元注意力模块，增强了有用特征。在RSOD和NWPU VHR-10数据集上进行了实验，本算法的mAP分别为93.4%和90.5%,FLOPs为87.9 G，与YOLO v7相比mAP分别提高了2.8%和2.3%,FLOPs减少17.3 G。结果表明本算法在计算复杂度更低的情况下具有更优异的遥感影像目标检测精度。

关键词： 图像处理   半色调技术   针织提花   图案设计  

摘要： 针对数字化时代针织图案设计智能化的发展趋势，文章提出采用图像处理的半色调技术来提升设计效率与创意表现，探讨针织提花组织的图案设计与工艺实现。以静物拍摄图片为研究案例，介绍了半色调算法转化的优势、织物色彩选择的设计思路及工艺注意事项。研究提供了将拍摄图片应用于针织提花织物设计中的实现方法，顺应了针织消费个性化、多样化的发展趋势。

关键词： 跟踪支架   太阳能板   阴影面积   风格迁移   目标检测  

摘要： 太阳能板阴影面积测算有助于调节跟踪支架朝向，对于提高光伏发电效率具有重要意义。传统的阴影测算方法受限于光照条件、数据质量以及图像风格差异等影响，难以准确评估不同环境和时间的太阳能板阴影覆盖率。为了解决这些问题，本研究提出了一种基于图像风格迁移和目标检测的太阳能板阴影面积测算新方法。该方法首先将异源太阳能板图像进行风格转换，然后采用YOLOv8模型实施图像分割，最后通过二值化处理以计算阴影的像素占比。本研究综合对比了不同类型的图像风格，筛选出最优风格以提升太阳能板目标检测精度。实验结果显示，本研究提出的方法较其它方法能更准确地识别太阳能板。实验得出结论，本研究提出的阴影面积测算新方法能有效针对现有问题，提高太阳能板阴影面积测算效率和精度。此外，所提出的阴影面积测算方法适用于训练数据集范围以外的情况，展现出较强的鲁棒性能和泛化能力。

关键词： 高效目标检测   航空图像   注意力机制   卷积神经网络  

摘要： 针对航空图像目标检测中普遍存在的图像尺寸过大、目标密集分布等关键难题，本文开创性地引入了目标图像块激活策略，不仅解决了传统方法在处理航空图像时效率低下的问题，而且显著提升了复杂场景下的精度表现，对推动航空图像目标检测技术的发展具有重要意义。现有的航空图像目标检测技术通过简单裁切图像块的方式进行处理，不仅效率低下，还因大量无效图像块的检测导致资源浪费与误检率上升。因此，本文提出了一种目标图像块激活模块（TIBAM），该模块通过引入卷积注意力机制，使检测器能够专注于包含目标物的有效图像块，从而减少在无效图像块上的资源浪费，实现了对潜在有效图像块的智能识别与处理。TIBAM的引入，为检测器带来了超过17%的推理速度提升，还实现了检测精度的稳定提升，为高效、精准的航空图像目标检测提供了创新性的解决方案。本文通过在主流的一阶段检测器Retinanet和两阶段检测器Faster-RCNN中集成TIBAM模块，以及在Visdrone航空图像数据集上进行验证，充分展示了该模块的实际应用价值与广泛适用性。

关键词： 计算机视觉   造纸缺陷检测   CNN-SVM混合模型   优化控制策略   智能制造  

摘要： 随着造纸行业对产品质量要求日益提高，传统人工缺陷检测方法难以契合现代生产需求。本文提出一种基于计算机视觉的造纸缺陷智能检测与优化控制系统，旨在实现高效、精准的缺陷识别以及生产过程优化。研究运用卷积神经网络（CNN）与支持向量机（SVM）相结合的方式，设计缺陷检测算法，通过多层特征提取与分类建模，大幅提升检测精度。同时，结合数据驱动的优化控制策略，构建包含PID闭环控制、自适应优化和多目标优化的综合控制方案。实验结果表明，该系统在缺陷检测方面性能卓越，CNNSVM混合模型准确率达97.5%，召回率为96.8%。在优化控制方面，系统使缺陷发生率降低65.7%，能耗减少18.3%，生产效率提高24.8%。研究显示，此系统能有效降低废品率、提升生产效率，在一定程度上为造纸行业智能化转型提供有力技术支持。

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。

关键词： ROV平台   水下目标检测   YOLOv8算法   实时识别   水下环境监测  

摘要： 为解决水下小型生物及障碍物目标检测中存在的实时性和精度问题，提出了一种基于ROV平台的水下小型生物实时目标检测系统。系统结合改进的YOLOv8算法，增强小目标和低对比度背景的特征提取能力，对小目标和模糊边界的检测有显著改进。系统通过ROV平台的高清摄像头、推进器和传感器实现精准的目标检测，远程监控软件支持实时图像采集和数据监控。实验结果表明，系统在静水池和实际水域中的检测精度为74%～88%，有效识别水草、渔网、管道和暗礁等目标。与传统方法相比，所提系统在复杂水域中表现出更高的检测精度和实时性，验证了其在渔业资源监测、水下生态研究和工程作业中的应用潜力，为水下目标监测提供了高效、精准的技术支持，特别适用于渔业资源勘测和生态环境保护领域。

关键词： 港口运输   目标检测   单目测距  

摘要： 在港口运输的场景中，货物多为较重较大的集装箱，考虑到人力运输的成本以及安全性，港口往往会使用可移动的机械化工具进行运输。但是由于机械是按照设定好的程序运行，人如果意外进入机械运行区域就会发生较为严重的安全事故。设计了一个融合目标检测与单目测距的系统，当该系统在防撞范围内检测到行人或车时，会依照距离向PLC控制端发出减速或停车的信号。在项目的实际应用中，对人和车的检测与距离判定准确率大于98%，保障了现场人员的人身安全。

关键词： 轻量化   目标检测模型   卷积神经网络   深度学习  

摘要： 近年来，深度卷积神经网络蓬勃发展，众多目标检测模型的研究成果十分显著。然而，大型模型虽性能卓越，却存在计算成本高昂、内存占用大的问题，在嵌入式设备与实时检测场景中的部署困难重重。因此，开发轻量化模型成为当下研究的热门方向。设计轻量化目标检测算法极具挑战性，需要精巧构思，在大幅削减参数量与计算资源消耗的同时，依然保持出色的检测性能，在过去十年里，轻量化算法的研究已取得显著进展。本文总结了轻量化目标检测模型的研究现状和实现轻量化的一些方法，介绍了轻量化目标检测模型的种类、轻量化模型的构成模式以及不同模型存在的优缺点，并将其进行比较得到了相应结果与分析，进而讨论了轻量化目标检测模型目前存在的问题，以及对目标检测模型的一些展望和结论。

关键词： 纸质档案   图像处理技术   档案检索与利用   检索算法与界面设计  

摘要： 本研究针对纸质档案图像处理技术，深入探讨其在档案检索与利用中的应用意义。分析了纸质档案图像处理技术概念、原理及分类，进一步阐述图像处理技术在纸质档案数字化中的应用价值，最后结合纸质档案图像处理技术的应用挑战，构建优化措施，即提升图像预处理技术，研发新型图像识别技术，统一档案格式标准，优化检索算法与界面设计。