关键词： 目标检测   角点检测   深度学习   边坡监测   铁路防灾  

摘要： 通过对现有边坡监测技术进行对比分析，提出了基于目标检测算法的铁路边坡智能监测系统的整体设计思路。系统利用特征目标检测、角点检测与匹配等深度学习算法，实现对铁路边坡位移的监测，并能及时、准确地发出灾害预警和报警信息，并启动紧急处置预案，避免因边坡崩塌落石对铁路线路和行车安全造成影响。

关键词： 目标检测   YOLOv5   水果种类   成熟度   机器学习  

摘要： 在水果的采摘加工等环节中，水果种类的快速识别与成熟度的准确分级是提高生产效率的关键。设计了一种基于YOLOv5的算法模型，以实现对苹果、葡萄、草莓、柿子类圆形水果的自动识别与分级。首先，构建一个目标检测模型，通过采集大量的类圆形水果图像数据对模型进行训练；其次，通过尺寸调整和色彩调整等数据增强技术，增加类圆形水果数据的多样性，提高模型的泛化能力；最后，根据水果的大小、颜色等特征实现对类圆形水果的自动分类及其成熟度有效的判断。经验证，算法能够从图片、视频中成功地识别到苹果、葡萄、草莓、柿子这四种水果的类别以及三个等级的成熟度，所得结果可以帮助用户更加方便地进行后续的处理与销售。

关键词： 寒地水稻病斑识别   卷积神经网络   目标检测   图像分类  

摘要： 传统卷积神经网络对于水稻病害识别存在局限性，特别是在寒地水稻病斑位置识别方面。为此，提出了一种改进型轻量级深度学习网络模型，建立了一个包含5种常见寒地水稻叶部病害图像的数据集，并构建了病害分类和病斑目标检测网络模型；将图像分类网络嵌入YOLOv3目标检测网络中，并对模型的特征提取部分进行了优化，采用转置卷积和空洞卷积进行上采样和下采样；最后，对比了改进后的YOLOv3模型与传统的卷积神经网络模型。试验结果表明，病害分类模型在各项指标上均表现出色，平均召回率、平均精度、平均F1-Score和总体准确率分别为93.64%、93.74%、93.77%和93.64%。改进后的YOLOv3模型在病斑检测方面也表现出色，平均检测精度(mAP)达到89.79%,检测率(DR)达到94.94%,检测速度达到64.9 f/s,综合性能明显优于传统的YOLOv3算法，为水稻病害的准确快速识别提供了新途径，对水稻病害的监测和防治具有重要意义。

关键词： 运动目标跟踪   可见光   红外热像仪   SURF   HOG   图像配准  

摘要： 在复杂的图像场景（如噪声干扰、目标部分遮挡或者背景纹理干扰）下，通过计算得到的矩可能会受到影响，从而导致确定的特征点中心不准确，影响运动目标跟踪效果，故提出一种可见光和红外热像仪融合下的运动目标跟踪方法。通过红外热像仪获取初始运动目标，并考虑到红外热像仪运动过程中，由于相机的移动、旋转或目标物体的运动，所捕获的图像可能会产生畸变，所以引入光学运动模型。针对校正后的图像，通过计算图像块的矩来确定特征点中心；采用最近邻比率匹配策略，通过比较特征点与其最近邻和次近邻的距离比来确定匹配对的有效性。通过改进SURF和HOG结合的方法配准检测出目标的红外图像与可见光图像，完成红外与可见光图像对的配准融合。在红外图像与可见光图像配准融合后，通过多特征融合相关滤波方法实现运动目标跟踪。实验结果表明，所提方法的运动目标跟踪准确度更高、实际应用效果更好。

关键词： 深度学习   目标检测   坐标信息重组   注意力机制   合成孔径雷达船舶检测  

摘要： 为了在提高合成孔径雷达（SAR）船舰检测精度的同时降低误检率，提出了一种基于阶梯式残差结构和坐标信息重组的SAR船舰检测方法。首先，将阶段性残差部分卷积块构建为主干网的主要特征提取模块，以提高船舶目标识别能力、有效降低参数量；其次，在特征融合部分，基于空间信道注意力机制和级联层构建体块注意网络；进一步关注模型的几何信息，在检测头部分，提出了坐标信息重建卷积；在特征传递的最后阶段，利用坐标信息重组卷积旋转不变性的特点，在提高海上不同方位船舶检验效果的同时，增强模型的承载干扰能力，优化信息融合质量；最后，将规格化的高斯Wasserstein Distance引入检测头处的损耗回归函数中，以增强小目标的检测能力。为了证明所提出的网络的有效性，在HRSID数据集和SSDD数据集上进行了实验。结果表明：对于更复杂的HRSID数据集，与基准模型相比，基于阶梯式残差和坐标信息重组的网络的准确率提高了4.8%，召回率提高了3.7%，交并比（IoU）为0.5时的平均精度提高了4.1%,IoU为0.5∶0.95时的平均精度提高了2.7%；在SSDD数据集中，与基准模型相比，基于阶梯式残差和坐标信息重组的网络的准确率上升4.9%，召回率上升1.3%,IoU为0.5时的平均准确率上升2.8%,IoU为0.5∶0.95时的平均准确率上升2.8%，网络模型参数减少约20%。所提网络在提高SAR船舰检测精度、改善误检漏检等方面具有显著优势，有效解决了SAR船舰检测问题，为检测船舰提供了一种有效、高精度的方法。

关键词： 目标检测   点线特征   同步定位与地图构建   动态环境   位姿估计  

摘要： 为了解决视觉SLAM系统在室内动态环境建图中存在的由耗时严重、动态对象干扰、特征点不足所导致的实时性不高、建图精度低以及位姿估计不准确等问题，本研究提出了一种基于目标检测和点线特征关联的视觉SLAM算法——LDF-SLAM。针对耗时严重、动态对象干扰等问题，首先用MobileNetV3替换YOLOv8主干网络，以减少网络参数量。同时设计由无参注意力增强的ResAM模块与MobileNetV3网络共同组成的轻量级检测网络，以增强检测网络的检测能力，快速检测出动态对象。其次，引入多视图几何方法，与改进后的轻量级网络（ResAM模块与MobileNetV3网络组成的轻量级检测网络）共同对潜在的动态特征点进行补偿、过滤，并将其剔除，然后用剩余的静态特征点构建稠密点云地图，以提高SLAM系统的建图精度。此外，针对静态特征点不足导致位姿估计不准确的问题，提出一种融合FLD线特征的提取方法，以提升位姿估计的准确度。同时，通过设计线段长度抑制来保证系统的实时性，进而提高视觉SLAM系统的鲁棒性。在TUM数据集和Bonn数据集上进行实验，实验结果表明，LDF-SLAM的绝对轨迹误差的均方根误差均有所下降，且小于其他主流SLAM算法，显著提高了SLAM系统在动态环境中的鲁棒性和准确性。

关键词： 汽车轮胎   胎面缺陷   图像处理   检测算法   系统实现  

摘要： 随着全球汽车工业的蓬勃发展和道路交通流量的持续增长，汽车轮胎的安全性问题日益成为公众关注的焦点。特别是轮胎胎面的缺陷检测，直接关系到行车安全，其重要性不言而喻。传统的轮胎缺陷检测方法不仅效率低下，而且在准确性方面存在明显不足，难以满足现代交通对安全性的高要求。本文研究一种既高效又准确的汽车轮胎胎面缺陷检测系统，以大幅提升检测效率，确保检测结果的准确性。

关键词： 激光–MIG复合焊接   镁合金   熔滴过渡行为   图像处理   送丝速度  

摘要： 针对镁合金激光–MIG复合焊接稳定性提升需求，开展了复合激光焊接过程熔滴过渡行为实时监测试验，对比分析了激光–MIG复合焊接与传统MIG焊接过程的熔滴过渡行为，并研究了送丝速度对熔滴形态与过渡频率的影响。研究结果表明，激光热源的加入可以有效提升电弧焊接熔滴过渡稳定性，当电弧功率达到2400 W左右时，镁合金激光–MIG复合焊接过程中熔滴呈滴状过渡。送丝速度的改变对熔滴过渡形式无显著影响，但送丝速度的增大有助于压缩电弧，提升熔滴过渡的稳定性；此外，送丝速度过大极易导致熔滴尺寸过大、熔滴过渡频率降低。

关键词： 道路交通标志   倾斜摄影测量   三维建模   深度学习   目标检测   嵌入式建模  

摘要： 倾斜摄影测量三维重建技术被广泛应用在大规模城市场景三维建模任务，然而道路交通标志难以重建完好。为此，提出基于深度学习的道路交通标志嵌入式建模方法，可以解决倾斜摄影测量交通标志的重建难题。首先，基于深度卷积神经网络模型，从倾斜影像中检测道路交通标志目标。其次，基于道路交通标志的类别信息，采用模板匹配建模方法，获得结构完好且纹理清晰的道路交通标志三维模型。接着，基于道路交通标志的位置信息，采用带几何约束的特征点提取与匹配获得同名点，并基于双目视觉原理和三角化算法计算交通标志的空间点。再次，在方向约束下利用空间点拟合法推算道路交通标志的三维位置和方向。最后，将完好的道路交通标志三维模型嵌入到城市实景三维模型中，实现倾斜摄影测量道路交通标志嵌入式建模。实验表明：该方法可以较准确地提取倾斜影像中的交通标志，并估算出交通标志的三维空间位置，通过嵌入式建模提高城市场景重建效率和模型质量，并为城市场景中的其他地物目标建模方法提供借鉴。

关键词： 高光谱图像   目标检测   空谱融合   特征增强   变分自编码器  

摘要： 为了充分利用高光谱图像的空间和光谱信息，解决目标训练样本不足和小像素目标被误认为是背景而检测不到的问题，提出了一种基于空谱重构和算子加权的高光谱目标检测方法。该方法不需要进行目标和背景像元的粗分离，通过空谱联合全面学习图像特征，使用双曲正切函数得到一种特征增强系数，增强目标和背景之间的对比度；利用主成分分析法获取保留显著特征的特征向量矩阵，并构造一种算子，将数据投影到新的主成分空间，最后在新的空间中使用算子对原始图像和增强后图像的均值进行加权，实现目标检测。本文方法在6个高光谱图像数据集上进行实验，结果表明，所提方法能有效地检测出目标，并优于对比方法，平均检测精度达到了99.8%，验证了该方法的准确性和鲁棒性。