关键词： 消防   无人机   高层建筑   自动化   图像处理   多传感器融合  

摘要： 为了降低高层建筑灭火难度,提升消防信息化能力,本项目针对高层及超高层建筑设计了一种消防无人机,实现高层火场的持续监测。该无人机以Linux单板计算机为核心,通过多种传感器融合、图像处理的方式实现火场的寻找以及持续定位,实现自动导航以及长时间火场监测。本无人机生产成本较低,实用性强,市场前景广阔,可以较好完成外部火场监测的目的。

关键词： YOLOv5   CA注意力机制   Bi-FPN   绿辣椒检测   遮挡  

摘要： 【目的】使用机器视觉对绿辣椒的精准识别是实现辣椒智能化采摘的重要前提,研究自然条件下辣椒遮挡情况、绿色辣椒及准确识别的方法,为辣椒智能化采摘机器人的精准识别提供技术支持。【方法】提出一种基于改进YOLOv5辣椒目标检测模型,在YOLOv5主干网络加入CA(Coordinate Attention)注意力机制,以增强辣椒特征信息的提取,进一步增强对目标位置信息的提取;同时在特征融合网络中使用Bi-FPN结构,提高模型对遮挡辣椒的识别能力。【结果】通过在自建辣椒数据集上进行训练,改进后的模型平均准确率达到91%,相比于研究其他所对比模型,改进模型的平均准确率更高。【结论】基于改进YOLOv5的遮挡绿色辣椒的识别具有较高的准确性。

关键词： 深度学习   目标检测   注意力机制   非极大值抑制   垃圾分类  

摘要： 随着社会经济的发展,人们的生活水平持续提高,生活垃圾量急剧攀升;为了有效应对垃圾分拣效率低、准确率差等问题,提出一种以YOLOv7网络为基础模型的垃圾检测算法;该算法对YOLOv7网络进行了一系列改造,首先,在Head模块添加了注意力机制SimAM,增强了模型的感知能力和自适应能力,从而提高检测精度;其次,在主干网络中改进了非极大值抑制算法(soft-NMS)去除冗余的检测框,再次改进了损失函数为边框回归损失函数SIoU,提高了检测的精度和速度;最后,采用C3模块替换YOLOv7有的ELAN-W模块,提升网络对较小目标的检测能力;通过数据集对改进的网络进行测试,平均准确度为98.93%,高于原模型的96.31%,实验结果也表明改进算法的检测效果有较为明显的提升。

关键词： YOLO   radar images   object detection   machine learning  

摘要： This study presents an innovative approach to improving the performance of YOLO-v8 model for small object detection in radar ***,a local histogram equalization technique was applied to the original images,resulting in a notable enhancement in both contrast and detail ***,the YOLO-v8 backbone network was augmented by incorporating convolutional kernels based on a multidimensional attention mechanism and a parallel processing strategy,which facilitated more effective feature information *** the model’s head,an upsampling layer was added,along with the fusion of outputs from the shallow network,and a detection head specifically tailored for small object detection,thereby further improving ***,the loss function was modified to incorporate focal-intersection over union(IoU)in conjunction with scaled-IoU,which enhanced the model’s performance.A weighting strategy was also introduced,effectively improving detection accuracy for small *** results demonstrate that the customized model outperforms traditional approaches across various evaluation metrics,including recall,precision,F1-score,and the receiver operating characteristic(ROC)curve,validating its efficacy and innovation in small object detection within radar *** results indicate a substantial improvement in accuracy compared to conventional methods such as image segmentation and standard convolutional neural networks.

关键词： 智慧养殖   猪身份识别   猪特征提取  

摘要： 随着智能养殖的快速发展,传统的耳标识别方式因成本高和易感染等问题,逐渐被基于计算机视觉的识别技术所取代。猪身份识别的主要原理是通过提取猪的面部特征、颜色和花纹、体型等生物特征,并计算这些特征的相似度,从而实现对猪只的精准识别。

关键词： 目标跟踪   孪生网络   Inception-Resnet-V2网络   稀疏注意力   Distance-IoU损失  

摘要： 利用改进的Inception-Resnet-V2(IRV2)网络和局部-全局-局部(local-global-local,LGL)模块设计一种结合CNN和Transformer编码结构的孪生网络SiamLGL(siamese local-global-local network)用于目标跟踪.首先,算法特征提取部分采用改进后的IRV2网络,由于网络的层数更深,图片经过IRV2网络提取的特征较浅层网络提取的特征效果更优,特征融合部分采用深度互相关将特征图上的信息进行融合;其次,融合后的特征图利用LGL模块获取目标的全局和局部信息,模块内部采用两个编码器串联,第1个编码器利用深度可分离卷积获取目标的局部信息,第2个编码器利用自注意力获取图片的全局特征,为了降低自注意力结构的时间复杂度,采用稀疏注意力的方式进行计算,在降低时间复杂度的同时保证网络的精度;最后将特征图输入至分类回归网络中,生成对应的目标位置,其中分类网络采用二元交叉熵损失函数,回归网络采用Distance-IoU(DIoU)作为损失函数.算法在GOT-10k、LaSOT、TrackingNet、UAV123、OTB100和VOT2019等6个公开数据集上进行实验评估,结果验证了算法的有效性.

关键词： 输电线异物检测   目标检测算法   YOLOv3-Tiny   损失函数  

摘要： 输电线路上的异物检测对确保电力系统安全运行至关重要。为了提高输电线异物识别效率,改进了YOLOv3-Tiny模型。首先在头部网络中,采用深度可分离卷积替代标准卷积、归一化和激活函数结构,分离空间和通道相关性,降低卷积计算量,提高了识别的速度;其次,引入了考虑距离损失、高宽损失的EIoU的损失函数替代原始的损失函数,使得模型找到边界框预测与类别预测之间的最佳点,从而提升算法的检测效果。消融实验验证了这些改进的有效性,结果表明,改进后的模型在保持高精度的同时,检测速率(FPS)提高了2.02倍,减少了74.17%的参数量,大幅降低了计算资源需求。该算法在资源受限环境中表现出色,具备实际应用价值。

关键词： 遥感图像检测   DAB-DETR模型   多尺度注意力融合   高效注意力Transformer   SIoU损失  

摘要： 由于遥感图像中的目标尺寸差异大,且捕获不同尺度目标的信息非常困难,因此难以有效识别不同尺度目标。同时,传统Transformer在处理高分辨率图像时会出现计算资源不足的问题;单一的损失计算方式和匈牙利算法结合会增大代价损失的波动性,影响算法的收敛速度和精度。基于上述问题,本文提出一种基于改进DAB-DETR的多尺度遥感目标检测算法(Multi-scale dynamic anchor boxes for DETR, MSDAB-DETR)。首先,该算法通过创建一种新型的多尺度注意力融合模块,利用不同分辨率特征信息之间的差异,实现了对遥感图像的多尺度预测。其次,采用高效注意力机制对Transformer模型中的自注意力机制进行改进,降低原始模型的内存占用量。最后,利用SIoU损失函数作为边界框回归损失,与匈牙利算法相结合,削弱了二分图匹配的波动性,加快了收敛速度,并进一步改善了边界框的回归能力。实验结果表明,该方法在NWPU VHR-10和DIOR数据集上的检测精度分别高达95.3%和71.5%;在NWPU VHR-10数据集上,小、中、大3种尺度目标的平均检测精度相较于DAB-DETR模型分别提升了10.5%、1.8%和2.7%;内存占用量减少约9%。

关键词： 小目标检测   检测头   特征融合   聚类算法  

摘要： 本文提出了一种针对无人机捕获图像的目标检测算法,旨在解决无人机视角下小目标检测存在漏检现象严重、检测精度低的问题。主要改进包括重新设计聚类算法生成更准确的先验框,引入自适应特征融合模块以使模型更灵活地学习上下文特征信息,更改检测头在较大的特征层上进行目标检测并解耦分类和回归任务。通过在VisDrone2019数据集上进行广泛实验,改进后的YOLOv5s模型相较于基准模型在mAP50上提高了5.8%,并且保持了较高的帧率(67 FPS)。实验结果表明该改进方法能够显著提高模型的检测性能,使其适用于复杂的无人机捕获场景。

关键词： 蚕桑产业   家蚕育种   计算机视觉技术   蚕蛹性别鉴别   智能化  

摘要： 传统的家蚕育种方法中利用人工区分雌雄蚕蛹的方式,因工作强度大、技术人员缺乏、成本高、效率低等弊端已无法满足桑蚕产业的快速发展。通过应用图像识别、目标检测和分割等先进的计算机视觉技术,提升家蚕育种的自动化和智能化水平成为桑蚕业健康发展的必然选择。梳理了计算机视觉技术的发展历程和主要研究内容、计算机视觉技术在蚕蛹性别鉴别上的研究和应用,重点阐述了计算机视觉技术在蚕蛹图像恢复、性别特征提取与分类上的研究进展,同时,探讨了计算机视觉技术在家蚕育种上的研发应用难点,并对此提出构建通用的蚕蛹性别鉴定数据集和结合前沿算法提高识别精度的建议,以提升桑蚕产业的自动化水平。