关键词： 计算机视觉   无人平台   MobileNetV3   Focal Loss  

摘要： 计算机视觉技术是一门涉及计算机科学和图像处理的交叉学科,是深度学习和人工智能研究的重要部分,同时在工程应用中也具有巨大的潜力。视觉目标跟踪作为计算机视觉领域中的一个重要研究方向,广泛应用于无人驾驶、机器人和视频监控等领域。在无人平台中有限的计算资源环境下,为降低算法的参数量和计算量,提出了一种改进的Siam⁃ours目标跟踪算法,该算法采用了MobileNetV3作为特征提取的主干网络,同时为了解决训练过程中原有Contrastive Loss损失函数导致的样本不均衡问题,进而导致算法性能变差的问题,引入了Focal Loss损失函数。改进后的算法在测试集UAV123的精度和成功率分别提高了1.7和2.3个百分点。

关键词： 无人机   小目标检测   YOLOv7   CARAFE   航拍图像  

摘要： 针对现有的目标检测方法在识别无人机航拍图像中的小目标时精度较低且存在漏检或误检的情况,提出一种基于改进YOLOv7的小目标检测算法。首先,改进网络检测头,去掉原本用于检测大物体的20×20尺寸的检测头,增加了一个160×160尺寸的针对于小目标的检测头,并相应修改网络特征融合的路径;其次,重构SPPCSPC结构,裁剪卷积层并更改池化结构、以降低模块复杂度,加快网络收敛速度;然后,用内容感知特征重组(CARAFE)算子替换原上采样结构,减少图像在上采样时图像信息的丢失,最大化保留输入图像的局部和角落信息;最后,改进ELAN模块,轻量化主干网络的同时提高网络对小尺度目标的敏感度。在公开数据集VisDrone2019上进行实验,改进后模型的mAP50值达到56.6%,相较于原YOLOv7模型提升了2.9个百分点,且参数量减少了33%。

关键词： 目标检测   YOLOv7-Tiny   解耦头   特征融合   小目标   海上船舶  

摘要： 针对海洋环境下无人艇载光学图像背景信息复杂、小目标,当前目标检测算法特征提取能力不足、定位能力弱、检测精度差等问题,提出了一种基于YOLOv7-Tiny的改进的海上目标检测算法。利用RepVGG在推理时的“无损耗”特性设计了特征提取模块RepELAN,在不影响推理速度的同时提升网络特征提取能力;改进特征共享融合网络,融合高分辨率特征图提升对小目标特征提取能力,裁剪低分辨率特征图减少网络推理计算量;针对网络在复杂环境下定位检测能力弱的问题,设计检测头模块,区分定位与分类2种解耦头,提升网络定位检测能力。在建立的船舶目标检测数据集进行实验,检测精度提升了6.2%,设计了模块消融实验与对比实验,论证了所提算法的有效性。

关键词： 立体视觉   机器人   目标检测   图像增强   机器视觉  

摘要： 对于采用三维视觉系统进行金属铸件定位时,因工件反光引起成像过程中局部信息不稳定,导致位姿测量出现偏差的问题,提出一种基于立体视觉的6自由度(DOF)位姿测量方法实现机器人对反光金属工件的高精度位姿测量。构建了一个多关键点检测策略,能够同时完成立体视觉系统左右相机的二维定位,为三维位姿测量提供重构信息。通过引入基于生成对抗网络的图像增强算法,解决了工业领域小样本对象的图像数据采集困难问题。结合基于深度神经网络的目标检测与立体视觉三角测量法,完成工件三维位姿测量,解决了因不规则反光导致视觉系统对金属铸件位姿测量精度过低的问题。实验结果表明,所提方法有效地克服了工业生产过程中,因金属铸件镜面反射造成的信息采集不完整对视觉系统6DOF位姿测量的不良影响。

关键词： 目标检测   特征融合   边界框回归   轮胎生产缺陷   注意力机制  

摘要： 轮胎内部缺陷检测能够及时发现轮胎生产中存在的潜在问题,可为工艺调整及行驶安全提供有力保障。而轮胎X光图像中的缺陷目标具有多尺度、极端长宽比、形状各异且不规则、小目标多以及正负样本不均衡等特点,致使缺陷检测精度低。针对以上情况,提出一种基于高效编码器与多尺度特征融合的轮胎缺陷检测方法。首先结合可变形注意力机制和通道注意力机制设计一个高效的编码器,以增强特征提取和表示能力,然后构建多尺度特征提取和融合模块,融合浅层与深层特征信息,来保留重要上下文信息并增强特征表示的多样性,最后在模型训练中自适应边界框回归方法,动态分配难易样本权重,减少无效样本,实现模型快速收敛、提高模型泛化能力。实验结果表明,改进后模型在轮胎缺陷数据集上的平均精度(mAP)达到95.5%,较基线网络提高3.6个百分点,为轮胎缺陷检测的实际落地应用奠定了一定的基础。

关键词： 无人驾驶   目标检测   Swin Transformer   RRT   路径规划  

摘要： 无人驾驶车辆的行车路线规划存在着由于障碍物目标误识别问题,而导致行车路线的拟合出现误差。通过设计基于Swin Transformer网络的障碍物目标的实时识别,结合基于RRT*算法和贝塞尔曲线的路径拟合算法,提出了基于Swin Transformer的无人驾驶路径规划算法。以视频帧作为数据源,利用数据增强的方式构建障碍物图像数据集;在障碍物识别之后采用路径平滑优化完成路径规划。实验结果表明,使用本文算法进行路径规划的无人驾驶车辆的各项指标优于对比方法,且鲁棒性较好。

关键词： 测量   应力   图像处理   光学仪器   双折射  

摘要： 针对碳化硅晶圆片的应力双折射现象,实时应力检测过程中需要将待测碳化硅晶圆片沿切边方向旋转一个适当角度,以突出微管和位错的位置。然而,高倍率显微检测系统的景深较小,当碳化硅晶圆片倾斜时,大尺寸晶圆可能无法完全处于景深范围内,导致虚焦现象。虚焦现象对应力值影响不大,但会降低微管和位错的清晰度,甚至导致较小的微管在虚焦测量结果中消失。为了解决这个问题,提出了使用超景深合成算法对测量结果进行超景深融合。同时,使用机动平台将不同测量结果进行拼接,合成全局聚焦的测量结果,从而更好地测量应力值。实验结果表明,通过这种方法,可以有效改善测量结果的可视化效果。

关键词： 空间碎片   混合异构   目标检测   硬件加速   在轨编程  

摘要： 为解决空间碎片识别难,空间碎片轨迹维护难问题,本文提出一种混合异构在轨目标实时处理平台技术。混合异构在轨实时处理方法可将检测结果直接下传地面用户,提高了空间碎片检测时效性。检测算法采用图像增强滤波手段,在轨实时滑窗滤波处理器为FPGA,滤波图像增强后的图像数据经过CPU过门限后得到空间碎片目标,空间碎片轨迹库由星载CPU管理维护。混合异构星载计算平台通过并行计算实现在轨实时处理。混合异构硬件加速平台可将传统单一CPU处理耗时9989.69 ms,提升到118 ms,达到图像帧250 ms实时处理能力,并实现目标轨迹稳定跟踪。

关键词： 课程思政   数字图像处理应用   教学改革   项目式教学  

摘要： 本文探讨了在课程思政视域下,对数字图像处理应用课程教学进行改革,以培养适应新工科背景、具备高度社会责任感和创新精神的数字图像处理人才。本文从教学内容、教学模式、考核标准等方面入手,构建“教师、教案、教法、环境”多方位协同的课程思政体系,推动课程思政建设全面深入开展。旨在实现专业知识与思政教育的有机融合,培养德智体美劳全面发展的新时代人才。

关键词： 低轨卫星星座   多目标跟踪   改进DeepSORT算法   注意力机制  

摘要： 随着大规模低轨商业遥感卫星星座的发展,卫星能够在较短时间内对地面同一区域进行接力观测,使得对机场飞机目标的持续监视成为可能。针对低轨卫星联合监视下的机场飞机目标跟踪问题,文章提出了一个基于YOLOv7与DeepSORT的两阶段飞机目标跟踪方法,通过引入注意力机制改进YOLOv7网络,实现对卫星遥感图像中小型飞机目标的准确检测;通过优化匹配机制改进DeepSORT算法,实现对存在长时间差的图像序列中运动飞机目标的持续跟踪。文章利用多颗“吉林一号”卫星接力拍摄的卫星遥感图像序列进行算法验证,实验结果表明,文章方法能够融合多颗卫星不同时刻的成像信息,提高对机场运行状态的连续感知能力,多目标跟踪精度为79.15%,对比其他常用的跟踪算法提高了3.2%以上,同时显示出大规模低轨商业遥感卫星星座在目标跟踪领域巨大的应用潜力。