关键词： 目标跟踪   泊松多伯努利混合滤波   高斯过程   变分贝叶斯优化  

摘要： 针对现有算法对多扩展目标跟踪精度低的问题,本文提出了一种高斯过程泊松多伯努利混合(GP-PMBM)滤波算法及其变分优化.首先,基于高斯过程原理建立了增广状态空间模型,接着,将其与泊松多伯努利混合滤波器相结合,提出GP-PMBM算法.然后,针对因使用非线性滤波技术而导致GP-PMBM滤波精度下降的问题,使用变分贝叶斯优化更新结果,实现了对目标状态的优化更新,提升了滤波器的估计精度.仿真结果表明,与已有的滤波算法相比,所提算法具有更高的跟踪精度,并且,在只有部分量测的场景中跟踪性能更稳定.

关键词： YOLOv8   水下人体声呐图像   轻量化模型   剪枝方法  

摘要： YOLOv8作为经典的单阶段目标检测算法,在颈部层能高效融合上下文信息,但面向水下人体边缘不连续的声呐图像目标检测还存在模型参数冗余、计算复杂度高的问题,不能满足端到端的工业部署要求。针对以上问题,本文在YOLOv8原网络结构中引入“约束训练+剪枝+回调训练”策略,在保证检测精度的同时,减少模型大小和计算负载。实验结果表明,改进后的算法和原YOLOv8n模型相比,模型计算量、层数、参数量和尺寸分别减小40.45%、25.33%、59.75%和18.46%,m AP@0.5几乎不变,mAP@0.5∶0.95提高了3.24%。

关键词： 图像处理   显示屏信号   信号故障   故障检测  

摘要： 传统的显示屏信号故障检测方法检测时间过长,准确率较低。为解决该问题,文中基于图像处理技术,提出了一种新的显示屏信号故障检测方法。首先,采集图像信息,对图像进行预处理,提取颜色特征、形状特征和纹理特征。其次,通过模板匹配实现图像分割,显示故障检测结果。实验结果表明,基于图像处理的显示屏信号故障检测方法能有效缩短检测时间,提高检测准确率。

关键词： 露天矿   无人运输车辆   YOLOv7   注意力机制   安全生产  

摘要： 露天采矿装备无人化是近年来矿山开采领域热点趋势之一,针对露天矿无人运输车辆人车目标检测重大安全保障难点需求,提出了一种基于YOLOv7的融合注意力机制的目标检测算法,设计自适应注意力模块,提高模型对多目标特征的识别提取能力和对复杂环境背景下目标检测的准确性。基于Swin-Tranformer注意力机制,改进了YOLOv7网络的预测部分,增强对密集目标的识别能力;使用余弦退火法优化学习率,借助SIoU改进原来模型中的DIoU,提升检测稳定性;通过数据增强和自主采集数据集进行训练与测试,提高试验数据的有效性。研究结果显示,该方法显著提高检测速度、精度、回收率以及平均精度,可为露天无人驾驶作业的安全性提供有力的技术支撑。

关键词： 目标检测   YOLOv5   深度学习   MobileNetv3   自动驾驶  

摘要： 针对车辆检测模型参数量大,多尺度车辆目标检测困难、重叠目标、小目标和遮挡目标容易漏检的问题.提出了一种轻量化的YOLOv5-MobileNetv3检测算法.首先,利用k-means算法来提高锚框维数聚类的效果和检测速度.其次,将YOLOv5的原始骨干网络CSPDarknet53替换为MobileNetv3进行特征提取.再次,在检测网络中,用CIOU损失函数代替GIOU损失函数,快速准确地定位图像目标区域,生成边界框,预测目标类别.使用交叉熵损失函数(cross entropy loss)作为分类损失函数.最后利用k-means算法来提高锚框维数聚类的效果和检测速度.结果表明,与YOLOv5网络相比,改进后的YOLOv5-M3检测准确率提高了5.0%,模型参数数量减少了46%,训练时间减少44.9%.改进后的YOLOv5-M3网络更小、训练时间更短、更准确地识别出目标,提高了自动驾驶系统中车辆和行人的目标检测的准确性,也为实现智能交通系统提供了一种选择.

关键词： 目标检测   YOLOv8n   群养生猪   BiFPN   交并比  

摘要： 为满足嵌入式设备对模型轻量化和高精度检测的需求,本研究提出了一种基于YOLOv8n模型改进的群养生猪目标检测算法。首先在主干网络中引入C2fFB结构,减少对内存的访问量与冗余计算;然后以BiFPN结构构成新的Neck网络并引入C2fSC模块,进一步实现更深层次的特征融合,减少融合的空间冗余和通道冗余;最后采用SIoU替换原来的CIoU,提高了模型的精度。实验结果表明,本算法的F1分数、查准率、查全率、平均精确度相比改进之前分别提升了3%、1.8%、3.5%、1.5%,参数量、计算量、模型大小相比改进之前分别下降了46.84%、27.16%、44.71%。因此,本算法模型为群养生猪的智慧养殖提供了1种高效的目标检测解决方案。

关键词： 隧道围岩裂隙   图像处理   VTK   三维重建  

摘要： 裂隙参数是围岩稳定性分析的参考因素,为了实现围岩裂隙的可视化分析,该文提出一种基于可视化工具包VTK的围岩裂隙三维重建方法。首先将采集的隧道围岩图像使用OpenCV进行图像灰度化、降噪的预处理;其次运用Otsu法和形态学中的开运算进行图像分割处理,得到较为完整的围岩裂隙图;然后将VTK中传统的Marching Cubes算法采用中值法代替线性插值法计算等值点,并运用改进后的Marching Cubes算法对处理后的裂隙图像进行三维重建;最后将改进后的算法与原算法的三维模型重建速率进行对比。研究结果表明:(1)将VTK应用于隧道围岩裂隙的三维重建,可以得到较完整的裂隙三维模型,实现局部围岩裂隙的三维重建;(2)两种算法重建的裂隙三维模型效果无明显差别,但改进算法的三维模型重建速率提高了18%。

关键词： 机器视觉   视觉点云   图像处理   工业机器人   视觉定位  

摘要： 工业机器人以示教方式抓取搬运不同位姿的工件时无法精准定位,需复杂定位工装辅助定位。针对这一问题,提出一种基于机器视觉的液化气空罐工件搬运系统方案。基于Open-CV与pclpy视觉库编写视觉定位程序引导工业机器人实现液化气空罐工件的钩取搬运。经实验测试,提出的基于机器视觉的液化气空罐工件搬运系统方案可行,视觉定位程序的定位最大误差为0.63 mm。较以往的人工作业效率提升较大,具有实时定位工件、无需复杂定位工装的优势。

关键词： 目标检测   深度学习   智能清洁   无人机挂载  

摘要： 输电设备易被环境污秽覆盖,降低设备绝缘性能,故需定期进行维护以保证电能传输可靠性。本文基于无人机平台研究清洁挂载,实现输电设备表层污秽智能清洁;提出基于深度学习的目标检测算法,改善无人机定位准确问题;结合工作经验预设规则,根据污秽确定清洁方案,高效安全完成清洁工作;设计挂载结构,有效提升线路运检效率,保障线路安全运行。

关键词： 草莓病害   目标检测   YOLOv8n   ADown   轻量化   实时检测  

摘要： 针对实际种植环境下草莓病害目标检测中,存在背景复杂、检测精度低等主要问题,提出一种改进YOLOv8n的草莓病害检测算法YOLOv8n-SD。搜集并处理真实场景下草莓叶、花、果的常见病害图像以构建试验数据集。在YOLOv8n模型的基础上对其进行优化改进,利用多尺度并行计算与补丁感知注意力对主卷积模块进行重构,提出C2f-PPA模块,有效融合多尺度特征信息,提高模型的特征捕获能力。引入ADown模块,减少下采样过程中的信息损失,提高模型的推理速度和鲁棒性。提出一种任务对齐的共享动态检测头(Task-aligned Dynamic Head, TDyH),增强定位分支和分类分支之间的信息交互,降低模型参数的同时,提高检测精度和准确性。根据试验结果,改进后的YOLOv8n-SD模型的检测精度达到83.7%,相较于原YOLOv8n提高3.3%,mAP@0.5与mAP@0.5∶0.95分别达到76.9%和59.9%,分别提升1.6%和2.3%。改进后的算法能精确识别草莓生长各阶段的常见病害,并满足边缘设备的轻量化需求和实时检测需求。