关键词： YOLOv5   目标检测   输电杆塔   质量检测  

摘要： 本项目拟采用YOLOv5目标识别算法,对输电塔线施工质量进行测试,重点解决果壳线、导线等常见质量问题。本项目拟以YOLOv5s模式为基础,将CSPNet与PANet相结合,利用图像水平翻转、旋转、剪切、Mixup、Mosaic等方法对样本进行扩展,以弥补分类数据量不足的问题。试验结果表明,该方法具有较好的识别精度与快速性,mAP达87.6%,检测速率高达每秒90帧,应用于输电线路塔体质量测试中,具有较高的实用价值.

关键词： 新工科   课程思政   仪器类专业   数字图像处理   思政教学案例设计  

摘要： 该文面向新工科建设的“复旦共识”“北京指南”“天大行动”,围绕“新工科建设”和“课程思政育人”两大目标,推进仪器类专业课程思政建设,把思想政治教育贯穿到人才培养体系的全过程,引导学生自尊、自信、自立和自强,强化学生“仪器报国、仪器强国”的使命担当,厚植家国情怀,培养担当民族复兴大任的时代新人。同时探讨结合学校的办学定位、专业特色、人才培养要求,探索课程思政教学与知识教学的有机统一。针对面向仪器类本科生开设的数字图像处理课程,从教学大纲、教案、教材等方面整理补充和仪器仪表行业相关的思政教育元素,设计题材新颖、具有时代特色的仪器类思政教学案例,实现具有“专业知识-思政育人-空天报国-敢为人先”特色的课程思政育人目标,进一步落实课程思政“立德树人成效”根本标准的具体化和可操作化。

关键词： 水下目标   检测前跟踪   检测   跟踪   声纳  

摘要： 针对海洋环境复杂性和水下目标低可探测性现状,水下目标检测和跟踪成为水下攻防作战中亟待解决问题。检测前跟踪算法采用基于跟踪思想的航迹搜索,避免复杂的数据关联;利用多帧数据积累决策,提高正确检测概率,在低可探测性目标检测和跟踪中发挥着越来越重要的作用。阐述了检测前跟踪算法的原理,分析了水下目标低可探测性对现有检测方法的挑战;分析了基于动态规划、Hough变换、粒子滤波、有限集、直方图概率多假设跟踪等5种典型的检测前跟踪算法,重点分析对比了5种算法的原理、特点、适用范围及改进算法;通过探究水下目标检测前跟踪新方法,提升现有算法的鲁棒性、精度和实时性,开展多目标、机动目标和多传感器融合检测和跟踪研究对水下目标检测跟踪算法进行讨论和展望。

关键词： 图像语义分割   深度学习   金属腐蚀检测   图像处理  

摘要： 基于计算机视觉的金属表面腐蚀检测技术是利用深度学习模型对金属腐蚀图像进行像素级语义分割,通过模型训练提取腐蚀区域的纹理、形状等特征,根据腐蚀面积判断腐蚀程度,解决了人工检测带来的效率低、误差大等问题,便于实现后续自动化检测、智能化评估与管具服役失效数据库的建立。为了更好地实现腐蚀区域的精确定位和分割,基于公开的金属腐蚀图像数据集,建立了512×512像素的全图数据集和切片图像数据集,通过实验研究了FCN、U-Net、PSPNet、DeepLabv3+、HRNet和SegFormer等深度学习模型在金属腐蚀检测方面的性能。研究结果表明,所有模型在金属腐蚀图像分割任务中使用切片图像数据集的性能优于全图数据集。对比其他模型,SegFormer模型在切片图像数据集训练下,mIoU和mPA分别为66.20%、78.55%,参数量为3.72 MB,取得了出色的分割效果。

关键词： 麦穗计数   估产   作物表型   YOLO   目标检测  

摘要： [目的]为实现对田间麦穗的实时准确计数,本文提出一种基于改进YOLOv5s的麦穗检测计数方法。[方法]通过C2f模块获得更加丰富的梯度流,增强模型细粒度特征提取能力,并在网络关键部位引入CoordConv坐标卷积,加大对坐标信息关注程度,提升模型对麦穗位置的感知能力,同时考虑到麦穗检测任务中中小尺寸麦穗居多,采用Inner CIoU损失函数加快模型收敛速度。[结果]在公开数据集Global Wheat Head Detection(GWHD)上对上述方法进行试验,结果表明,本文改进模型的精确率、召回率、平均精度均值mAP0.5分别为93.5%、91.6%和95.9%,参数量、计算量、每秒帧数分别为12.4 MB、27.5 GFLOPs和34。[结论]本文改进模型在精确率、召回率、平均精度均值mAP0.5等指标上较原始YOLOv5s模型分别增加1.0、1.2和1.3百分点,并且优于YOLOv7-tiny、YOLOv8s等模型,可满足检测的实时性要求。同时改进后模型在处理遮挡、重叠等复杂情况时都比原始模型表现更优,具有良好的鲁棒性。

关键词： 变电站驱鸟   小目标检测   语义分割   红外图像   上下文信息   多尺度特征   堆叠融合   感受野  

摘要： 鸟类等在电力设备上停留、筑巢等活动会对变电站的正常运行造成安全威胁。因此,本文提出一种基于多尺度上下文信息的红外图像鸟类小目标检测网络。首先,通过特征提取模块,网络能够获取丰富的多尺度特征,并且,模块中的主干与分支结构通过多次堆叠融合,有效实现了低级细节特征与高级语义特征的信息集成;其次,以多尺度感受野为基础,利用小目标与上下文的关系信息引导特征编码,以增强小目标特征信息;最后,在解码时采用简单的上采样结构得到目标分割结果,以减少网络的计算量。在自建变电站场景小目标数据集以及公共数据集上进行的实验表明,本文算法相较于其他小目标分割算法具有显著提升。在自建变电站场景小目标数据集以及公共数据集上开展的实验结果显示,本文算法在IoU指标方面,相比次优化方法分别提高了3.98%和2.13%。

关键词： 计算机视觉   目标检测   零样本目标检测   自上而下注意力机制   对比约束  

摘要： 由于可见类和未见类目标数据分布的差异性,目前基于映射迁移策略的零样本目标检测算法在测试时容易偏向可见类别的目标,且因为不同类别在属性上的相似性,特征分布比较混乱。本文提出一种新的零样本目标检测框架,利用所设计的先验知识提取模块和自上而下注意力机制模块,为检测过程提供任务导向,引导模型在训练期间关注出现的未见类特征,提高模型对不同数据分布的判别性;还设计了一种新的对比约束以提高特征之间的聚类能力;在MSCOCO标准数据集上进行了大量实验。结果表明,该模型在标准和广义零样本目标检测任务上都取得了显著效果。

关键词： 图像处理   深度估计   自监督学习   视觉注意  

摘要： 为解决单目深度估计方法在面对复杂纹理区域时预测效果差的问题,提出了一种基于视觉注意的自监督单目深度估计方法.首先构建多尺度源图像输入编码器,从而更好地融合多路特征;其次,通过并行的中间注意力模块跨区域交互,分别在空间维度和通道维度建模语义依赖关系,得到丰富的上下文信息;此外,采用连续的外部注意力特征聚合模块构成解码器部分,有效利用上下文信息解决复杂区域的不适应问题.在KITTI和Cityscapes数据集上的实验结果表明,该方法优于目前主流的方法,在复杂纹理区域拥有更好的深度预测性能.KITTI数据集的RMS和RMSln分别达到了4.486和0.181.

关键词： 灰度图像处理   假彩色图像处理技术   语义分割   MATLAB仿真   Python仿真  

摘要： 新型冠状病毒和支原体感染引发的肺炎给居民健康带来巨大威胁。针对我国患者数量众多、放射科医师短缺、灰度图像难以分辨细节的痛点,在灰度分层法的基础上提出一种利用假彩色图像处理技术进行胸透图像分析的算法。该算法可将胸片中的肺部、骨骼、心脏等区域放置于不同图像通道中,并使用红绿蓝三种颜色进行分割标注。基于MATLAB与Python编程的仿真实验表明,使用该算法将胸透灰度图像和胸透彩色图像并列后,对比效果明显,有利于减轻放射科医师的工作负担。

关键词： 雾天天气   道路目标检测   算法   深度学习  

摘要： 针对于雾天交通场景下道路目标检测的准确性亟待提升的问题,提出一种基于改进YOLOv7-tiny算法。首先,将YOLOv7-tiny中引入上采样算子CARAFE(Content-Aware ReAssembly of Features)模块,以此来提升模型的特征融合能力;将ELAN-tiny模块与多元分支模块DBB(Diverse Branch Block)融合,以增强模型提取特征信息的能力,提升目标检测精度。改进算法在保证轻量化的前提下,能够有效地提升对雾天道路目标的检测性能。实验结果表明,在模型参数量和计算量少量增加的情况下,改进算法相较于基线算法,mAP@50和mAP@50∶95分别提升了1.0%和0.5%,论证了改进算法的有效性。