关键词： 传感器控制   粒子群算法   多目标跟踪   泊松多伯努利混合   最优观测  

摘要： 针对多目标跟踪优化问题,提出一种基于粒子群算法的传感器控制策略.首先由泊松多伯努利混合(PMBM)滤波器的预测过程得到多目标预测状态,然后以此为先验信息通过粒子群算法以最大限度地接近各目标为准则求解传感器最优观测位置,并由传感器捕捉优质量测信息,最后由PMBM滤波器的更新过程得到优化多目标后验状态.仿真实验对比了多目标跟踪优化的效果,结果表明该传感器控制策略有更好的多目标跟踪精度.

关键词： 变电站   红外热像测温   图像处理   故障诊断  

摘要： 随着自动化、图象分析等技术在电力系统中的运用越来越多,使电力系统的操作与维修工作逐步趋向于自动化、自动化。电力设备的智能辨识分级和诊断体系可以确定变压器有没有出现故障,还可以对其进行评估,可以降低由于电力系统的热故障所带来的经济损失,方便了工作人员进行维修工作。采用红外热成像法,不但可以对变电所内的各种装置进行红外成像,而且还能对具体位置进行测量。介绍一种利用红外热成像技术对电力变压器进行故障诊断的方法。

关键词： 16位微控制器   智能车   图像处理  

摘要： 本文基于MC9S12XS128微控制器,应用图像处理技术,完成对新型智能车的设计和研发。首先,介绍了基于微控制器的智能车系统硬件构成。其次,完成对智能车实时图像处理和路径识别模块设计。最后,基于Hough图像分割与特征辨识方法并采用实验的方式,验证了该方法在智能车图像处理中的应用效果。实验结果表明:基于Hough图像分割与特征辨识方法具有较高的抗模糊能力和鲁棒性,不仅可以实现对目标区域的准确分割,还能保证平滑去噪效果,符合实际应用需求。

关键词： 输电线路   金具   深度学习   目标检测   小目标   密集遮挡  

摘要： 针对输电线路航拍图像的金具目标尺寸小与密集遮挡问题,提出了基于级联查询-位置关系的输电线路多金具检测方法(CQPR)。首先提出了级联稀疏查询模块,通过小尺度特征图上小目标的粗略位置来查询大尺度特征图中的小目标精确位置,提高小目标金具检测的准确性。接着,提出了位置特征关系模块(PRM),通过利用图像中不同金具之间的位置关系建立PRM,提取金具位置关系,丰富遮挡区域的特征,进而优化了密集遮挡下的金具检测效果。多个基线模型上的实验结果表明,将CQPR应用到基线检测框架时,Faster R-CNN,Cascade R-CNN,Libra R-CNN和Dynamic R-CNN的准确率分别达到82.9%,82.4%,83.7%和77.3%,优于其他先进目标检测模型,对其中小目标金具和存在遮挡情况的金具检测准确率的提高较为明显,推理速度也有一定的提高,同时兼顾定位精度与检测实时性。

关键词： 卷烟激光码   目标检测   文本识别   DBNet   CRNN  

摘要： 卷烟激光码识别是烟草稽查工作的重要手段。针对烟码背景复杂导致检测识别率低的问题,本文提出一种基于DBNet与CRNN融合模型的烟码识别方法。首先采用DBNet模型对烟码区域进行检测,通过引入可微分二值化实现烟码的准确定位与提取;然后采用CRNN模型对经过定位和裁剪处理的烟码区域图像进行特征识别,通过结合VGG网络与深层Bi-LSTM网络,获取空间特征和时序特征实现烟码的识别。经过实验验证,融合模型的检测准确率为91.9%,识别准确率为83.4%,在移动端APP部署后的测试准确率为83.0%,这表明本文方法能够提供精确的烟码识别效果。

关键词： 图像处理算法   中值滤波   高斯滤波   拉普拉斯边缘检测   图像预处理  

摘要： 随着图像应用领域的拓展,图像处理技术得到飞速发展,成为数字图像领域的关键技术。研究深入探讨了中值滤波、高斯滤波等多种图像预处理数字图像处理算法,并对传统的中值滤波方法进行了改进,采用了Laplace算子与高斯滤波相结合的策略。仿真结果表明,在图像预处理阶段应用这些算法能够取得优异的效果,这有助于后续的硬件实时处理以及实际应用。

关键词： 小目标检测   红外目标   轻量化   YOLOv8   网络优化  

摘要： 针对无人机航拍角度下红外小目标检测精度低、计算量大等问题,基于YOLOv8s提出了一种轻量化红外小目标检测模型YOLO-IRLight。此模型引入EMA(Efficient Multiscale Attention)注意力机制来提升特征提取能力;在网络颈部添加PConv-C2f模块减少计算量,将尺度序列特征融合,并添加P2检测层对网络结构进行优化,增强了小目标检测能力;设计了一种新型轻量化检测头Group-Detect,将NWD(Normalized Gaussian Wasserstein Distance)损失函数以线性组合方式融入模型的损失函数中。公开数据集上的实验结果表明与原始YOLOv8s相比,该模型的检测精度mAP@0.5提高了1.7%,参数量下降了45.9%,计算复杂度GFLOPs下降了33.5%,F1精度提高了0.9%。改进后的算法明显优于传统算法,相较于其他当前主流算法,检测精度也有明显提升。

关键词： 机器视觉   目标检测   YOLOv5   CBAM注意力机制  

摘要： 对受电弓碳滑板区域磨损检测技术进行研究,提出了一种基于机器视觉和改进YOLOv5的受电弓碳滑板区域磨损检测方法。具体方法为对YOLOv5进行改进,优化其小目标检测精度、获取更适用于受电弓碳滑板区域磨损的锚框、引入CBAM注意力机制获取受电弓碳滑板区域磨损更多的有效特征,然后利用机器视觉技术构建受电弓碳滑板区域磨损数据集,对改进后的YOLOv5进行训练和测试。测试结果表明:改进后的YOLOv5网络在训练集上的准确率和召回率分别为95.12%、93.67%,比改进前分别提高了19.48%、15.16%,对受电弓碳滑板区域磨损检测的AP值维持在93%左右,具有可行性和有效性,适用于受电弓碳滑板区域磨损检测。

关键词： 计算机视觉   多目标跟踪   图Transformer   对象图  

摘要： 针对计算机视觉领域中多目标跟踪任务,特别是行人因外观相似导致的身份ID频繁切换问题,提出一种新的行人时空图特征模型。通过构建帧间行人对象图和帧内行人对象图,整合了跨帧和同帧目标间的动态关系。引入图Transformer来提取这些图中的特征,并设计了前后帧目标边缘关系增强模块促进信息的跨帧传递与融合。提出一种优化的轨迹特征更新策略,不仅考虑目标外观特征的余弦相似性,还考虑特征向量模变化,以更全面地评估目标特征的一致性,尤其是在目标形状、大小或强度变化显著的情况下。通过这些方法,模型能更好地适应目标状态变化,减少跟踪过程中的错误匹配,提升多目标跟踪的准确性和稳定性。实验结果表明:所提算法在MOT16与MOT17数据集上的应用显著增强了行人目标特征的区分性,提高了多目标跟踪任务的精度。

关键词： 裂缝检测   目标检测   深度学习   注意力机制   YOLOv8  

摘要： 井筒裂缝具有尺度多变、背景区分度小等特点,导致井筒微裂缝检测结果不理想。针对这一情况,基于主流的YOLOv8目标检测模型,提出了一种名为YOLO-DECT的井筒微裂缝检测网络。首先,融入可变形卷积模块(CN-CBS)增加并行子网,构建EMA-SPPCSCP层,增强骨干网络对多尺度特征的提取能力。然后,结合SPDConv和InceptionDWConv的优点设计了SPDIConv,替换网络中的部分卷积模块,增强模型对微裂缝的检测效果和学习效率。最后,在颈部及骨干网络末端融入EMA注意力机制,利用并行子网扩大感受野,避免背景噪声干扰。实验结果表明,提出的YOLO-DECT方法在自建数据集上的平均精度达到了83.6%,针对难以检测的微小裂缝类别检测精度达到了80.6%,相对原YOLOv8模型分别提高了3.4%和4.5%,浮点计算量下降了9.8%,模型保持了轻量化的水平,在GRDDC2022公开数据集上检测效果优于原网络,具有一定的泛用性。