关键词： 运动模糊   图像处理   生成对抗网络   图像复原  

摘要： 为解决汽车运动过快产生模糊导致车牌识别算法失效的问题,对深度学习的生成对抗网络去模糊方法进行了研究,提出了一种基于生成对抗网络的模糊车牌图像复原方法。主要思路为使用图像复原网络NAFNet中的NAFBlock替换DeblurGAN-v2生成器中的基本卷积块,并在特征提取网络中加入了高效通道注意力机制。对于原模型和修改后的模型,设计了四组不同模型消融实验。实验结果表明,提出方法在复原模糊车辆图像复原任务数据上,峰值信噪比为21.2624,结构相似度为0.6431,较好地解决了模糊车牌复原的问题。

关键词： 红外小目标   局部对比度   多场景   目标增强   背景抑制  

摘要： 红外探测具有穿透力强、探测距离远和隐蔽性好等特点,在红外小目标检测领域应用广泛。本文基于人类视觉机制的局部对比度方法,提出一种基于双重增强局部对比度的红外小目标检测方法,先以局部灰度均值对比度对噪声和背景进行抑制,再由相对灰度梯度和局部方差对比结合对目标进行增强,最终采用阈值分割的方式实现红外小目标的检测。算法对不同天空场景序列目标均有较高的检测率和较低的虚警率,前者最高可达100%,后者为0;且相同复杂场景的目标检测性能相比其他同类方法明显提高,信杂比增益与背景抑制因子也显著提升,目标检测性能优异。

关键词： 深度学习   小目标检测   YOLOv8算法  

摘要： 针对YOLOv8算法在小目标检测上效果不佳、难度大的问题,提出一种改进YOLOv8网络结构的小目标识别方法。为解决小目标检测中由于检测点感受野不足而导致的问题,在骨干网络中引入了可变形卷积模块。通过调整卷积核的形变,使其能够更好地适应小目标的特征,从而提高检测的准确性,减少漏检和误检情况;借鉴Wise-IoU的思想,提出一种名为HIoUd1全新的损失函数计算方法,随时调整不同部分在损失函数中的权重,以在训练的不同阶段更好地处理小目标。通过这种调整,模型能够更准确地检测小目标并将其回归到真实标注框,以此显著提升了对小目标的检测性能。实验结果表明,优化后的模型能够更有效地捕捉和识别小目标,相对于YOLOv8在小目标检测方面表现出了显著的提升。

关键词： 深度学习   计算机视觉   目标检测   轻量化   卷积神经网络  

摘要： 针对使用Vgg-16作为特征提取网络的目标检测算法SSD存在的模型不够轻量化以及对弱小目标的检测能力较弱等问题,提出替换SSD主干网络和在其分类层前添加特征融合模块的改进方法。在对目标检测数据集Pascal VOC07+12进行预处理之后,选择轻量化特征提取网络PeleeNet作为SSD的主干网络,平均精度提高1.7%的同时也将模型权重缩减为原来的1/5。此外,在模型分类层前将SSD生成的前三个特征图进行特征融合,丰富了小目标特征图的背景信息,在VOC2007测试集上的平均精度再次提高了3.1%。同时,模型在VOC小目标类别上的平均精度也要比对比方法高出1~5.5个百分点。最后,将模型在嵌入式开发板Jetson TX2上进行部署运行,实现了深度学习模型在嵌入式终端上的部署与应用。

关键词： 场景语义   语义综合   图像处理   深度学习   红外弱小目标检测  

摘要： 多任务、跨域复杂环境下弱小目标准确、稳定检测在红外预警、搜索与跟踪、精确制导等领域具有重要作用。针对当前算法过于依赖人工设计策略与先验知识,以提取目标信息为目的,对于场景信息的挖掘和利用不充分,性能受限且环境适应性不足等问题,提出了基于场景抽象语义综合的弱小目标检测方法。首先,利用交叉注意力、孪生网络、扩展语义图和自学习双通道的方法设计了4种场景抽象语义综合模型。接着,基于4种语义综合模型设计了基于场景语义综合的弱小目标检测网络,将场景类别语义信息引入到红外弱小目标检测过程实现多类复杂背景下红外弱小目标检测。最后,实验结果表明提出的基于自学习双通道语义综合的弱小目标检测算法精确度到达84.24%,召回率达到89.68%。

关键词： 目标检测   损失函数   YOLOv5s算法   注意力机制   焊点识别  

摘要： 针对传统的基于机器视觉的汽车焊点检测中焊点不规则及易受环境光线影响导致产生漏检错检的问题,该文提出一种改进YOLOv5s的算法YOLOv5s_CB_SI。该算法通过在主干网络Backbone引入CBAM卷积注意力机制以提高模型对图像重要区域信息的关注度和对目标缺陷的学习能力,并引入SIoU定位损失函数,加快模型的收敛速度,而且有效提升模型检测及定位的能力。将改进后的算法与YOLOv5s法在焊点数据集上作对比,实验结果表明,该文提出的算法与原始算法相比精确率和召回率分别提升了4.8%和2%,在有效地提升了在焊点检测过程中的准确率的同时减少了错检漏检率,证明了改进后模型的有效性。

关键词： 红外探测   目标跟踪   核相关滤波   尺度滤波  

摘要： 随着天基红外探测器接近目标,目标在焦平面的成像会由小变大,在近距离时以面目标形式成像,随着距离的接近,目标的尺度变化会越来越剧烈。针对经典核相关滤波算法无法应对尺度变化及遮挡的问题,论文提出了一种融合尺度滤波的核相关滤波跟踪算法。在位置滤波器预测目标位置之后,由尺度滤波器计算尺度响应以解决目标尺度变化问题。针对目标跟踪过程中的遮挡问题,提出了一种遮挡判别依据,遮挡情况下停止更新模板以实现稳定、鲁棒的跟踪。通过对比实验表明,该算法可以有效地应对尺度变化及遮挡情况,且帧率可以达到120 FPS,满足实时要求。

关键词： 目标检测   甘蔗   茎节检测   YOLOv8  

摘要： 甘蔗茎节的精确识别对于智能化切种、种植定位及优化蔗园生产管理流程,进而提升产量与经济效益具有显著价值。然而,现有甘蔗茎节检测方法的性能、模型复杂度以及实时性等方面仍存在不足。为有效解决这一问题,本研究选择采用先进的YOLOv8模型,对结构化场景下的甘蔗茎节进行视觉检测。首先,设计野外甘蔗图像采集试验,对采集的甘蔗图像进行人工标记,并建立图像训练集和测试集;接着,采用YOLOv8网络作为甘蔗茎节检测模型,确定最优超参数组合并进行模型训练;最后,进行野外实际识别试验,验证本方法的有效性和高效性。结果表明:本方法在测试集上的精确率、召回率、mAP、单帧推理耗时以及模型大小分别为0.973、0.958、0.974、19.80 ms和6.30 MB。与Edgeyolo_S_Coco网络和Edgeyolo_Tiny网络相比,YOLOv8_n网络的mAP同比分别提高了1.70%和1.30%,单帧推理耗时同比分别降低了4.71 ms和1.50 ms,模型大小同比分别缩减了33.70 MB和17.50 MB。本研究提出的甘蔗茎节检测网络在检测性能和泛化能力上更具优势,能满足户外环境下对算法精度和模型复杂度的需求,为农业智能化生产中的甘蔗收获与种植提供坚实的技术支撑。

关键词： 加工单元   遗传算法   图像处理   光学字符识别  

摘要： 针对针阀偶件插配智能化加工需求,设计并建设针阀偶件智能化插配加工单元。对加工尺寸的数据进行分析,改进针阀偶件间隙配对加工方法;构建间隙配对问题数学模型,采用改进的遗传算法对其进行求解,实现针阀偶件间隙配对的最优化,现场使用验证,配对成功率85%左右;基于迁移学习训练光学字符识别(OCR)模型,识别针阀体生产顺序号,识别准确率达95%,并将针阀偶件插配过程数据与之关联,实现数据自动记录,便于质量追溯。

关键词： 图像处理   视频融合   自适应分层融合   可能性理论   红外视频  

摘要： 针对目前红外与可见光视频融合模型无法根据视频间差异特征动态调整融合策略,造成融合效果差甚至失效等问题,提出了一种基于可能性理论的红外与可见光视频的自适应分层融合算法。计算视频序列每帧中感兴趣区域的各类差异特征的幅值大小,得到每帧对应的主要差异特征;搭建分层融合框架,并确定各层变元,基于余弦相似性计算不同变元对各差异特征的融合有效度,利用可能性理论构造相应的融合有效度分布;逐层分析不同变元对各类差异特征的融合效果,选择出每层的最优变元;通过变元间的优化组合实现红外与可见光视频的自适应分层融合。实验结果表明:所提算法在保留红外典型目标和可见光结构细节等方面取得了显著的融合效果,并且在定量分析和定性评价上明显优于单一融合算法。