关键词： 胡椒目标检测   卷积神经网络   胡椒采摘机器人   成熟度判别   YOLOv8m  

摘要： 目前,针对胡椒智能采摘领域的研究尚属空白,精确识别胡椒果穗的成熟度是胡椒智能采摘关键技术之一。通过两条技术路线判别胡椒成熟度:一是先建立胡椒目标检测深度学习模型,再根据胡椒果穗颜色特征来判别胡椒成熟度;二是直接建立胡椒成熟度判别深度学习模型。利用两条技术路线,采用SSD、Faster R-CNN、YOLOv5s、YOLOv5m和YOLOv8m这5种算法进行胡椒果穗成熟度判别对比。研究结果发现,基于YOLOv8m模型,第1种方法成熟度判别的准确度为94.81%,第2种方法的准确度、召回率等多项指标高达98%以上,可为胡椒智能化采摘机器人的开发提供依据。

关键词： 微弱信号检测   长短时记忆网络   麻雀寻优算法   海杂波  

摘要： 针对强混沌背景噪声下传统方法难以检测微弱目标信号的问题,研究了混沌相空间重构理论和麻雀寻优算法,提出一种基于优化长短时记忆网络(LSTM)的混沌背景下微弱信号检测方法。利用麻雀搜索算法优化LSTM模型参数,提高模型预测精度,降低目标检测门限,结合LSTM模型进行单步预测,利用预测误差从强海杂波背景下检测出微弱目标信号。以Lorenz混沌系统作为混沌背景进行仿真实验,对叠加的小信号进行检测,结果表明,该方法能够有效地检测微弱信号,其预测的均方根误差0.00171(信噪比为-137.707 dB),相较于传统神经网络预测模型、LSTM预测模型、GA-LSTM预测模型、PSO-LSTM预测模型均有显著提升。利用IPIX雷达信号进行预测实验,进一步验证了该方法的有效性。

关键词： 特征   Hough变换   在线检测  

摘要： 针对圆锯片图像特征,将图像的预处理、轮廓提取、轮廓优化、锯片圆心的检测及内外圆直径、圆度误差的测量、齿尖及齿尖两段直线的检测、齿尖角的测量、径向前角及径向后角的测量算法集成。根据所研究的圆锯片图像齿尖特征,改进了直线的Hough变换,即首先将各个齿尖位置跟齿尖周围共线的像素点检测到,然后再用Hough变换逐次检测齿尖周围的两段直线。针对圆的常规Hough变换检测时间长的问题,改进了圆的Hough变换,即首先将圆上边缘像素点总数三等分,然后从每一部分边缘点各取一个像素点,利用不共线的三个像素点确定圆心。这样在保证精度的前提下,大大缩短了检测时间,为零件的在线检测奠定了基础。

关键词： 机器学习方法   高光谱遥感图像   目标检测   目标像元分割   投影寻踪   动力演化算法  

摘要： 针对高光谱遥感图像目标检测的难题,提出基于机器学习的高光谱遥感图像目标检测方法。首先,通过动力演化算法找到满足偏度、峰度最大化的投影方向,将高维图像数据投影至低维子空间,从而提取图像的光谱信息。然后,通过线性判别法将提取的信息转换为直方图形式,再利用自动标记分水岭算法和KNN方法进行目标区域的初分割和分类,以去除非目标光谱像元。测试结果表明,对目标信息进行检测处理后,图像像元整体分类精度与平均分类精度数值区间为[0.97,0.98],信息熵数值仅有0.01,说明该方法具有较高精度,结果可信度较高。

关键词： 人工智能技术   自然语言处理   计算机视觉   AI技术   深度学习   协同作战能力   语音识别   GPT  

摘要： 随着人工智能技术的快速发展,ChatGPT和Sora等生成式AI在多个领域展示了其强大的能力。2022年被称作生成式AI元年;2023年,GPT-4以接近人类的“聪明”程度而风靡一时;2024年初,Sora的横空出世再次震惊了全世界。生成式AI能大幅提升军队智能化信息获取、辅助决策和人机协同作战能力,拓展在军事领域的运用。生成式AI技术及其特点生成式AI集成了自然语言处理、计算机视觉、语音识别、深度学习等人工智能技术成果,能基于已有的数据和知识,通过算法生成全新内容,推动智能化战争进入“全域自主交战”新阶段。

关键词： 接触角测量   图像处理   三维重建   结构光  

摘要： 针对不均匀材料表面的液滴2D投影接触角存在误差,且仅有少数国际设备商提供三维接触角测量方案。本文提出一种基于三维重建的液滴接触角测量方法,旨在提供一个完整且效果可行的的三维接触角测量解决方案。该系统利用阵列圆点结构光进行三维检测,适用于接触角小于90°且具良好漫反射的液体。主要步骤包括:特征区域筛选、三维点云获取、液滴曲面拟合和接触角测量。其中,图像预处理部分,提出了基于HSV空间结合形态学操作的方法;在特征区域筛选中,提出一种面积筛选法;通过几何计算完成二维点云到三维点云的转换;提出点云匹配算法以优化点云融合。与二维测量方法对比,实验结果表明,本文方法在测量精度和可靠性上均有显著提升,实现了最大误差小于1°,大部分误差小于0.5°,并能进一步分析材料的物理特性及表面均匀性。

关键词： 数字图像处理   Mobilenetv2   遥感目标   目标检测   YOLOv4  

摘要： 针对遥感目标的多尺度、多样性、背景复杂等特点,为提升YOLOv4算法的检测速度和平均精度,提出了一种基于YOLOv4模型改进的遥感目标检测算法,首先,用Mobilenetv2替换YOLOv4的主干特征提取网络,减少参数数量,提升检测速度;其次,在Mobilenetv2的残差网络中嵌入新型注意力机制CoordAttention模块,捕获方向感和位置感知的信息,精准定位和识别感兴趣的目标;最后,借鉴Inception的思想在颈部特征增强网络处添加改进过的RFB模块,增强感受野并且提升网络的特征融合能力。研究表明,论文提出的MCR-YOLOv4(Mobilenetv2-CoordAttention-RFB-You Only Look Once)算法相比于原YOLOv4算法,模型大小减少了45.27 M,平均精度提高了1.03%,检测速度提高了56帧/s,更适用于对复杂遥感目标的检测。

关键词： 3D目标检测   点云   激光雷达   自动驾驶   深度学习  

摘要： 近年来,3D目标检测作为自动驾驶、移动机器人、虚拟现实等应用产业的重要基础任务,受到了各领域研究人员的广泛关注。其旨在三维空间中对感兴趣目标进行定位与分类,给出相应的3D包围盒,包括目标的位置、大小和方向,为后续对三维场景的理解与感知、对车辆的规划与决策提供基础信息。激光雷达传感器捕获的点云因其具有准确的三维信息与深度信息,成为3D目标检测最为常用的输入数据。本文对基于深度学习的3D激光雷达点云目标检测进行综述,总结了点云的数据特点与处理方法,介绍了相应的几类检测方法以及点云和图像融合的多模态检测方法,对不同方法的性能进行对比分析,最后讨论3D点云目标检测未来面临的挑战和发展趋势。

关键词： 视频SAR   阴影   运动目标   检测与跟踪  

摘要： 视频合成孔径雷达(SAR)是一种融合了SAR和视频成像技术的先进雷达成像系统,不仅具有传统SAR成像的特点,还可以实时获取目标丰富的动态信息,在运动目标检测和跟踪上具有明显优势。运动目标在视频SAR序列中表现出明显的阴影特征,并且阴影特征能够近似反映目标的真实位置,具有定位精度高、检测概率高等优势,这使得基于阴影的动目标检测与跟踪技术成为当前视频SAR领域的研究热点之一。文中对目前基于阴影的视频SAR动目标检测与跟踪方法进行梳理总结,对比各方法的性能,分析目前视频SAR动目标检测与跟踪方法的优势和存在的不足,明确视频SAR运动目标检测与跟踪亟需解决的问题。

关键词： 小目标检测   激活函数   注意力机制   特征提取   损失函数  

摘要： 针对小目标检测时因目标像素小、分布密集且相互遮挡等原因导致的检测精度低、漏检率高等问题,提出一种基于YOLOv7的改进算法。使用ACON激活函数更换SiLU激活函数,增强算法的拟合能力;使用SPPFCSPC替换算法中的SPPCSPC结构,结合BiFormer注意力机制改进SPPFCSPC,使之提高模型检测效果的同时加快模型的速度;使用SPD-Conv卷积改进算法中的MP结构,提高模型的特征提取能力;在WIoU中引入辅助框设计Inner-WIoU,并结合NWD损失函数改进YOLOv7的损失函数。经过在VisDrone2019数据集上的实验证明:在没有增加太多参数量的前提下,改进后的算法比原算法的mAP@0.5提高4.39%,验证了改进算法对提高模型性能的有效性。