关键词： 目标检测   无人机图像   YOLOv8   特征增强   细粒度特征  

摘要： 针对无人机视角图像中目标尺度变化大、小尺寸目标占比高并且背景噪声干扰严重等问题，提出一种基于特征信息增强与补充的无人机视角图像目标检测算法。首先，为利用高层语义信息捕捉更加丰富的多尺度信息，提出一种多元融合空间金字塔池化（MFSPPF）方法。其次，设计了多分支语义增强（MBSE）模块，可以通过多个分支提取丰富的多尺度特征并构建多尺度特征之间的联系，从而在特征融合传递信息时防止重要特征信息丢失。另外提出细节特征补充（DFC）模块，将低层特征信息提取细化后得到丰富细粒度特征信息，经过特征融合传递实现对高层特征中细节信息的补充。最后通过在VisDrone2021数据集上进行实验，改进后算法相较于基线方法YOLOv8m，AP、AP50、AP75、APs、APm、APl分别提高3.7%、5.4%、3.9%、3.1%、4.0%、7.9%。并且改进方法在YOLOv8其他模型中同样适用。与其他方法相比，所提出方法在不同IOU阈值标准下和不同尺寸目标检测下都具有优异的检测效果，同时保持较快的检测速度，能够适用于无人机视角图像检测任务。

关键词： 绝缘子缺陷检测   无人机航拍图像   深度学习   计算机视觉  

摘要： 依托计算机视觉和深度学习技术，从海量的无人机航拍图像中实现绝缘子缺陷检测，已经成为电力运维工作亟待解决的问题。近年来，深度学习方法在绝缘子缺陷检测任务中表现出优异的性能。该文综述了无人机航拍图像中绝缘子缺陷检测的深度学习方法研究进展。首先，简述了基于深度学习的输电线路巡检研究现状；其次，阐述了基于深度学习的绝缘子缺陷检测方法，主要从目标检测模型、轻量化网络模型、级联检测模型以及其他方法进行归纳总结，按照深度学习算法的发展历程，阐明了基于双阶段、单阶段、无锚框（Anchor-free）的目标检测算法，概述了轻量化网络、级联检测在绝缘子缺陷检测中的应用；然后，介绍了用于绝缘子缺陷检测的公开和自建数据集；最后，指出了深度学习技术在绝缘子缺陷检测应用中存在的问题，并对未来研究工作进行了展望。

关键词： 煤矿智能化   目标检测   深度学习   数字孪生   具身智能  

摘要： 随着深度学习理论的研究与发展，基于深度学习的目标检测技术在智能化矿山领域取得了显著进展，目标检测已成为人工智能技术在煤矿应用场景的典型范式和研究热点。然而深度学习目标检测对标注数据集依赖性强，存在模型可解释性差、计算复杂等问题，如何提高矿井目标检测精度、模型自适应性和计算效率，是矿山人工智能领域亟待解决的研究课题。本文对煤矿井下智能目标检测技术及其研究进展进行综述。首先，简要概述了目标检测技术，介绍了基于深度学习的目标检测技术演进过程和算法分类，并分析比较了基于CNN和Transformer的目标检测网络。然后，重点研究了矿井智能目标检测的数据增强、超分辨率重建、特征提取等关键技术，并围绕煤矿“人-机-环”应用需求，详细阐述了基于深度学习的目标检测在井下人员安全监测、矿井设备智能检测、工况环境感知等方面的研究进展。最后，指出了煤矿应用场景下智能目标检测技术在数据集构建、模型优化、多源异构数据融合等方面仍存在挑战，讨论了煤矿智能目标检测技术的发展趋势。并提出未来应致力于将目标检测技术与小样本学习和多模态融合、模型轻量化和边缘计算、数字孪生和具身智能等新兴技术相结合，以此促进智能检测技术与煤矿安全生产的深度融合与应用，为矿井智能目标检测技术体系构建提供理论参考。

关键词： 目标检测与分类   雷达图像   YOLOv5s   特征融合   解耦头  

摘要： 针对车载毫米波雷达图像细节模糊、目标占比小的问题，本文提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集，获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息，然后将YOLOv5s网络的上采样模块改进为CARAFE，使网络充分融合不同尺度特征，并通过网络损失函数为CIoU Loss的改进，使预测结果更加精确，最后，通过网络解耦头Decoupled head采用不同的分支并行处理检测与分类问题。实测数据实验处理结果表明，本文所提方法较原始YOLOv5s网络的mAP@0.5与mAP@0.5:0.95分别提升了3.3%和2.0%，尤其适用于小目标检测，并能同时满足检测和分类精度与实时性要求，适合部署至车载嵌入式系统中。

关键词： 刀具磨损   机器视觉   图像采集   图像处理  

摘要： 为在生产加工过程中有效检测刀具磨损状态,提高加工效率,降低加工成本,提出一种基于机器视觉的刀具磨损特征值获取方法与检测装置。基于加工场合开发了一款具备回收与展开两种状态的在位刀具图像采集装置;运用灰度处理、高斯模糊滤波与二维中值滤波、自适应二值化、形态学等图像处理技术对刀具图像进行预处理,结合GrabCut算法分割图像背景,运用OTSU分割算法提取刀具轮廓,采用Canny算子边缘检测提取刀具磨损区域,结合刀具直径计算得出刀具磨损特征值;通过对6061铝合金航发叶片进行正交试验,获取刀具磨损特征测量值,与电子数码显微镜获得的实际值对比表明,测量值与实际值之间的误差(除少部分外)均保持在0.02mm内。

关键词： 红外图像   多尺度小目标   目标检测   经典算法   深度学习算法  

摘要： 在复杂背景和噪声干扰下,如何利用红外探测系统快速且准确发现特征少、强度低、尺度变化以及运动状态未知的非合作小目标是一项具有挑战性的任务,备受学者关注。为了让读者全面了解该领域的研究现状,本综述将从算法原理、文献、数据集、评价指标、实验和发展方向等方面进行总结概括。首先,解释了以“红外多尺度小目标(点源和小面源)”为对象进行研究的原因并分析了红外多尺度小目标及背景的成像特性;其次,分别讨论了基于经典算法和深度学习算法的原理、设计策略和相关文献,并对比分析了这两类算法的优缺点;然后,总结了现有的红外小目标公开数据集和算法评价指标;最后,分别选取7种经典算法和15种深度学习算法进行定性和定量的对比分析。通过对单帧红外图像多尺度小目标检测技术的全面回顾,对该领域下一步的研究方向给出了9条具体建议。本综述不仅可以帮助初学者快速了解该领域的研究现状和发展趋势,也可作为其他研究的参考资料。此外,在本领域研究过程中,还将现有的20种经典算法、15种深度学习算法和9种评价指标集成在人机交互系统中,相关系统的视频介绍发布可由以下链接得到:https://***/kourenke/GUI-system-for-infrared-small-target-detection。

关键词： 目标检测   DETR   注意力机制   特征融合   自适应激活  

摘要： 针对当前传统检测算法对3C智能装配场景下小尺度器件识别精度不高,在面对目标器件遮挡情况下产生漏检等问题,提出一种改进的DETR算法,通过引入多尺度特征融合网络PANet,使模型保留更多的细节和上下文信息,从而提高对小目标的感知能力,改善小尺度器件识别精度不高的问题;针对骨干网络对多尺度特征提取能力弱,计算和参数量较大的问题,采用了ResNeSt-50骨干网络,使模型拥有更强的特征表示能力,从而改善了泛化能力以及提升了模型的效率;采用ACON自适应激活函数有效的优化了激活函数在负半轴特征信息消失的问题;最后使用Smooth-L 1 Loss可以结合Focal Loss损失函数,使模型收敛精度更高,并且有效的改善了正负样本比例不平衡的问题。在自建3C装配数据集上进行了实验对比,实验结果表明:所提算法的mAP@0.5比基准网络YOLOv5提高了4%,比YOLOv7提升了2%。

关键词： 信息融合   目标跟踪   量测关联   扩维无迹卡尔曼滤波器   空基多平台  

摘要： 该文以高空无人机(UAV)飞艇载双光电传感器,无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景,针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题,提出一种基于多平台异构信息融合的航空目标跟踪算法。首先,在坐标系转换的基础上提出基于角度-距离两级点迹关联算法,从而实现多传感器量测关联。其次,提出基于线面交汇融合定位算法,通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上,利用空基多平台侦察的异构信息,结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明,该算法实现了对航空高速目标的高精度跟踪。

关键词： 高级计算机视觉   研究生课程思政   案例教学  

摘要： 新工科和工业4.0背景下,许多高校的高级计算机视觉课程开设了深度学习模型教学,迅速提升了研究生的工程能力,其中大数据和开源模型的信息安全和应用价值观是思政教育热点。本文首先简要分析了该课程融入思政教育的三个问题:信息安全教育的忽视,价值观教育的忽视和变化的社会责任,结合视觉数据获取、视觉目标检测/分类、视频/图像生成三个方面的案例给出了可参考的缓解对策,在高级计算机视觉课程中推进人工智能教育的同时,加强研究生的信息安全观、求是创新的价值观和新的社会责任感,确保该课程思政教育的科学管理和有效运行。Under the background of new engineering and industry 4.0, many colleges and universities have set up deep learning model teaching in advanced computer vision courses, which has rapidly improved the engineering ability of graduate students. The information security and application values of big data and open source models are the hot spots of ideological and political education. This paper first briefly analyzes the three problems of integrating the course into ideological and political education: the neglect of information security education, the neglect of value education and the changing social responsibility. Combined with the three aspects of visual data acquisition, visual target detection/classification, and video/image generation, this paper gives a reference mitigation strategy. While promoting artificial intelligence education in advanced computer vision courses, we should strengthen graduate students’ information security concept, realistic and innovative values and new social responsibility, so as to ensure the scientific management and effective operation of ideological and political education in this course.

关键词： 人工智能   深度学习   目标检测   YOLOv8   垃圾检测  

摘要： 垃圾自动检测与分类是高效正确处置垃圾的前提,生活垃圾的多样性和多变性是垃圾检测的主要挑战。针对这一问题,本文提出一种基于YOLOv8的生活垃圾图像检测方法。首先,通过数据增强算法对数据集进行处理,扩充样本以提高模型的鲁棒性和泛化能力。其次,在主干网通过C2f等模块,进一步轻量化的同时有效提取图像特征。再次,颈部使用PaFPN经过自顶向下及自底向上两次融合各层级特征。最后,检测头解耦为分类和回归分支,输出垃圾对象位置及类别。在华为提供的数据集上的实验证明:该垃圾图像检测方法能有效定位并识别各种垃圾。