关键词： 目标跟踪   目标运动要素   质量评价   层次分析法   熵权法  

摘要： 水面舰艇反潜作战过程中,目标跟踪是其重要组成部分。目标跟踪过程中通过目标运动要素解算得到目标四要素信息,并通过解算结果计算命中概率。目标运动要素的解算结果受战场情况、探测方式以及解算模型等多方面因素影响,为将各个分离的单一因素关联起来,文中从解算数据完整性、可用性、及时性以及准确性4个方面构建了一种目标运动要素解算质量评价体系,以总偏差最小为目的将层次分析法和熵权法有效结合以确定指标权重,经加权求和得到目标运动要素解算质量评估值,并与命中概率仿真结果进行对比分析。仿真结果表明,使用解算质量计算出的近似命中概率与实际命中概率误差小于9.2%,文中构建的评价体系能有效将各个信息结合起来,合理充分地表达命中概率,有利于交战决策。

关键词： 无监督学习   域适应   夜间目标检测   对比学习   Faster-RCNN  

摘要： 夜间目标检测任务中,目标能见度低,难以对图像数据进行大量标注,导致使用监督方法进行大规模数据训练的困难,而当使用较小规模标注数据训练时监督方法容易产生过拟合,预测准确性差。针对这些问题,本文提出一种无监督域适应夜间目标检测模型,使用有标注白昼图像和无标注夜间图像训练。模型使用了昼夜图像增强方法,减小昼夜域间隙并提升夜间训练数据的复杂性以丰富特征学习;将多尺度通道注意力引入Faster-RCNN模型,提升感知多尺度特征的能力;使用类别对比学习方法获得具有鉴别性和域间不变性的类别特征。在城市交通数据集BDD100K和SODA10M上进行的实验表明,本文方法性能优于常用的域适应目标检测方法。

关键词： 改进YOLOv8   目标检测   特征提取   起降飞行姿态   风险检测  

摘要： 飞机在执行飞行任务时,其起飞和降落两个阶段是整个飞行过程中最关键和最具挑战性的时刻之一,其起降飞行姿态的变化程度关系到整个飞机的安全性。为了降低飞机在起降过程的风险性,提出了一种基于改进YOLOv8的飞机起降飞行姿态的风险检测方法。该检测方法综合利用了CBAM注意力机制、GSConv轻量化卷积模块和HIOU准则函数等深度学习和目标检测技术,实现了对飞机机翼、起落架等关键结构部位的准确检测,以便利用识别到的飞行姿态特征参数来对飞机当前的安全状态进行分析和评估。经实验验证表明,该改进方法对于飞机起降阶段中的飞行姿态风险状况能够进行精准识别和检测,具有较高的可靠性。

关键词： 计算机   视觉算法   图像处理   畸变校正  

摘要： 随着技术进步,计算机视觉算法已经深入图像处理技术的各个领域,其支持下的图像处理技术不仅在学术研究中占据重要地位,同时也在工业、医疗、安全等实际应用中发挥着至关重要的作用。该文通过概述了计算机视觉算法和图像处理技术的特点,系统分析了图像畸变矫正与增强技术,以期充分发挥计算机视觉算法在提高图像质量、增强系统性能以及拓宽技术应用范围方面的影响力。

关键词： 机器视觉技术   纸病   图像处理   改进Hough变换   支持向量机  

摘要： 机器视觉技术在工业领域尤其是缺陷检测方面展现出显著的应用潜力,其不仅能够有效提升检测的精确度和效率,还在降低人力成本方面发挥着不可忽视的作用。为此,通过探索机器视觉技术在纸张缺陷检测上的应用实例,深入分析了其面临的挑战及未来发展方向。详细讨论了基于机器视觉的纸张缺陷智能检测算法,重点涵盖了图像的预处理、特征参数的提取,并对复杂纸病的识别技术进行了深入研究。通过对特定纸病样本的训练与测试,以及对支持向量机多分类器的优化,对几类典型纸病的检测分类实验,不仅证实了所提算法的实用性,还展现了其高效的检测能力。

关键词： 收割机   清选损失   夹带损失   图像处理   现场试验  

摘要： 为提高国产联合收割机智能化水平,降低谷物收获损失率,设计了一种基于传感器技术的收割机作业损失率在线检测系统。该装置可自动检测收割机作业清选损失率、夹带损失率,便于机手及时发现并解决问题,以减少谷物收获损失。现场试验结果表明,该装置作业效率较高,检测误差较小,符合设计要求。

关键词： 茶芽   目标检测   奇异值分解   少量样本   遗传算法   YOLOX  

摘要： 构建大规模茶芽目标检测数据集是一项耗时且繁琐的任务,为了降低数据集构建成本,探索少量标注样本的算法尤为必要。本文提出了YSVD-Tea(YOLO singular value decomposition for tea bud detection)算法,通过将预训练模型中的基础卷积替换为3个连续的矩阵结构,实现了对YOLOX算法结构的重构。通过维度变化和奇异值分解操作,将预训练权重转换为与重构算法结构相对应的权重,从而将需要进行迁移学习的权重和需要保留的权重分离开,实现保留预训练模型先验信息的目的。在3种不同数量的数据集上分别进行了训练和验证。在最小数量的1/3数据集上,YSVD-Tea算法相较于改进前的YOLOX算法,mAP提高20.3个百分点。对比测试集与训练集的性能指标,YSVD-Tea算法在测试集与训练集的mAP差距仅为21.9%,明显小于YOLOX的40.6%和Faster R-CNN的55.4%。在数量最大的数据集上,YOLOX算法精确率、召回率、F1值、mAP分别为86.4%、87.0%、86.7%和88.3%,相较于对比算法均最高。YSVD-Tea在保证良好性能的同时,能够更好地适应少量标注样本的茶芽目标检测任务。

关键词： 视觉识别技术   缺陷检测   状态监测  

摘要： 阐述计算机视觉技术原理,通过实践分析,探讨计算机视觉技术在电力一次检修中的具体应用,包括设备表面缺陷检测、导线及绝缘子缺陷检测、电力设备状态在线监测以及开关刀闸位置监测。

关键词： 三维点云   自动驾驶   激光雷达   深度学习   三维目标检测   柱体素   交叉注意力   单阶段算法  

摘要： 针对现有单阶段三维目标检测算法对点云下采样特征利用方式单一、特征对长程上下文信息的聚合程度无法满足算法性能提升需求的问题,本文提出了基于多通道交叉注意力融合的单阶段三维目标检测算法。首先,设计通道交叉注意力模块用于融合下采样特征,可基于交叉注意力机制在通道层面上增强多尺度特征对不同感受野下长程空间信息的表达能力;然后,提出级联特征激励模块,结合原始下采样特征对通道交叉注意力加权特征进行级联激励,提升算法对关键空间特征的学习能力。在公共自动驾驶数据集KITTI上进行了大量实验并与主流算法对比,本文算法作为单阶段目标检测算法,在车辆类别3个难度级别上的检测准确率分别为91.34%、79.85%和75.98%,较基线算法分别提升了4.83%、3.26%和3.32%。实验结果证明了本文算法及所提模块在三维目标检测任务上的有效性和先进性。

关键词： 绝缘子检测   YOLOv5s模型   scSE注意力机制   图像处理  

摘要： 绝缘子在高压和超高压架空输电线路中的安全运行至关重要,因此对绝缘子图像的准确识别显得尤为关键。为了提高绝缘子缺陷检测的精度,提出了一种基于改进YOLOv5s模型的绝缘子缺陷检测方法。通过引入scSE注意力机制,以实现通道和空间方面的校准,强化了该模型在对绝缘子缺陷的辨识能力,从而进一步提高对绝缘子图像识别的精度,特别是在遮挡和相似目标干扰的情况下表现更为出色;在此基础上增加了Mosaic数据增强处理,为模型的训练提供更多数据,使模型在多场景下表现优异。经实验证实,该算法准确率达到了92.8%,召回率达到97.5%,mAP达到了98.8%,其检测精度明显优于其他模型,并在复杂场景下展现了出色的鲁棒性,为绝缘子检修工作提供了新的思路。