关键词： 无人机   目标靶定位   FastestDet算法   目标检测   透视变换   轮廓检测  

摘要： 为解决无人机在自动多目标靶定位领域计算资源有限、实时性要求高、定位准确率有限等问题,提出一种基于FastestDet的多目标靶定位方法。首先,通过轻量级目标检测算法(FastestDet算法)实现目标靶检测;其次,对所获得的目标靶图像进行透视变换,并截取仅含目标靶的透视变换图像;再对图像进行去噪、灰度化等处理,通过轮廓检测获得目标靶心圆轮廓后,计算透视变换后的靶心坐标;最后,通过逆变换计算原采集图像实际目标靶心坐标。实验结果表明:所提方法采用的目标检测算法网络参数最小,单张图像处理时间最短,占用计算资源少,实时性高,识别准确率达到90.4%,目标靶识别准确率较高;与其他方法相比,该方法的综合定位误差最大可降低92.09%,定位准确率高,可行性强。

关键词： 深度学习   目标检测   小目标   吸烟   转置卷积   注意力机制  

摘要： 为预防公共场所因吸烟而引发的安全事故,在YOLOv3框架的基础上提出了改进的吸烟检测算法;首先针对传统上采样操作丢失像素信息等问题,设计出一种卷积-转置卷积模块进行替换;在特征融合部分加入坐标注意力机制,使网络更好关注小目标;使用改进的k-means++优化先验框;最后将GIoU替换IoU作为算法的损失函数,进一步提高检测精度;此外,构建了一个多场景的抽烟数据集,并对数据集进行数据增强与扩充;实验结果表明,改进后的算法较原算法在AP@0.5和AP@0.5∶0.95上分别提高5.58%和3.34%,FPS降低3左右。

关键词： Remote sensing image   Oriented bounding boxes object detection   Small target detection   YOLOv8  

摘要： In the study of oriented bounding boxes(OBB)object detection in high-resolution remote sensing images,the problem of missed and wrong detection of small targets occurs because the targets are too small and have different *** OBB object detection for remote sensing images,although making good progress,mainly focuses on directional modeling,while less consideration is given to the size of the object as well as the problem of missed *** this study,a method based on improved YOLOv8 was proposed for detecting oriented objects in remote sensing images,which can improve the detection precision of oriented objects in remote sensing ***,the ResCBAMG module was innovatively designed,which could better extract channel and spatial correlation ***,the innovative top-down feature fusion layer network structure was proposed in conjunction with the Efficient Channel Attention(ECA)attention module,which helped to capture inter-local cross-channel interaction information ***,we introduced an innovative ResCBAMG module between the different C2f modules and detection heads of the bottom-up feature fusion *** innovative structure helped the model to better focus on the target *** precision and robustness of oriented target detection were also *** results on the DOTA-v1.5 dataset showed that the detection Precision,mAP@0.5,and mAP@0.5:0.95 metrics of the improved model are better compared to the original *** improvement is effective in detecting small targets and complex scenes.

关键词： YOLOv8   卷积神经网络   苗期杂草   目标检测  

摘要： 针对田间自然环境拍摄下稻田背景复杂,苗期杂草图像尺寸过小、识别定位不准确等问题,提出了一种改进YOLOv8卷积神经网络的苗期杂草检测方法。参照PASCAL VOC数据集格式,构建了一套专用的数据集。首先,在网络卷积过程中加入DenseNet(密集连接网络)更好地对杂草特征进行提取,优化梯度消失问题。然后,添加CBAM(Convolutional block attention module)注意力机制改善模型对小尺寸的敏感度。最后,使用WIOU(Weighted intersection over union)损失函数来优化原网络中的损失函数,提升模型对检测目标的定位能力。在试验中,将改进的算法与Faster R-CNN、SSD(Single shot multiBox detector)以及原始YOLOv8等算法进行了性能对比。结果显示,改进算法明显优于其他算法,在测试集上的平均精度均值和检测速度分别达97.0%和100.3帧/s。这种高精度和快速的检测能力满足了精准农业中对快速、精准检测的需求。该算法为机械设备快速识别苗期杂草、精准喷洒农药提供了重要的理论和技术支持。

关键词： 低光照   可见光   红外图像   图像融合   目标检测  

摘要： 图像融合是将多个输入图像合并成一个单一图像的技术。可见光红外图像融合能提高目标检测的准确性,但在低光照场景下往往效果不佳。基于此,提出一种新的融合模型DAPR-Net。该模型具有跨层残差连接的编解码结构,将编码器的输出与解码器的对应层的输入相连接,加强各层卷积层间的信息传递。在编码器中设计了双注意力特征提取模块AFEM,使得网络能够更好地区分融合图像与输入的可见光和红外图像之间的差异,同时保留两者的关键信息。在多个公开数据集上与6种先进方法进行对比,实验结果表明,与基准PIAFusion模型相比,该模型在LLVIP和MSRS数据集上的信息熵、空间频率、平均梯度、标准差、视觉保真度指标分别提高了0.849、3.252、7.634、10.38、0.293和2.105、2.23、4.099、27.938、0.343;在YOLOV5目标检测网络上,LLVIP和MSRS数据集的平均精度均值、召回率、精确率、F1值指标分别提高了8.8、1.4、1.9、1.5个百分点和7.5、1.4、8.8、1.2个百分点,相较于其他融合方法表现出更显著的优势。

关键词： 改进YOLOv8算法   多尺度   轻量型   车辆目标检测  

摘要： 通过研究YOLOv8算法,提出重构主干网络、多尺度特征融合、注意力机制及柔性非极大值抑制等改进策略,以构建RBTYOLO模型。实验结果表明,在标准数据集上,改进后的模型在检测精度与效率上均有显著提升。消融实验与模块对比验证了各改进的有效性,特别是不同BiFPN与注意力机制的优化选择。本研究的改进方法显著增强了YOLOv8的检测能力,为目标检测领域的研究与应用提供了有力支持。

关键词： 应变测量   图像处理   深度学习   图像修复   生成对抗网络  

摘要： 在非接触网格应变测量技术中,针对网格图像的局部缺陷带来的测量效率低、精度低等问题,提出一种基于深度卷积生成对抗网络的边缘信息辅助的融合谱归一化和分区小块补丁的两阶段网格图像修复模型(SPE)。该模型的第1阶段利用Canny边缘算子提取含有缺损的网格图像的边缘图像进行修复,作为第2阶段模型的先验辅助;第2阶段则对真实测量的图像的缺损区域进行修补,利用不同比例的掩膜与真实图像结合形成数据集,并进行模型训练;最后,用测试图像验证模型对网格图像缺陷的修复效果。结果表明:相比传统PM算法与DCGANs算法,SPE模型算法表现更优,可有效地修复由于光照与表面损伤等造成的图像缺陷,有效地提高了测量效率和结果的准确性。

关键词： 纹影法   放电通道成像   折射率场重建   冰面放电  

摘要： 相比于电流、电压等传统测量方法,利用纹影技术拍摄得到的冰面局部电弧等放电的图像更加直观,其图像处理和折射率场重建是定量分析放电的几何尺寸、密度、粒子分布等物理特性的基础。从放电通道的光偏折特性出发,介绍了利用纹影成像技术测量放电通道的原理;提出了一套覆冰表面放电通道的图像处理和折射率场数值重建方法,通过数值实验验证了算法准确性。实测结果表明,所设计的纹影系统空间分辨率为10~100μm/像素可调、时间分辨率为1~38.45μs可调;提出的折射率场重建方法具有较高精度,能够有效得到冰面局部电弧形成过程中各个放电阶段的折射率场。

关键词： 深度学习   目标检测   林业   害虫检测  

摘要： 林业是我国重要的基础产业,能将生态效益、经济效益、社会效益集于一体。害虫暴发会对林业资源及生态安全造成极大威胁,给国家造成巨大经济损失。快速、准确、有效地检测林业害虫能够阻止病虫害的扩散蔓延,促进森林病虫害的综合治理,减轻对林业生产和生态环境建设的危害。深度学习方法的飞速发展促进了林业害虫检测精度的提高。文中概述了深度学习的发展进程,通过总结国内外关于深度学习方法在林业害虫智能化检测中的应用,探讨深度学习方法在实际应用过程中存在的问题,并展望其在林业害虫智能化检测方面的发展趋势,以期为林业害虫智能化检测发展提供参考。

关键词： 目标检测   机场跑道异物   注意力机制   CBAM   AFPN   BiFormer   MPDIoU Loss  

摘要： 机场跑道异物对航班安全起降构成极大威胁,准确及时地检测并清除机场跑道异物是机场安全工作的重点。针对机场跑道异物检测任务中的小目标检测精确度与实时性,提出一种基于YOLOv7的机场跑道异物检测算法。首先在主干网络引入CBAM模块,从空间注意力与和通道注意力两方面专注小目标特征信息提取;其次在加强特征提取网络结合AFPN思想提出SA-PANet结构,将相邻有效特征层进行渐进式特征融合,缓解有效特征层之间的语义差距;然后在加强特征提取网络的PANet结构下采样支路中引入BiFormer模块,聚焦小目标特征信息的进一步融合提取;最后在边界框定位损失函数计算过程中引入MPDIoU Loss,加速模型收敛并提升机场跑道异物检测准确率与定位精度。在机场跑道异物图像数据集上实验表明,改进后算法mAP 50为98.76%,较改进前算法提升9.09个百分点。与其他针对机场跑道异物检测的算法相比,改进后算法具有更高的检测精度同时将模型参数量与模型计算量增幅控制在可接受范围内,达到机场跑道异物检测任务的准确、快速需求。