关键词： 特定辐射源识别   数字频谱余晖图   目标检测   YOLOv5算法  

摘要： 在电子战、无线网络安全等军事和民用领域中,特定辐射源识别(SEI)具有极高的应用价值。传统方法以人工提取特征为主,依赖先验知识泛化性差;深度学习方法多以含有二维信息的图像为输入,易遗漏关键信息。针对以上问题,提出了以数字频谱余晖图作为深度学习模型输入的解决手段,从而实现了SEI任务。首先,搭建辐射源信号探测及数据采集系统,获取Wi-Fi辐射源信号的数字频谱余晖图,建立首个基于数字频谱余晖图的SEI数据集;其次,利用该图包含信息更丰富的特点,将信号识别问题转化为目标检测问题;最后,在Wi-Fi辐射源识别数据集(WFEID)上进行了实验验证。实验结果表明,YOLOv5s在WFEID上P、R、F1和mAP等指标均能达到87.5%以上,从而证明了以数字频谱余晖图作为深度学习模型的输入在SEI任务中是有效的。

关键词： YOLOv5s算法   人员行为辨识   目标跟踪算法   卡尔曼滤波算法  

摘要： 研究针对电网带电区域施工人员行为监测存在的难点问题,设计了一种基于目标跟踪的人员行为辨识系统。该系统结合计算机视觉技术和传感器技术,采用双向特征金字塔网络(BiFPN)和优化损失函数的方式对YOLOv5s进行改进,并引入卡尔曼滤波模型实现对施工人员行为的目标跟踪。结果显示,在NEU Pole和Baidu FSG数据集中的辨识正确率为92%以上,当准确率为0.9时,对应的召回率分别为0.82和0.84。研究系统在两种场景分别正确识别标注13个和44个。对比以上数据可知,研究系统能对电网带电区域施工人员行为进行精确辨识和实时跟踪检测。

关键词： 混合式教学   Photoshop图形图像处理   教学实践  

摘要： 混合式教学模式作为传统课堂与在线学习相结合的新形式,在提升教学效果与增强学习体验方面呈现出独特的优势。将线上线下混合式教学模式运用到Photoshop图形图像处理教学中,可推动Photoshop图形图像处理教学改革并提升教学质量。

关键词： 智轨电车   多任务网络   目标检测   语义分割   鸟瞰图   特征金字塔  

摘要： 智轨电车在城市复杂道路场景下的安全运行离不开车载感知系统的支持,相较激光雷达感知,视觉感知算法存在距离检测精度不够、对环境光照敏感的短板。基于此,文章从智轨电车运行场景和感知方案部署成本出发,提出了一种基于激光雷达的多任务鸟瞰图(bird's-eye-view,BEV)感知算法。该算法采用深度学习的方法,将点云目标检测和语义分割两个任务统一到一个多任务网络中,相较独立部署两个网络的方法,其不仅节省了计算开销,还能提升网络检测分割性能。此外,该多任务网络采用基于BEV的点云编码方式,将从点云提取的特征通过映射转换到BEV空间,再通过特征金字塔进行多尺度的特征融合,最后分别通过检测模块和分割模块获取对应预测结果。测试结果表明,该算法的3D检测平均准确率达到0.925,分割准确率达到0.984,部署后单帧点云检测分割推理时间约为60ms,能够满足智轨电车实时准确感知周围障碍物和环境的要求。

关键词： 脑机接口   稳态视觉诱发电位   增强现实   目标识别  

摘要： 本研究探讨了一种基于增强现实(AR)环境和稳态视觉诱发电位(SSVEP)的脑机接口(BCI)系统,用于在真实场景下通过视觉注视完成对现实物品的选取任务。该系统结合了目标检测技术和AR技术,在真实物体上附加视觉增强效果,从而给予用户视觉刺激诱发相关脑电信号,再利用SSVEP技术解析脑电信号,完成对用户关注物体的识别。此外,本文采用了基于自适应动态时间窗的滤波器组典型相关分析算法实现对受试者脑电信号的快速解析。实验结果表明,该系统可以有效地识别解析SSVEP信号,对用户视觉目标的识别平均准确率达到了90.6%。该系统拓展了SSVEP信号在现实生活场景中的应用,在帮助行动不便和肢体功能受损患者进行物品选取任务上具备可行性和有效性。

关键词： 目标检测   缺陷检测   YOLOv8   可变形卷积   Inner-IoU  

摘要： 针对钢材表面缺陷检测任务中目标尺寸较小且形态多变,传统检测方法效率较低,通用算法也难以准确捕捉其特征信息等问题,提出基于YOLOv8的改进模型。利用可变形卷积替换部分标准卷积,使模型能更好地学习采样位置的偏移,适应表面缺陷的几何变换,从而提高检测精度;引入基于辅助边框的Inner-IoU损失函数,其能根据不同的检测任务自我调整比例因子,以控制辅助边界框的生成,适合处理形状多变的表面缺陷,提高模型泛化性。在基准数据集NEU-DET上的实验结果表明,与具有相同参数量的基线模型相比,改进后的模型的检测精度提高了2.3%,且优于其他对比算法。此外,在GC10-DET数据集上,与基线模型相比,其检测精度提高了4.0%,表明该模型具有良好的泛化性。

关键词： 森林火情   深度学习   目标检测   YOLOv8  

摘要： 为解决森林防火工作中监测预警不及时、不准确的问题,基于YOLOv8模型提出了一种面向复杂场景的监测技术,实现了森林火情的快速准确监测。在Backbone部分引入动态蛇形卷积(Dynamic Snake Convolution, DySConv)模块和全局注意力机制(Global Attention Mechanism, GAM)模块,显著增强了模型的特征提取能力,提升了烟火特征的表现力。采用WIoU(Wise Intersection over Union)损失函数,增强网络对普通质量锚框的关注度,从而提供更准确的目标检测评估。通过将DyHead模块集成到检测头中,增强了检测头的尺寸、空间和任务感知能力,优化了整体性能。为了对模型性能进行严格评估,设计了消融实验和主流模型对比实验,结果表明,提出的方法是有效的,该方法的权重大小为14.4 MB,平均精度均值(mean Average Precision, mAP)@.5:.95达到80.3%。相较于YOLOv8,mAP@5:.95提高了8.7%。该模型可为远程火情监控与预警提供技术支持,在森林防火工作中具备实用价值和现实意义。

关键词： 目标检测   注意力机制   轻量化   深度学习  

摘要： 针对零件(以轴承座为例)表面缺陷人工检测效率低、容易误检和漏检的问题,提出了一种基于YOLOv5的改进的检测算法。首先在主干网络中引入CA注意力机制,该机制将位置信息嵌入到了通道注意力中,有效提升了模型的检测性能。其次,将YOLOv5的定位损失函数由CIoU改为WIoU v3 loss,以提高预测框回归精度。接着用轻量级卷积方法GSConv代替原有的标准卷积,使网络模型计算量及参数量降低,以提升模型推理速度。实验结果表明,所改进算法与YOLOv5s原模型相比,参数量减少了6.1%,计算量减少了3%,平均检测精度提升了1.3%,检测速度提升了1.6%。

关键词： 生物医学工程   图像处理   脑机接口   生物医学信号处理   医疗卫生装备   生物医学成像   技术研究成果   神经工程  

摘要： 为促进我国生物医学工程领域的繁荣与发展,提升卫勤保障装备研发速度和质量,我刊“论著-研究与设计”栏目特面向全国征稿。该栏目主要报道生物医学工程领域最新的理论和技术研究成果、新型医疗卫生装备及器械的研制、医院数字化及智能化建设,选题包括但不限于:(1)基础研究类,如生物医学工程关键技术研究、生物系统建模及仿真研究、生物医学信号处理技术研究、生物医学成像与图像处理研究、脑机接口与神经工程研究。

关键词： 跌倒检测   计算机视觉   机器学习   深度学习  

摘要： 随着我国老龄化程度加剧,空巢独居老人所占比重明显上升,适老化设备越来越受到人们的关注。家庭环境下,由于无人看护、年龄增加以及突发疾病等一系列客观或主观原因导致的老年人跌倒已经成为威胁老年人健康的主要原因之一。因此,实时监测老年人的居家行为,对摔倒行为及时做出检测和预警,在一定程度上可以保障老人的生命安全,降低老年人由于意外跌倒所带来的生命健康风险。本文在对近几年跌倒检测方法研究进行广泛调研的基础上,根据数据获取所使用的不同类型传感器,将跌倒检测技术主要分成2类:非视觉跌倒检测方法和视觉跌倒检测方法。总结介绍了不同跌倒检测方式的系统构成,探讨了国内外最新的相关研究成果,并对其方法特点和实际应用进行了讨论。随着近几年深度学习技术的快速蓬勃发展,本文对基于深度学习的跌倒检测方法进行了重点调研,对相关算法原理及研究成果进行了深入分析与总结。此外,本文还介绍了常用的公开跌倒检测数据集,包括它们的规模和存储格式等特性,最后本文对跌倒检测技术近年来已取得的进展和未来的发展趋势分别进行总结和展望,并提出了不同方面的合理发展建议。