关键词： 机场跑道异物   目标检测   空间注意力   特征融合  

摘要： 机场跑道异物对飞机起飞降落存在着致命威胁,而人工巡检异物的方式成本高,效率低,因此将深度学习检测算法用于机场跑道异物检测是必要的。针对异物尺寸大小不一、特征提取难度大而导致的漏检与定位不准问题,提出一种基于多尺度特征融合的机场跑道异物检测与识别算法。以多尺度特征提取与融合为切入点,提出多分支空间注意力,加强对异物的特征提取,同时能够关注不同尺寸大小的异物。采用BiFPN网络进行特征融合,能够高效融合不同尺度的特征信息。实验结果表明,改进后算法平均精度达到94.7%,相比于YOLOv5提高5.9个百分点,也超越了YOLOv6、YOLOv7以及Faster R-CNN,从而验证了该算法在机场跑道异物检测领域有较好的应用价值。

关键词： 深度学习   Yolov5   目标检测   印刷电路板   缺陷检测  

摘要： 为降低传统人工检测的压力,提升检测效率,使用基于深度学习的方法解决印刷电路板制造中的缺陷检测任务。使用YOLOv5s目标检测算法完成印刷电路板快速高效的缺陷检测。搜集具有各类缺陷的印刷电路板样本数据,同时使用数据增强扩充数据集并分别对其执行标注;在Pycharm中配置Pytorch深度学习环境并对以官方YOLOv5s权重作为预训练模型完成印刷电路板缺陷检测任务。结果表明:训练后最优模型平均检测精度为96.3%;经过测试在英特尔i5-8265U中央处理器平台上可以获得约11帧每秒的实时检测速度。基于YOLOv5s的印刷电路板缺陷检测具有良好的检测性能,可以代替传统人工检测,减轻了人力财力压力,具有很高的实用价值。

关键词： 电气接线图   矢量化   目标检测   文本识别   模板匹配  

摘要： 电气接线图是表示电气设备的位置、描述其接线与配线方式的工程图纸,需要转换成XML文件格式以用于智能电网系统调度管理,这一转换过程被称为矢量化。针对人工矢量化效率低、费时费力的问题,提出了一种电气接线图矢量化技术解决方法。首先给出了融合注意力机制的YOLOv3电气图元检测方法,实现了对各类电气图元的精准识别与定位;然后提出基于多尺度特征提取的文本区域检测算法,实现对图纸中电气文本标注区域的定位,再结合CRNN模型对其内容进行识别;最后提出基于模板匹配的矢量化成图策略,以图元组为单位,对图纸中电气元素间的关联关系进行分析。该方法已有实际部署运行案例,能高效、准确完成电气接线图纸的矢量化工作,满足电力系统的应用需求。

关键词： 棉花   目标检测   三维定位   注意力机制   损失函数  

摘要： 【目的】旨在解决高质量采棉要求下,采棉机对不同姿态和品级的棉花进行精确识别与定位的问题,提出了1种基于改进YOLOX的棉花检测方法YOLOX-Cotton。【方法】YOLOX-Cotton使用YOLOX模型作为主体框架,包含识别模块和定位模块,并引入了CA(coordinate attention)模块和SIoU损失函数,以多种姿态、品级的棉花图片作为数据集,对其进行训练并测试。【结果】YOLOX-Cotton模型的识别模块能够识别不同姿态和品级的棉花,且模型精确率、召回率和平均精度均值达到92.9%、86.8%和92.4%,与原YOLOX模型相比分别提升了5.2、5.5和6.1百分点。该模型的定位模块能够准确获得棉花的位置,测量结果均在田间试验验证结果的阈值范围内,所有样本的标准偏差均小于0.01。【结论】YOLOX-Cotton能够有效解决采棉机在高质量采棉要求下对棉花的识别与定位问题,将为实现高质量采棉提供了有力的技术支撑。

关键词： 机器学习   自然语言处理   计算机视觉   网络安全   人工智能   图数据   神经网络   数据处理方法  

摘要： 近年来,由于图结构的强大建模能力,用机器学习方法分析图数据的研究越来越受到重视.图机器学习是一类基于机器学习的图数据处理方法.特别是,将经典卷积神经网络模型拓展到具有非欧特性的图数据而产生的图神经网络具有强大的结构和特征融合学习能力,已成为国际研究热点,是人工智能发展的前沿技术.图机器学习不局限于处理图数据,广泛应用于计算机视觉、自然语言处理、网络安全和药物发现等领域.

关键词： 人工智能   机器视觉   目标检测   视频语义  

摘要： 随着远程监控和人工智能的融合发展,传统的码率优化算法并不适用于现阶段的移动监控网络场景。在机器视觉应用场景中,相对于传统码率优化算法只关注视频的质量,机器更关注于视频所表达的语义信息。以5G路侧摄像头远程智能检测为应用场景,提出一种基于视频语义的码率优化算法,在有限的码率传输范围内最大化目标检测准确率。具体地,该算法引入视频语义任务模型,将目标检测作为语义任务。分析目标比特与语义之间的特征关系,建立复杂度与运动区域结合的新权重来分配目标比特,使目标检测准确率达到最大化。实验结果表明,相较于HM16.23所使用的帧级树编码单元(Coding Tree Unit, CTU)层码率控制算法,所提算法不仅能够节省码率而且更符合无线远程监控的目标检测需求。在测试环境下平均提升了1.4%的目标检测准确率,最高能够提升2.5%的目标检测准确率。

关键词： 图像处理   计算机视觉   深度学习   数据需求   优化策略   计算资源   理论和实践意义   应用与优化  

摘要： 深度学习在计算机视觉领域取得突破性进展,推动了图像处理技术的发展。尽管深度学习的性能优越,但仍面临计算资源和数据需求量大的挑战。本文探讨了深度学习在图像处理中的应用现状、挑战及优化策略,通过分析和实验,为该领域的发展提供了新思路和新方法,具有重要的理论和实践意义。

关键词： 表面缺陷检测   YOLOv8   轻量化   目标检测  

摘要： 为提升带钢缺陷检测的精准度,并实现模型在移动端的便捷高效部署,提出一种基于改进YOLOv8n的轻量化带钢缺陷检测方法。首先,引入GhostNet来替代网络中的传统卷积层,显著减轻了网络的计算负担,通过加入CA(坐标注意力)关注机制,有效增强了网络的特征提取能力并增强了模型的感受野。其次,在特征融合部分,选用轻量级的CARAFE(基于内容的特征重组)上采样模块,进一步提升了模型对特征的提取效果。最后,为了优化网络边界框回归的性能,采用Wise-IoU边界损失函数来替代原有的损失函数,用改进后的带钢表面缺陷检测方法在NEU-DET数据集上进行实验。结果表明,改进后的方法参数量和计算量分别为9.5 M和6.4 GFLOPs,相较于原始网络提升了15%和21%,同时mAP(平均准确率均值)为81.5%,提升3.2%,优于其他对比目标检测算法,可为移动端检测装备的部署和应用提供参考。

关键词： 海上小目标   海杂波   特征提取   雷达试验   目标检测  

摘要： 海杂波背景下的海上小目标是海洋雷达探测的重难点。针对特征空间内海杂波与小目标特征可分性问题,提出了量化特征之间可分性的度量标准——重叠系数。通过开展对海探测试验获取的2~5级海况实测数据,分别提取时域特征相对平均幅度(Relative Average Amplitude,RAA)、相对峰值峰高(Relative Peak Height,RPH)、时域熵值均值(Time domain Entropy Mean,TEM),频域特征相对多普勒峰高(Relative Doppler Peak Height,RDPH)、相对多普勒向量熵(Relative Vector Entropy,RVE)、频域熵值二阶矩(Second moment of Frequency domain Entropy,SOFE),计算出重叠系数。通过特征检测器进行检测性能对比,低海况下,相对平均幅度、相对峰值峰高、时域熵值均值、相对多普勒峰高、频域熵值二阶矩特征之间重叠系数均在0.3以下,对应特征检测器的检测概率均在85%以上;高海况下其特征之间重叠系数均在0.7以上,对应特征检测器的检测概率均在50%以下。相对多普勒向量熵在4种海况下可分性较小,其对应的特征检测器性能较差。结果验证了重叠系数在一维特征选择的应用可行性,为多特征融合目标检测提供了一定支持。

关键词： 图像处理   EBAPS   像素暗噪声   自适应小波阈值   噪声强度估计   图像降噪  

摘要： 电子轰击有源像素传感器(EBAPS)是一种真空-固体混合的高性能微光视频成像器件,国产EBAPS尚处于研究初期,其成像环节会引入各种噪声,而经典常见的降噪算法大多针对高斯噪声,且需要已知噪声方差水平,因此需要研究特定的图像降噪算法。首先,分析EBAPS的噪声特性,包含与信号强度无关的高斯噪声、随信号强度变化的泊松噪声,以及固定噪声。然后,利用EBAPS的暗像素结构特性,提出一种单帧图像的噪声强度估计方法。最后,根据估计出的噪声强度对传统的小波阈值降噪进行改进,根据单帧图像的噪声强度分布提出一种自适应可变阈值。实验结果表明,所提出的方法有效降低了EBAPS图像的随机噪声。