关键词： 苹果病害   目标检测   模型轻量化   注意力机制   智慧农业  

摘要： [目的]面对大规模的苹果园种植和管理,传统的果园巡检容易出现误检、少检的现象,并且传统的苹果病害检测模型参数量庞大难以实现移动端的轻量化部署,因此,设计一个高效并且轻量的苹果病害检测模型可以实现对苹果病害的有效预防与精准管理,从而改善苹果品质与增加果园经济收入。[方法]针对以上需要,提出了一种基于YOLOv5s的改进算法。以常见的炭疽病和褐斑病为主要研究对象,采集苹果表皮病害图像构建果园苹果病害数据集,通过Labelimg工具对图像进行标注与分类;引入GhostNet轻量化模块对主干特征提取网络进行替换,使用更小的参数量来捕获更多的特征信息,达到模型轻量化的效果,便于后期移动端的部署;引入SimAM无参注意力机制加强模型对通道和空间信息的同时关注,在不添加任何参数量的基础上对重要的病害特征赋予更高的优先级,提高模型的准确性;引入SIoU边界框回归损失函数来优化预测框对于目标病害的准确定位,通过重新定义角度惩罚度量帮助预测框快速定位到准确的轴,同时借助遗传算法优化θ的取值,实现提升模型训练和推理能力的效果。[结果]改进后的模型参数量和浮点运算数(FLOPs)比原始模型减少了30.2%和33.8%,在达到轻量化的基础上,mAP@0.5达到93.7%,mAP@0.5:0.95达到63.3%,分别优于YOLOv5s原始算法1.6%和0.7%。[结论]改进后的模型在实现轻量化的同时也达到了较好的检测性能,不仅实现了苹果病害的高效识别,也为其他农作物的病害检测提供了技术支持与参考依据。

关键词： 目标检测   YOLOv5算法   子像素卷积   多尺度融合  

摘要： 为了提升目标检测算法在多尺度学习方面的能力,尤其是对小目标的检测能力,本文提出了一种基于改进YOLOv5的超分辨率和多尺度融合目标检测算法。首先,该算法使用子像素卷积代替原YOLOv5模型的上采样操作,提高图像的分辨率,并尽可能保留小目标的信息。其次,使用并行快速多尺度融合(parallel fast multi-scale fusion, PFMF)模块实现深层特征和浅层特征的双向融合,将原YOLOv5算法的3尺度预测升级为4尺度预测,以此提高模型多尺度特征学习能力和对小目标的检测效果。实验结果表明,与YOLOv5s相比,改进后的模型在PASCAL VOC数据集中,mAP@0.5提高了2.8个百分点,mAP@0.5∶0.95提高了3.5个百分点;在MS COCO数据集中,mAP@0.5提高了4.3个百分点,mAP@0.5∶0.95提高了5.2个百分点。改进后的YOLOv5模型在多尺度检测,尤其是小目标的检测效果方面得到了提升,并具有一定的应用价值。

关键词： 新工科   产业   图像处理与机器视觉   前沿知识  

摘要： 图像处理与机器视觉课程属于新兴课程,其教学内容和模式不成熟。同时为了课程符合新工科和地方型高校建设的要求,对该课程的教学内容和方式进行改革。通过有机融入课程思政,基于区域特色的产业进行知识点的筛选,以及基于产业、前沿知识进行教学方法的改进,使得学生综合能力得到更好的培养。由成效分析可知,学生对本课程的教学内容和方法满意度较高,且学生的综合能力得到了更好的提升。为新工科背景下地方型高校新兴课程的教学模式建设提供了一定的参考价值。

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： 图像处理   目标检测   粒子滤波   均值漂移   运动轨迹  

摘要： 针对群体运动轨迹分析算法存在的执行时间长、预测准确率低等问题,基于高斯混合模型、均值漂移算法和LSTM模型提出一种具有较高预测准确率的群体运动轨迹分析算法。通过回顾和分析主流的群体目标跟踪算法,设计和构建基于粒子滤波的均值漂移算法,并在此基础上引入具有时空预测功能的LSTM模型和高斯混合模型,从而实现视频环境下群体目标运动轨迹的抗扰识别、跟踪和预测。仿真实验采用相同的篮球运动视频数据集作为样本,其统计结果表明,与传统的群体识别和跟踪算法相比,基于特征识别的群体运动轨迹分析算法具有更高的预测准确率和更少的平均执行时间,群体运动轨迹的预测准确率提升了14.9个百分点,算法的平均执行时间降低了21.6个百分点。

关键词： 航迹起始   多源融合   目标跟踪   监视系统   船舶雷达  

摘要： 针对海面机动目标实时跟踪难、定位精度低等问题,为进一步拓宽近海领域监管,保证邻海安全,船舶雷达监视系统的优化设计与实现是值得深入研究的方向。通过对船舶雷达监视系统的架构分析和功能设计等研究,利用多源数据融合技术实现对近海船舶目标的实时、动态、立体的区块化智能监控。并针对船舶机动目标跟踪这一核心问题,提出了一种基于非线性无迹卡尔曼滤波(UKF)的多目标航迹起始算法,能有效提高目标探测概率并降低虚假航迹,并通过仿真验证了算法的有效性。该研究具有一定的参考价值。

关键词： 计算机视觉   多目标跟踪   3D卡尔曼滤波   轨迹优化   改进的匈牙利算法  

摘要： 针对多目标跟踪算法在目标遮挡情况下存在的跟踪效果不佳的问题,本文提出一种基于三维点云检测的多目标跟踪算法。采用基于点云的三维目标检测器检测车辆目标,获取三维目标的位置信息;通过三维卡尔曼滤波器结合当前帧跟踪目标位置预测其在下一帧的位置;融合三维中心点空间距离与鸟瞰视图的交并比作为权重,使用改进的匈牙利算法进行数据关联;针对遮挡前后目标发生标签切换问题,提出了轨迹优化算法。在KITTI数据集上进行实验,车辆类跟踪精度、跟踪准确度分别达到84.71%、86.63%。在同样阈值的情况下,该方法相比AB3DMOT分别提升了6.28%、0.39%。实验结果表明此算法能有效改善三维多目标跟踪性能。

关键词： 目标跟踪技术   相关滤波   特征融合   尺度变化   多峰值检测  

摘要： 针对传统核相关滤波算法在目标被遮挡或发生运动模糊时跟踪效果不佳的情况,为了达到运动目标的实时稳定跟踪,提高跟踪系统的精度和成功率,提出一种基于核相关滤波的具有尺度自适应和特征融合的目标跟踪方法。首先在特征提取过程中,通过在原有的方向梯度直方图特征后添加颜色特征来提高目标特征的识别能力,即将HOG特征与CN特征相融合,然后构建尺度金字塔来进行尺度估计以达到目标的尺度自适应,最后通过多峰值检测机制实现模型的更新。通过在OTB2015数据集中进行测试,算法的精确率和成功率有了进一步提升,该算法能够准确地识别出目标,并对目标进行有效跟踪。

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。