关键词： YOLOv5l   目标检测   注意力机制   无人机  

摘要： 针对“黑飞”无人机目标小、尺度小、检测困难的问题,提出了一种基于YOLOv5l_CA的无人机目标检测方法。首先,建立无人机目标数据集,并对无人机进行标注;其次,运用YOLOv5l作为无人机训练时的基础网络,并设置好网络模型的超参数,用于模型的训练和评估;然后,对YOLOv5l进行改进,形成改进网络YOLOv5l_CA,它引入坐标注意力机制来增加天空下无人机的检测精度;最后,与其他网络模型进行对比实验。实验表明:改进的YOLOv5l_CA算法平均精度达到94.6%,分别高于YOLOv5s、YOLOv5m、YOLOv5l算法2.4%、1.9%、0.8%,有良好的表现,且满足了检测的实时性,验证了改进算法对无人机检测的可行性。

关键词： 陶瓷图像处理   机器视觉   人工智能   陶瓷生产  

摘要： 大数据与人工智能技术持续的深化发展及其在陶瓷领域的广泛应用,推动了产业的创新进程和效率的显著提升。本文综述了近年来陶瓷图像智能处理方面的重要研究进展,涵盖了图像修复、质量检测、图像识别、图像检索等多方面关键技术的应用,揭示了人工智能技术如何提升陶瓷设计创新和生产过程的质量。此外,细致分析了智能图像处理技术在优化制造工艺、提高生产效率以及促进陶瓷艺术与文化遗产保护等方面的应用。最后,展望了未来大语言模型如何在陶瓷领域中开拓前沿的创新路径,成为推动行业进步的关键力量。

关键词： 无人机   目标跟踪   孪生网络   Kalman滤波   重定位机制   追踪状态检测  

摘要： 针对无人机(UAV)面向空地目标进行目标跟踪过程中,发生目标离开视野、目标被遮挡、存在相似目标干扰等问题导致追踪失败的情况,提出一种基于追踪状态检测和Kalman滤波的重定位更新机制,将其与孪生全卷积网络(siamfc)跟踪器结合。以空地目标为被跟踪对象,以无人机为跟踪空地目标的跟踪者,首先,基于双峰选择、平均峰值相关能量变化率、最高响应值变化率和峰值旁瓣比变化率的检测机制检测当前的追踪状态是否异常,判断siamfc的追踪结果是否满足作为观测值的要求。其次,Kalman滤波利用目标运动的先验信息对追踪进行预测更新,当追踪状态异常时能够及时校正调整目标跟踪结果。基于LaSOT数据集完成训练,在UAV123航空数据集和自制的以无人机为目标的数据集上进行实时目标跟踪测试和对比实验。实验结果表明:该算法在UAV123上的精确率和成功率分别为66.0%和47.4%(62帧/s),在自制的以无人机为目标的数据集上的精确率和成功率分别为72.0%和58.6%(55帧/s),满足目标跟踪的实时性要求,且跟踪结果优于多数跟踪器。该算法在无人机为跟踪者和被跟踪对象的情况下均能完成有效目标跟踪,应对目标离开视野、部分或全部遮挡和存在相似目标干扰等挑战性场景的能力有所增强,且算法具有良好的泛化能力。

关键词： 人工智能   胡蜂防护   目标检测   计算机视觉   智能蜂箱  

摘要： 蜂产品作为重要的农产品资源,在市场上具有广阔的前景。但传统养殖模式常面临胡蜂入侵、环境不适应等问题,影响蜂蜜产量和质量。提高蜂产品质量效率,实现智能化养殖管理,对促进乡村振兴具有重要意义。文中以人工智能技术为切入点,分析了其在胡蜂防护中的应用价值及关键技术,并探讨了人工智能技术在胡蜂防护中的具体应用,旨在保障蜂群健康,提升蜂蜜产量,为现代化农业发展贡献力量。

关键词： 小目标检测   无人机   注意力机制   特征融合   YOLOv5  

摘要： 小目标由于可用特征少、纹理模糊等因素,一直是目标检测领域中的一个难点。针对无人机小目标检测中的误检与漏检问题,提出了一种无人机小目标检测算法LASD-YOLOv5。设计了一种极化自注意力机制,以更准确地提取微小特征;引入加权双向特征金字塔网络,替换路径聚合网络,以加强对底层特征的利用,对检测头进行解耦,以提高模型的收敛速度。同时,针对当前无人机小目标数据集中小目标占比少与场景不全面的问题,贡献了一个多场景低慢小无人机目标数据集LASD-D。结果表明,所提算法在LASDD数据集上的平均精度为98.29%,相比原网络提升了2.87%,同时也优于YOLOv7, YOLOv8与QueryDet等主流算法,完全满足无人机小目标检测领域的需求。

关键词： 水稻病虫害   图像识别   监测   预警  

摘要： 水稻病虫害是影响水稻产量与质量的重要因素之一,加强病虫害的防治意义重大。从需求分析、技术系统架构、功能模块3个方面详细阐述了水稻病虫害检测预警平台的研发过程,通过周围环境信息与图像识别技术实现了水稻病虫害监测预警功能,提升了水稻病虫害防治效率。分析和调研发现,水稻病虫害检测预警平台仍然存在一些问题,未来将从增强系统的地域适应性、提高小型害虫的识别效果、构建高质量农业病虫害数据集3个方面开展进一步研究。

关键词： 霉变花生   机器视觉   HSV色彩空间   图像处理   双边滤波  

摘要： 花生霉变产生的黄曲霉毒素具有强致癌性,严重影响食品安全。为精准快速的识别霉变花生,提出一种基于机器视觉的霉变花生检测方法。首先对花生图像进行双边滤波降噪,然后将图像转为色调、饱和度、亮度(HSV)空间,通过在色调、饱和度空间内提取的霉变颜色范围叠加亮度空间的开运算处理结果来实现对霉变花生的识别检测。实验结果表明,该方法对于霉变花生的识别精度达到95.3%,处理单帧花生图像耗时为0.6s,通过与其它算法对比,该方法具有快速、准确率高等优点,可以满足霉变花生的实时检测,对花生霉变的分级处理也更加实用。

关键词： 光学晶体   维氏硬度   YOLOv5s   概率霍夫直线  

摘要： 硬度是衡量材料软硬程度的一种性能指标。针对镥铝石榴石(lutetium-aluminum garnet,LuAG)和镥镓石榴石(lutetium-gallium garnet,LuGG)等光学晶体弹性小、受压易破损、压痕边界不清晰的特点,提出一种基于图像处理的光学晶体维氏硬度测量方法。利用深度学习YOLOv5s网络,从图像中分割出维氏压痕目标位置,进行自适应二值化,选取最大连通域、骨架提取,进一步通过概率霍夫直线检测特定方向线段,得到压痕4个顶点的准确位置。实验结果表明,平均相对误差可以控制在1.5%以内,有效降低了传统网络算法和传统图像处理算法的计算误差,适用于对光学晶体维氏硬度的自动化精确测量。

关键词： 容积卡尔曼滤波   导航定位   目标跟踪   弹道数据处理  

摘要： 容积卡尔曼滤波由于其良好的滤波稳定性和高精度,是目前应用最为广泛的滤波算法。通过介绍迭代容积卡尔曼滤波、平方根容积卡尔曼滤波和自适应容积卡尔曼滤波3种容积卡尔曼滤波的原理及优缺点,结合具体实例,分析其在导航定位、目标跟踪、弹道数据处理中的应用情况,为选取合适的容积卡尔曼滤波进行数据处理提供参考。研究表明,容积卡尔曼滤波具备优异的非线性逼近性能、数值精度以及滤波稳定性,能有效处理高维数非线性系统滤波问题,为解决实际问题提供了有效手段。

关键词： 铸件表面缺陷   目标检测   CCD-YOLOv5  

摘要： 针对铸件表面缺陷检测对象种类繁多、目标不明显、特征多样等因素,提出一种基于改进YOLOv5算法的铸件表面缺陷检测模型。对数据样本做翻转、旋转、调色处理,使用9-Mosaic数据增强,丰富样本数量特征;将CSPDarknet53模块替换为C2f模块,丰富轻量化网络梯度信息;引入CA注意力机制,提升模型泛化能力;将耦合头模块替换为解耦头模块,提升拟合速度。改进CCDYOLOv5对铸件表面缺陷检测的准确率由78.2%提升至82.9%,召回率由74.3%提升至76.7%,mAP@0.5值由76.4%提升至81.0%。结果表明,改进模型有效提升了综合识别检测效果。