关键词： 自然环境   葡萄   多模态   语义分割   目标检测  

摘要： 葡萄果实的采摘点定位准确率依赖于目标检测和语义分割网络的性能。然而,在实际应用场景中,基于可见光图像的葡萄果实目标识别准确率和分割精度易受光照变化、复杂环境影响,往往表现不佳,且葡萄果实成串生长,现有苹果、梨子等多模态数据集难以满足串形葡萄果实的识别需求。构建基于可见光、深度、近红外的葡萄多模态目标检测和语义分割数据集,对于探索更高识别率和更强泛化能力的葡萄果实目标检测和语义分割模型至关重要。本数据集约39.08 GB,共收集了在不同光照和遮挡条件下青色、紫色两类6个品种的葡萄高质量多模态视频流数据,并从中提取3954张图像样本进行语义分割和目标检测标注。在使用旋转、缩放、错切、平移,以及高斯模糊等图像增强手段下,可满足主流深度学习模型训练需要。本数据集可为多模态视觉数据融合、葡萄果实语义分割和目标检测等领域提供宝贵的基础数据资源,对促进农机装备智能化领域研究具有重要的实际应用价值。

关键词： 深度学习   目标检测   防震锤   YOLOv4   MobileNet   V2  

摘要： 针对高压线路巡检中防震锤的识别定位与丢失检测,提出一种基于改进YOLOv4的算法模型。首先根据收集而来的巡检图像做有目的地数据增强,扩大数据集。然后融入迁移学习思想,在模型训练过程中使用预权重以及进行冻结训练。最后将YOLOv4原始主干特征提取网络替换成轻量型网络MobileNet V2,将深度可分离卷积运用于网络中,大大减少参数量。对实验结果进行对比分析,改进后的算法模型综合性能表现良好,也符合巡检要求。

关键词： 农业病虫害识别   改进PP-YOLO   深度学习   计算机视觉   目标检测  

摘要： 在农业生产活动当中,病虫害对粮食的产量产生了很大的影响。在无人机中利用计算机视觉精准识别病虫害为农业生产提供了保障,但是同时也带来了目标太小、精准度不高的问题。针对此问题,通过在PP-YOLO网络的基础上引入注意力机制SENet(Squeeze-and-Excitation Networks),增强其主干网络的特征提取能力,提高小目标番茄叶斑病的识别准确率。经过试验表明,该文所提出的方法在PlantVillage中番茄叶斑病数据集上的检测性能优于PP-YOLO,平均精度达到86.44%,具有一定的应用价值。

关键词： 特征融合   Transformer   目标跟踪   特征优化   目标分类  

摘要： 近年来判别相关滤波器(DCF)在视觉跟踪领域取得了巨大的成功,然而大多数相关滤波跟踪器仅依赖主干网提取的最后一层特征,忽视了低层丰富的目标结构信息。基于此,提出了一种基于特征融合模块和Transformer结构模型预测器的目标跟踪算法。引入了一个金字塔形的特征融合模块,能有效整合低层特征和高层特征。使用采用非对称位置编码方案的Transformer结构预测目标模型权重,以释放模型的表达能力。提出了一个特征优化模块以根据模型权重优化搜索特征。与现有的方法相比,该算法实现了更优的特征表示和更准确的目标定位。在Tracking-Net、LaSOT和UAV123三个主流数据集上的实验结果表明,跟踪器获得了突出性能。

关键词： 多模态目标检测   跨模态   特征精细化  

摘要： 传统卷积特征融合方法(如CNN)因局部感受野的限制,难以捕获模态间长距离特征关系,同时对图像错位敏感;而Transformer虽具备全局建模能力,但直接堆叠会导致计算复杂度和参数量激增。ICAFusion通过迭代跨模态注意力机制部分解决了这些问题,但仍存在不足:1) 跨模态特征增强模块(CFE)缺乏动态权重调整,对模态间质量差异适应性不足;2) 迭代特征增强模块(ICFE)在局部特征优化和精细化处理方面能力有限。为此,本文提出一种改进的多模态特征融合框架。在CFE模块中加入动态门控机制和注意力遮掩策略,自适应平衡模态特征贡献并过滤无效信息;在ICFE模块中引入精细化特征优化模块(FRFM),结合局部卷积、线性变换和门控机制对特征进行细化优化,提升模态互补性和特征表达能力。实验结果表明,改进后的模型在KAIST和FLIR数据集上的目标检测精度和鲁棒性显著提升,在FLIR上高阈值指标mAP75和mAP50-95分别提升了2.7%和2.4%。Traditional convolutional feature fusion methods (e.g., CNNs) are limited by local receptive fields, making it difficult to capture long-range relationships between modalities and sensitive to image misalignments. While Transformers possess global modeling capabilities, stacking them directly leads to increased computational complexity and parameter overhead. ICAFusion partially addresses these issues through an iterative cross-modal attention mechanism. However, it still has the following limitations: 1) The Cross-modal Feature Enhancement (CFE) module lacks dynamic weight adjustment, making it less adaptive to quality differences between modalities;2) The Iterative Cross-modal Feature Enhancement (ICFE) module has limited capabilities in local feature optimization and fine-grained processing. To address these shortcomings, this paper proposes an improved multimodal feature fusion framework. In the CFE module, a dynamic gating mechanism and attention masking strategy are introduced to adaptively balance modal feature contributions and filter out irrelevant information. In the ICFE module, a Fine-grained Feature Refinement Module (FRFM) is incorporated, which combines local convolution, linear transformation, and gating mechanisms to refine features, enhancing modality complementarity and feature representation capabilities. Experimental results demonstrate that the improved model significantly enhances object detection accuracy and robustness on the KAIST and FLIR datasets. Specifically, on the FLIR dataset, the high-threshold metrics mAP75 and mAP5

关键词： 计算机视觉   可见光红外图像迁移   改进CycleGAN   LPIPS   代理注意力机制  

摘要： 将可见光图像转换为红外图像能够提供额外的环境信息,提升系统的感知能力和决策精度,因而在安防监控、医学影像、遥感等领域具有重要的应用价值。传统的Cycle Generative Adversarial networks(CycleGAN)在处理此类转换时,常面临细节丢失和伪影等问题,限制了其在高质量图像生成上的表现。文中提出了一种基于改进CycleGAN的可见光红外图像迁移算法,旨在解决可见光图像转换为红外图像的色彩失真、细节模糊等问题。设计的网络结构在生成器中集成了代理注意力机制,增强了模型对图像细节和全局结构的捕捉能力。同时,引入Learned Perceptual Image Patch Similarity(LPIPS)作为循环一致性损失函数,有效提升了生成图像在内容和风格上的一致性。此外,还对判别器进行了优化,采用了PatchGAN架构,并引入ContraNorm模块,提高了判别器对图像细节的敏感性,增强了其对生成图像真实性的评估能力。对比结果表明,改进后的模型在可见光图像到热红外图像的转换任务上,无论是视觉质量还是定量评估指标均较传统CycleGAN有显著提升。

关键词： 机器学习   损失函数   遥感图像   目标检测   注意力机制  

摘要： 针对遥感图像目标检测中的复杂背景干扰,目标密集堆积导致遥感图像目标检测模型效果差的问题,通过对YOLOv5s目标检测模型进行改进.首先使用混合注意力机制对CBAM (convolutional block attention module)加以改进并添加至骨干网络中,使得模型所提取到的特征含有局部信息和全局信息,以加强模型识别复杂背景下目标的能力;其次使用超轻量级的动态上采样器DySample结构,减少模型参数并提高检测效率,最后使用EIoU损失函数提高对于待检测目标的定位水平.在RSOD和DIOR数据集上进行了实验验证,结果表明,改进后的YOLOv5s在遥感图像目标检测中的准确度要比原始模型高7.8%,同时能够满足遥感图像实时目标检测的需求;此外与其他目标检测模型相比,改进模型也能保有一定优势.

关键词： 深度学习   YOLOv5   轻量化   鲜茶叶   目标检测  

摘要： 茶芽分类识别是名优茶生产中十分重要的环节。针对目前茶芽识别算法模型尺寸大、计算量大且无法区分采摘形态等问题,本研究以YOLOv5s为基线模型,提出了一种改进的鲜茶叶识别模型(YOLOv5s-SPCS)。首先,收集实验室环境和自然环境下的鲜茶叶图像制作鲜茶叶数据集。其次,基于ShuffleNetV2思想构建Shuffle Block模块替换主干网络中的卷积模块,在减少模型参数量和计算量的同时提高特征提取速度。然后,在颈部网络引入部分卷积结构PConv和无参数注意力机制SimAM构建C3-PCS模块替换原C3结构,减少模型计算冗余和内存访问,提高识别精度。最后,采用SIoU作为边界框损失函数,提高预测框收敛速度和收敛精度。试验结果表明,YOLOv5s-SPCS模型参数量、计算量和权重文件大小分别为YOLOv5s模型的14%、14%和16%,对鲜茶叶识别准确率为81.8%、平均精度均值为82.4%,相较于原始模型,准确率提升了2.7个百分点,平均精度均值保持不变。此外,改进后的YOLOv5s-SPCS模型整体性能优于当前常用的Faster R-CNN、SSD、YOLOv3、YOLOv4等目标检测模型。本研究可为鲜茶叶识别分类及后续移动端部署提供有效的技术支持。

关键词： 隧道盾构裂缝漏水检测   Leakage-YOLO   注意力机制   关键区域特征  

摘要： 隧道盾构裂缝漏水问题的检测对于保障隧道结构的安全性和延长其使用寿命至关重要。随着目标检测技术的发展,先进的检测技术逐渐被应用于隧道盾构裂缝漏水区域的自动检测,以提高检测效率和精度。因此,为进一步提高裂缝漏水区域的检测精度并实现实时的隧道盾构裂缝漏水检测,在YOLOv8的基础上提出了目标检测算法Leakage-YOLO。该算法通过在检测颈中引入区域焦点注意力模块(regional spotlight attention),更好地融合全局与局部特征信息,增强对关键区域特征的提取能力,进而有效解决了裂缝漏水区域显著特征难以提取的问题。此外,通过改进检测头,提出一种新的SE-Head结构,进一步增强了对细节边缘特征的捕捉能力,有效改善了裂缝漏水区域定位不精确的问题。在真实场景的公开数据集的实验结果表明,改进后的算法相比原算法在AP、AP0.5、AP0.75上分别提高了4.7、4.9、6.7个百分点,并与其他主流算法对比,验证了所提的Leakage-YOLO的有效性和优越性。

关键词： 锻件测量   图像处理   双边滤波   二值化   特征提取   形态学处理  

摘要： 针对锻件尺寸测量过程中的人工手动接触性检测速率低下及检测不方便等问题,设计了一种基于Halcon的锻件尺寸检测系统。拍摄照片之后,先对图像进行合适的预处理,将原始图像转化为灰度图,然后选取待测区域,采用高斯滤波以削弱高频噪声,接着使用双边滤波对图像进行处理,它考虑了像素之间的空间距离和像素之间的灰度差异,从而能够去除噪声并保留图像边缘的细节,然后进行图像增强处理。通过二值化阈值分割筛除噪声进而进行特征筛选,然后进行形态学处理腐蚀操作,最后对锻件尺寸进行测量并将数值显示到窗口上,对参照物区域进行分割,分别得到参照物的像素尺寸和实际尺寸,再通过数学运算分别得到900、1000、1100℃状态下待测锻件的实际尺寸。试验结果表明,该算法能够很好地对待测锻件进行处理,进而得到尺寸数据。