关键词： 深度学习   果园采摘   Transformer   注意力机制   RT-DETR  

摘要： 为了解决苹果采摘中目标小,实时性要求高等问题,提出了一种基于RT-DETR的采摘机器人目标检测方法,名为RT-DETR-Faster。首先,采用FasterNet部分卷积替换主干网络的传统卷积,有效提升了模型的运算速度;其次,使用改进的级联注意力编码器替换原始的编码器,使网络更专注于目标区域;最后,引入Faster_Rep融合特征模块,保留更多有效特征并减少计算量。该文在实际的果园图像上进行了实验,结果表明,该文提出的算法与原始的RT-DETR算法相比,FPS提升了34%,帧数达到了47.9,同时准确率更高,适用于苹果采摘机器人的实时目标检测任务。

关键词： 目标检测   OpenCV库   YOLOv5算法  

摘要： 传统的果蔬批发市场收费模型是依靠人力完成的,效率较低。研究提出了基于YOLOv5算法的智能收费系统,将收费模式自动化、智能化。当车辆驶入停车场时,收费模块会记录车辆进场时间并开始计时收费。在车辆离开停车场时,收费模块会记录车辆出场时间并计算车辆的停车费用。根据停车场的收费标准和车辆的停车时间来计算停车费用,并显示在出口处的显示屏上。该系统降低了人力成本,提高了操作效率,为传统行业带来了数字化转型的可能性。

关键词： 狭小空间   仿生机器人   图像处理   深度机器学习   裂纹识别  

摘要： 飞机裂纹的检查贯穿飞机的整个生命周期,若不及时发现可能会带来严重的后果,尤其是飞机盒段等狭小空间部位,人不可达,微小裂纹难以快速检查,给飞机服役、地面强度及疲劳试验等带来重大安全隐患。本文研究了可自由进入狭小空间的仿生机器人平台,涉及仿生机器人机构、运动行为及步态规划、环境感知和避障等。开展了大量图像文本的数字增强、图像预处理、基于深度学习的图像裂纹算法等研究,在具有狭小空间特征的飞机盒段样件上开展了试验验证,通过盒段内部预设裂纹,有效地集成图像采集模块和仿生机器人平台,并结合图像采集环境调试,机器人路径规划、裂纹算法优化研究等,成功实现了对狭小空间内部的裂纹长度和位置的识别,为后续开展飞机裂纹全覆盖快速检查和维修策略提供技术支撑。

关键词： 海杂波   目标检测   图神经网络   无监督学习  

摘要： 受到复杂海洋环境的影响,雷达对海面慢速小目标难以实现高性能检测。对于这类目标,传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题,该文提出了基于互信息最大化框架下的海面小目标检测方法,实现海杂波背景下的无监督目标异常检测任务。首先,考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设,该文从图的角度重新建模数据,利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来,采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后,使用异常检测算法进行目标检测,并实现虚警可控。经实测数据验证,使用快速凸包学习算法时,相比三特征检测器,所提检测器性能提升了9.2%;相比时频三特征检测器,性能提升了7.9%。当网络输出更高维的表示向量时,使用孤立森林算法的检测器的性能提升了27.4%。

关键词： 视网膜血管分割   神经网络   注意力机制   计算机视觉  

摘要： 视网膜血管的自动分割在眼科和心血管疾病的计算机辅助诊断中发挥着重要作用。注意力机制能够提高经典神经网络模型对图像特征提取的效率和精度,因此注意力机制在视网膜血管分割模型中广泛使用。首先回顾了视网膜血管分割的常用数据集及评价指标,接着根据工作机理将注意力分为选择性注意力机制和自注意力机制两类;根据计算机视觉任务中的作用域将注意力方法分为通道注意力、空间注意力以及混合注意力三类,结合视网膜血管分割任务重点介绍了以上三类方法的代表性注意力模型的具体应用,并对相关模型进行性能对比和评价。最后,对注意力机制存在的问题以及未来的发展趋势进行了讨论。

关键词： 计算机视觉   工业自动化检测   数据处理  

摘要： 随着科技的飞速发展,工业自动化已成为现代制造业不可或缺的一环。在此背景下,计算机视觉技术的崛起为工业自动化检测领域带来了新的革命性变革。因此,文章深入探讨了计算机视觉在工业自动化检测中的广泛应用。首先概述了计算机视觉的基本原理及其在工业自动化检测中的应用优势;随后详细分析了计算机视觉在产品质量检测、生产线监控与调度等多个场景中的实际应用,并通过国内外成功案例的对比分析,揭示了当前应用中存在的问题与挑战;最后提出了一系列优化策略与改进方法,旨在提高检测精度、优化数据处理及推动系统集成与智能化升级,为工业自动化检测技术的发展提供了新的思路与方向。

关键词： 农作物   种子检验   生物技术   分子标记   图像处理  

摘要： 通过综合运用生物技术、分子标记、图像处理技术等多种检验方法,可以提高农作物种子检验的准确性和效率。探讨了新时期农作物种子检验技术的应用,分析其在种质资源、种子质量控制和种子贸易等方面的重要作用,并探讨了新的检验技术在实际应用过程中面临的问题和解决方案,为农业生产和种子行业提供科技支撑,进而推动农业可持续发展。

关键词： 罐道木   提升装置   YOLOv7   目标检测  

摘要： 罐道木一般用于矿井提升装置停止后的固定,如何检测罐道木的磨损情况对于确保提升装置的稳定运行以及保证地下矿山的正常生产具有重要意义。YOLOv7算法在目标检测任务中表现出色,适用于矿山特殊的工作环境提出的罐道木磨损检测算法模型,通过相机连续采集罐道木磨损变化的图片,再基于YOLOv7算法进行训练,获得训练模型后,检测识别罐道木磨损图片并对算法模型的精度作出评价。模型训练后,罐道木数据集的Loss值最终下降到0.804,反映数据集检测效果的mAP值达到0.938。结果表明,该罐道木磨损检测算法能很好地克服井下恶劣环境并检测罐道木磨损情况,有效提高巡检人员的工作效率,从而确保矿山提升装置的安全。

关键词： 遥感图像   目标检测   YOLO   低跨度上下文解耦   并行级联注意力  

摘要： 针对现有遥感图像目标检测方法在受资源限制的小型设备中检测精度不足问题,提出了一种基于改进YOLOv7-tiny算法的高效轻量遥感图像目标检测方法。首先,针对遥感图像小目标分布密集问题,设计了一种低跨度的上下文解耦检测头模块,通过融合深层和浅层特征分别实现目标检测的分类和回归任务,有效解决了遥感图像小目标漏检和误检的问题。同时,针对遥感图像目标多尺度问题,设计了一种并行级联注意力机制,通过并行三分支网络与空间注意力模块相结合,增强了网络对多尺度目标特征的提取能力。此外,引入Focal-EIoU损失函数,提高模型泛化能力。对模型进行了对比实验、消融实验、部署实验和泛化实验,结果表明,在DIOR-5s和NWPU VHR-10数据集上的检测精度分别达到了85.4%、90.6%,相较原模型分别提高了2.6%、1.7%。且模型大小仅为19.1 MB,检测速度为64.1 fps,验证了算法的有效性。