关键词： YOLOv7   无人驾驶   SIOU   损失函数  

摘要： 地下矿的目标检测对地下矿卡无人驾驶技术的实施非常重要,旨在及时发现并预防潜在的危险情况。然而,传统的目标检测算法在地下矿检测任务中面临一些挑战,如复杂的背景、光照变化和遮挡等。为了解决这些问题,提出了一种基于改进的YOLOv7地下矿工检测算法。文章首先多尺度特征融合的过程中加入坐标注意力(Coordinate Attention)机制,更加适应地下采矿的复杂背景,提升模型对小目标的全局感知能力;然后定位损失函数上用SIOU函数代替了YOLOv7本身的CIOU,角度损失的引入,提升了对于识别目标的准确性。通过在地下矿工检测数据集上的实验评估,改进算法在准确性和鲁棒性方面取得了一定的提升。实验结果表明,改进后的模型相比于原有模型,map指标提升了2.1%,FPS也高于传统算法,证明了改进方法的可行性。

关键词： 航天遥感   问题驱动   研究生教学   产教融合   成像技术  

摘要： 产教融合创新能力培养是我国新时代研究生教育的研究方向之一。该文结合航天遥感的行业特点,把研究生教育跟航天需求方案论证、问题驱动创新结合起来,探索新时代研究生更贴近产业需求的培养模式。从生活中常见的手机拍照入手,将专业遥感相机与“遥感手机”作对比,抛出问题并引导研究生拆解问题,查阅文献资料获取手机摄像头的主要成像参数,逐步分析计算手机作为遥感载荷对地成像的分辨力指标,引导学生对比专业遥感相机的成像指标参数,激发讨论热情,适当归纳结论,最终回归到图像处理与成像技术这门研究生课程的深层知识讲解。在提高课堂教学效率的同时,将目前航天遥感领域的产业状况与当下研究生教学紧密结合在一起,探索产教融合的研究生培养新模式。

关键词： 电力视觉   生产全周期   图像处理  

摘要： 随着我国工业化进展不断加快,人们对电力系统的稳定运行提出了更高的要求。电力视觉技术作为一种新兴的监测技术,能够获取设备运行过程中的瞬时信息,并及时作出响应动作,从而实现高效、实时的监控与管理。本文从电力视觉技术的基本概念、目标对象等理论入手,综述了近年来电力视觉技术在电力生产全周期(发电、输电、变电)中的相关研究现状,在总结前人所取得研究成果的基础上,提出了目前电力视觉技术研究仍存在的一些问题,并对其今后的发展趋势进行展望,以期为电力视觉技术进一步的研究与应用提供参考。

关键词： 管道   保温破损   红外热成像   图像特征   目标识别   神经网络   定位检测   预知性维修  

摘要： 针对炼化企业中管道保温层散热损失问题,提出一种利用计算机视觉识别炼化企业管道保温破损并定位的方法。通过无人机搭载红外热成像技术进行图像采集,利用ResNet50架构进行特征提取,并结合Faster RCNN神经网络实现破损的准确识别与定位,阐述了图像预处理、数据集构建、模型训练及预知性维修等关键步骤,通过深度融合无人机与计算机视觉技术,显著提升了检测效率和精度。此外,利用生成的保温破损分布定位图,企业可制定数据驱动的维护策略,降低运维成本并延长管道保温使用寿命,从而提高整体运营效率,为管道系统的长期安全稳定运行提供了科学支持。

关键词： 云边端协作   架空线鸟巢   YOLOv5x   目标检测   目标定位  

摘要： 针对云端单一集中数据处理时效性低、架空线路上鸟巢检测精度不高、模型对边缘计算设备算力高消耗以及目标定位不准确的问题,提出了一种基于云边端协作的架空线路鸟巢检测与定位算法。该算法通过云、终、边缘3端的协作,解决了云端集中处理效率低的问题,并通过云边数据可视化协作解决由于角度及光线引起的图像不清晰问题。为了提高架空线路鸟巢检测的精度,该算法在YOLOv5x模型基础上进行了优化。首先,通过将主干特征提取网络中的C3模块替换为C2f模块,并在最后一层加入SE(squeeze and excitation)注意力模块,以提升模型对小目标的检测能力。其次,将激活函数替换为Mish函数,解决训练梯度饱和导致神经元停止学习的问题。为了降低模型对边缘计算设备算力的消耗,对改进后的模型进行剪枝微调以降低模型参数规模。基于此优化模型,提出了三维目标定位算法,结合GIS(geographic information system)系统对定位结果进行修正,实现了对检测目标的精准定位。实验数据显示,改进后的模型平均精度均值达到93.25%,比原YOLOv5x模型提升了3.44%,优化后的模型剪枝率达到45%。检测目标经过三维空间建模计算并通过位置修正能够定位到相应的杆塔,有效指导工作人员快速准确排除隐患。

关键词： 人工智能   深度学习   安全帽   目标检测  

摘要： 安全帽作为安全生产的保护帽,对保护员工的人身安全起着重要作用。经过对企业高风险作业过程中相关检测算法的实际调研分析,发现现有的安全帽佩戴检测算法存在由于距离远、异物遮挡、场景繁杂等因素导致检测准确率低等问题。基于此,文章提出了一种通过添加CA注意力机制、增加小目标检测层和改进损失函数的方法来改进YOLOv5的安全帽佩戴检测新算法。算法改进后应用于实践,实验结果表明,改进后算法的准确率达到95.6%,召回率达到94.8%,满足企业高风险作业过程中对安全帽佩戴检测的准确率要求。

关键词： 环境感知   目标跟踪   点云处理   卡尔曼滤波   交并比  

摘要： 激光雷达点云目标跟踪是环境感知与定位的重要研究内容,具有广泛的应用前景。由于激光雷达存在探测范围有限、易受遮挡和散射条件影响等问题,无法保证跟踪过程中目标点云特征的完整性和正确性,跟踪目标丢失时有出现。为了提高跟踪过程中的鲁棒性,提出一种基于卡尔曼滤波的2D激光点云跟踪方法。该方法首先对聚类后的点云建立包围盒集合,其次对包围盒跟踪框建立卡尔曼滤波模型,将前一帧跟踪框最优估计值与当前帧包围盒,通过交并比方法进行关联性匹配,将关联性最大结果作为当前帧目标点云,并更新卡尔曼滤波模型参数,从而实现目标点云的实时跟踪。实验结果表明,所提方法提高了跟踪过程的鲁棒性和准确性。

关键词： 图像处理   壁画虚拟修复   生成对抗网络   U-Net  

摘要： 针对现有的基于生成对抗网络的壁画修复方法,其生成样本缺乏多样性,容易造成大规模特征丢失等问题。提出一种基于双生成器生成对抗网络(BGGAN)的壁画图像虚拟修复方法。首先,从两个随机方向进行样本生成,保证了生成样本的多样性。其次,对Dilate U-Net Kares生成器模型,改进下采样阶段的膨胀卷积扩张率,取消池化操作。最后,设计损失函数,将均方误差(MSE)损失与对抗损失相结合,通过λG约束生成样本的特征梯度。在所收集壁画数据集上进行修复测试,测试结果与多种图像修复方法对比。结果表明,所提算法获得的图像修复结果细节更清晰。修复后图像的峰值信噪比(PSNR)相较对比模型平均提高了约1.12 dB,结构相似度(SSIM)平均提高了约0.047。

关键词： 小目标检测   YOLOv8s   感受野模块(RFB)   CoT  

摘要： 无人机航拍目标检测是近些年研究的热点,由于无人机航拍视角下的小目标图像及被遮挡情况严重,导致出现漏检、误检等问题。针对以上问题,提出了一种改进YOLOv8的航拍小目标检测方法:CRP-YOLO。为提升颈部网络PANet的特征提取能力,提出一种多分支部分空洞卷积结构,将RFB模块与PConv结合改进颈部网络的特征融合方式,增大颈部网络的感受野;在主干网络SPPF层前的C2f中引入CoT(contextual Transformer)结构改进Bottleneck块,利用全局上下文信息,提升网络特征提取能力;在检测层增加一个尺寸为160×160的小目标检测头,提高对小目标的检测能力。在公开数据集VisDrone2019上进行实验,结果表明,相较于基线模型YOLOv8s,CRP-YOLO在mAP@0.5上提升3.8个百分点,mAP@0.5:0.95提升1.7个百分点,参数量降低1.5 MB,与其他主流目标检测方法相比也得到较好的检测性能。

关键词： 铸坯表面缺陷   目标检测   YOLOv7-Tiny   注意力机制   损失函数  

摘要： 针对连铸生产过程中铸坯表面缺陷检测准确率不高、检测速度慢等问题,提出一种基于改进YOLOv7-Tiny的铸坯表面缺陷检测算法。首先,提出一种结合分布移位卷积的自适应高效层聚合网络,增强对不同尺度特征信息的提取能力,提高模型泛化能力和计算效率;其次,在特征融合部分引入协调注意力模块,增强通道和位置信息感知,提高对重要特征的捕获能力,加强特征融合;同时,引入基于最小点距离的MPDIoU损失,解决现有损失函数局限性,增强回归结果准确性并加速模型收敛;最后,根据采集的实际生产中的铸坯缺陷图像,构建铸坯缺陷数据集并进行验证。试验结果表明,改进YOLOv7算法相较于基础网络有较大提升,在参数量保持不变的情况下,计算复杂度降低约35%,准确率提升4.4个百分点,平均精度均值(mAP)提高2.8个百分点,检测速度为130帧/s,能满足连铸生产现场对缺陷的实时检测要求,同时在NEU-DET公开数据集上体现出较强的泛化性。本研究提出的铸坯表面缺陷检测算法为提高缺陷检测精度与优化检测流程提供了技术支撑。