关键词： 汽油管道泄露   高光谱图像   目标检测   深度学习   Unet网络  

摘要： 针对当前汽油管道泄漏检测效率低、无法精准分割泄露区域边缘的局限性,提出一种基于高光谱图像与深度学习结合的汽油管道泄漏检测方法。首先进行两种型号汽油在土壤、水背景下的特征光谱波段提取;利用连续投影算法实现汽油高光谱图像数据降维;将汽油反射率作为输入,均方根误差为回归参数获得汽油反射峰附近的18个特征波段;采用图像旋转角度、横向或纵向翻转、在图像中注入随机噪声等方式实现数据集样本扩充。其次对Unet高光谱图像语义分割模型进行改进,将Unet网络编码器部分替换成密集连接模块加强各层级间的信息交流,减轻计算量提高模型检测速度;引入通道注意力机制模块,使模型对汽油图像空间和光谱层面两特征信息同时关注,提高模型检测精度;引入失活层的概念,通过暂时关闭网络中的一部分神经元降低网络的复杂性,同时在训练过程中设置适当的时间点实施早停策略从而防止过拟合。最后进行了消融实验和对比实验。消融实验结果验证了密集连接模块和通道注意力机制模块对提高网络分割精度和召回率的有效性;在自建数据集上的定量对比实验结果表明,模型对滴落汽油的分割精度为90.34%,平均每张图片检测时间为0.23 s,与Unet、PSE-Unet和HLCA-Unet模型相比,平均准确率分别增加了14.39%、8.01%和2.73%,召回率分别增加了8.95%、8.02%和6.55%,测试时间与Unet、PSE-Unet模型相比分别减少了10.83%和16.97%,检测优越性定性体现在泄露油滴与背景交会的轮廓更符合原图,本模型可以获得更加准确的汽油特征信息,为汽油管道泄漏检测提供了新的技术方案。此外,在公开的Pavia University遥感数据集上与当前Unet、PSE-Unet、HLCA-Unet模型检测进行对比,模型仍表现出更好的分割效果,体现出较强的普适性和泛化能力,可用于多种类型的高光谱图像语义分割。

关键词： 激光雷达   目标检测   自动驾驶   复杂天气   深度学习  

摘要： 随着传感器、数据处理、视觉感知、控制决策、人工智能等自动驾驶相关技术的不断发展,自动驾驶成为汽车行业未来发展的重要方向之一.但是,以雨、雾、雪等复杂天气为典型代表的极端驾驶环境,对自动驾驶环境感知提出了严峻挑战.随着激光雷达(Light detection and ranging,LiDAR)在汽车上得到广泛运用,基于车载激光点云的目标检测已成为自动驾驶环境感知的重要研究方向之一,但在复杂天气条件下,LiDAR探测生成的点云存在大量噪点,对目标检测的性能产生严重负面影响.对此,本文首先归纳了点云目标检测的基本定义、任务方法和评测指标,然后分析了复杂天气对点云目标检测的影响,并从数据增强、点云去噪、域自适应以及传感器融合等四个方面,系统分析了复杂天气下基于车载激光点云的目标检测方法及其优缺点,最后探讨了当前存在的数据规模与真实性不足、模型结构复杂、数据分布不均匀、实际部署瓶颈等问题以及未来研究方向.

关键词： 多信息融合   目标检测   目标跟踪   车速估计   拥堵检测  

摘要： 在高速收费站拥堵检测场景中,遮挡、阴影、景深等因素严重影响检测算法的精度,基于单信息的拥堵检测算法无法准确反映收费站真实拥堵情况,对此,提出一种高速收费站多信息融合拥堵检测算法。首先采用目标检测算法检测目标区域车辆,利用图像空间特征计算车道占用率;其次利用Deep SORT目标跟踪算法与滑动平衡机制进行车流量综合估计,减少因为遮挡和阴影导致的车辆误检、漏检问题;最后利用基于光流信息熵的车速估计方法,降低因景深变化导致的拥堵状态检测误差。通过融合3种不同维度信息得到拥堵指数,拥堵指数聚类为5种拥堵类别以判断真实拥堵状态,从而实现高速收费站的拥堵检测。实验结果表明,在高速收费站拥堵数据集上,采用多信息融合的拥堵检测算法准确率达到90.4%,能够实现对收费站拥堵状态的准确检测。

关键词： 小目标检测   RT-DETR   多通道部分卷积   可学习位置编码  

摘要： 针对无人机航拍图像中背景复杂、小目标样本多,难以提取有效特征等问题,提出一种改进实时Transformer(real-time detection Transformer, RT-DETR)的无人机航拍小目标检测算法。首先,在特征融合网络中增加针对微小目标的特征融合结构,利用浅层特征图中丰富的位置信息来增强网络对小目标的检测能力,同时为了防止额外参数的增加,去除主干网络中最后一个残差结构;其次,设计一种多通道特征部分卷积模块(multichannel partial convolution, MCPConv),基于此重新构造了主干网络中的BasicBlock结构,命名为MCP Block,减少通道特征冗余,提升多尺度细节特征的获取能力;引入具有学习能力的位置编码,获取更精确、更具表达能力的位置信息;最后引入归一化加权偏差(normalized weighted deviation, NWD)和平均精度驱动交并比(mean precision-driven IoU,MPDIoU)定位损失函数,降低对位置偏差的敏感性,加快模型收敛速度。实验结果表明,在VisDrone2019-DET数据集上,改进后的模型较原始模型参数量降低了62%,检测精度mAP50提升了3.9%,且FPS较改进前提升了17%,对比其他主流检测模型具有更好的检测效果。

关键词： 数字图像处理   产教融合   课程内容建设  

摘要： 随着人工智能技术的广泛应用,高职院校的人工智能专业建设正逐步推进。针对“数字图像处理”课程存在的数学基础要求较高、教学内容发散性强、学习难度陡峭等现实问题,文章从产教融合视角出发,对教学改革展开了探索。通过构建以职业岗位需求为导向的课程体系,重构理论与实践相结合的模块化教学内容,开发典型工作场景的教学载体,形成了适应高职教育特点的教学实施方案。经教学实践验证,该方案有效提升了课程教学效果,为人工智能专业的课程建设提供了可借鉴的实施范式。

关键词： 绝缘子缺陷检测   无人机航拍图像   深度学习   计算机视觉  

摘要： 依托计算机视觉和深度学习技术,从海量的无人机航拍图像中实现绝缘子缺陷检测,已经成为电力运维工作亟待解决的问题。近年来,深度学习方法在绝缘子缺陷检测任务中表现出优异的性能。该文综述了无人机航拍图像中绝缘子缺陷检测的深度学习方法研究进展。首先,简述了基于深度学习的输电线路巡检研究现状;其次,阐述了基于深度学习的绝缘子缺陷检测方法,主要从目标检测模型、轻量化网络模型、级联检测模型以及其他方法进行归纳总结,按照深度学习算法的发展历程,阐明了基于双阶段、单阶段、无锚框(Anchor-free)的目标检测算法,概述了轻量化网络、级联检测在绝缘子缺陷检测中的应用;然后,介绍了用于绝缘子缺陷检测的公开和自建数据集;最后,指出了深度学习技术在绝缘子缺陷检测应用中存在的问题,并对未来研究工作进行了展望。

关键词： 计算机视觉   面部表情识别   头部姿态识别  

摘要： 随着教育技术的不断发展,如何评估学生的课堂专注度已成为一个重要课题。基于计算机视觉技术,设计并实现了一套系统,通过识别和分析学生的面部表情及头部姿态来评估其课堂专注度。系统采用CNN模型进行表情识别,并利用OpenFace2.0工具检测头部姿态,结合两者的结果,实现对学生专注度的实时监控,并生成相关评估数据。系统采用分层设计,包括数据获取、内容识别和结果分析等模块,最终将评估结果反馈给学生和教师,以优化教学效果。实验结果表明,该系统能够准确识别表情和头部姿态,并有效评估学生的课堂表现。

关键词： 四旋翼飞行器   图像处理   T265追踪摄像机   树莓派  

摘要： 研究旨在设计一种四旋翼飞行器系统,利用T265追踪摄像机进行路径规划,实现针对指定区域的精确“撒药”操作。同时,利用树莓派进行条形码识别,并根据识别结果执行相应的飞行动作。飞行器采用STM32H7型单片机作为飞控芯片,树莓派负责图像处理。T265追踪摄像机、D435深度摄像机、无畸变镜头和串口屏等多个模块组成该飞行器系统。系统通过路径规划和图像识别实现对指定区域的“撒药”任务。在特定的地面环境中,经过测试验证,飞行器成功完成了对指定区域的“撒药”任务。同时,成功识别了条形码,并按照条形码信息完成了相关的飞行动作。该文设计的四旋翼飞行器系统在实际测试中展现出了良好的功能性能,能够满足对特定区域的精准化处理需求。飞行器的路径规划和条形码识别功能有效实现了指定任务,为类似应用场景提供了可行性研究基础,并具备广泛的实际应用潜力。

关键词： 风景园林   计算机视觉   城市街道   绿化结构   视觉感知   空间异质性  

摘要： 【目的】绿化资源配置是城市公共空间优化的重要环节之一,对居民生活质量的提升有着积极的作用。城市街道绿化泛类结构(urban street greening general structure,USGGS)能够反映街道绿化在行人视觉环境中的整体特征,研究USGGS聚类对于物质空间要素数量以及物质空间形态的改变,能够有效探究街道绿化对行人视觉感知水平的影响。【方法】采用百度街景数据,利用DeepLabV3+神经网络模型,对天津市市内六区街道的物质空间要素进行分割,使用ArcGIS软件对空间分布特征进行可视化处理,结合数理统计分析结果,探讨USGGS与行人视觉感知之间的关系。【结果】USGGS聚类呈现向心聚集型的空间分布特征,城市主干道及快速路的行人视觉感知空间分布特征较为同质化,空间异质化现象集中出现在街道断面狭窄的生活型街道以及商业型街道。不同聚类的USGGS不仅对行人视觉感知有不同程度的影响,也与场所属性以及绿化空间位置密切相关。【结论】提升城市街道环境质量需要考虑行人视觉感知水平。合理的USGGS配置以及适当的种植点位能够更好地适应周围场所的属性,促进城市公共空间与城市街道绿化的有机融合,助推城市更新工作的精细化管理,提升城市人居环境质量。

关键词： YOLO   小目标检测   去雾算法   注意力机制  

摘要： 针对雾天场景下遥感小目标检测的漏检错检问题,提出了基于双子网多任务协同训练的GFFA-YOLO算法。利用门控融合的GFFA网络去雾来恢复目标信息。设计SD-SCConv和RepNCSPELAN-SD-SCConv模块,该模块通过融合空间到深度层,同时利用自校正机制来提高特征提取能力。增加了选择注意力LSK模块来增强多尺度特征融合。实验结果表明,所提算法在不同雾浓度的NWPU VHR-10数据集上的mAP分别达到85.6%和74.3%,在雾处理后的DOTA v1.0数据集上mAP达到82.1%,相较主流算法表现出更高的检测能力。