关键词： 侧扫声呐图像   图像降噪   目标检测   YOLOv8-USI   过拟合   数据增强   生成对抗网络   GhostNet模块  

摘要： 为解决水下声呐图像中目标形状小、信息少等识别精度低带来的漏检、误检问题,本文提出一种改进YOLOv8水下声呐图像目标检测方法(YOLOv8-Underwater Sonar Image,YOLOv8-USI)。首先对水下声呐图像进行图像增强、图像降噪等预处理,并利用生成对抗网络对水下声呐图像训练集进行扩充,防止过拟合现象;其次,引入GhostNet模块解决YOLOv8网络结构参数量多的问题,从而提高水下目标识别速度;接着根据预处理后声呐图像的特征,提取水下声呐图像中的目标特征信息。最后,根据识别到的目标物体置信度,验证声呐图像中目标物体的漏检与误检情况。实验结果表明,输出结果图的目标识别效果与整个检测过程速度均有所提高,时间加快0.08 s,因此YOLOv8-USI网络结构可有效提高水下声呐图像目标检测精度与速度。

关键词： 目标检测   烟雾火焰检测   改进YOLOv8   深度学习  

摘要： 烟雾与火焰检测在安全领域中具有重要的实际应用,尤其是在复杂环境下,如何精准识别烟雾与火焰目标仍面临较大挑战。本文提出了一种改进的YOLOv8算法,引入CBAM (Convolutional Block Attention Module)注意力机制,增强了网络对不同尺度特征的关注能力,从而提高了小目标和复杂场景下的检测精度。实验结果表明,改进后的YOLOv8模型相比于原YOLOv8模型,平均精度均值(mean Average Precision, mAP)提升了0.57个百分点,对烟雾与火焰两类目标的检测效果较好。Flame and smoke detection plays an important role in safety applications, especially in complex environments, where accurately identifying smoke and flame targets remains a significant challenge. This paper proposes an improved YOLOv8 algorithm, which introduces the CBAM (Convolutional Block Attention Module) attention mechanism to enhance the network’s ability to focus on features of different scales, thereby improving detection accuracy for small targets and complex scenes. The experimental results demonstrate that the improved YOLOv8 model has seen an enhancement of 0.57 percentage points in mean Average Precision (mAP) compared to the original YOLOv8 model, exhibiting superior detection performance for both smoke and flame targets.

关键词： 目标检测   YOLOv8n   剪枝   知识蒸馏   违禁品  

摘要： 为了更好满足X光安检图像中违禁物品检测的实时性与可行性,提出了基于YOLOv8的轻量化检测方法,在提高检测精度的同时使模型更加轻量化。首先使用改进后的HGNetV2网络替换YOLOv8的主干网络,减少网络模型参数量、计算量和内存占用,然后使用SIoU损失函数替换CIoU损失函数,再使用注意力机制MPCA(Multi-Path Channel Attention)改进的可变形卷积DCNv2融合到颈部网络中的C2f模块,提高网络对图像关键特征的捕捉能力。其次将改进后的模型通过LAMP剪枝方案进行模型剪枝,进一步压缩模型,最后通过知识蒸馏,提升剪枝后模型的检测精度。结果显示,在公共数据集SIXary上,改进后模型相较于YOLOv8n模型mAP提高1.3%,模型参数量、计算量和模型大小分别降低66.2%、59.3%和62%。证明了改进算法的有效性。

关键词： 伪装目标检测   局部-全局特征相互补偿   局部-全局特征交叉协方差  

摘要： 在伪装目标检测(COD)领域中,最新提出的方法主要利用伪装目标的局部特征完成COD任务,输出的预测图存在目标轮廓粗糙和对象不完整的问题。针对上述问题,提出了基于局部-全局特征相互补偿的伪装目标检测方法,利用局部特征与全局特征相互补偿进行伪装目标的检测。设计一个非局部特征增强模块(N-LFEM),使用非局部机制来交互相邻局部区域,增强局部特征表达。构建一个局部-全局特征交互模块(L-GFIM),平均局部特征得到全局特征,执行局部特征与全局特征的相互补偿。设计一个局部-全局特征交叉协方差模块(L-GFCCM),通过语义对齐和交叉协方差获取空间指标定位伪装目标所在区域,选取相似性最高的特征图输出。在3个公开数据集上的实验表明,该算法优于其他8个最新模型。在COD10K数据集上,平均绝对误差(MAE)达到了0.028。

关键词： 飞机目标检测   深度学习   YOLOv5网络   注意力机制优化   特征融合  

摘要： 由于飞机目标的大小和形状差异、遮挡、密集分布以及复杂背景等因素,现有模型在检测过程中存在较多的错检和漏检。为此,提出一种基于改进YOLOv5的飞机目标检测模型,称为AT YOLOv5。首先在主干网络中融合坐标注意力模块,增强模型的特征提取能力,然后针对FPN在特征融合时多尺度表征能力降低的问题,提出了注意力特征融合网络,该结构基于注意力权重可以实现不同尺度特征的自适应融合。最后,改进小目标检测层,并在所有检测层中加入Swin Transformer模块,以增强网络模型获取全局信息和关联目标信息的能力。实验部分采用DOTA和RSOD数据集来验证模型的有效性及泛化能力。实验结果表明,提出的检测算法在DOTA数据集下AP 50相对于YOLOv5s网络提高了3.9%,AP 50:95提高了1.0%,对高分辨率遥感影像的FPS可达到64,在RSOD数据集下的AP 50也可以达到96.7%。本文算法可以有效实现飞机目标检测任务,具有较好的检测精度、实时性和鲁棒性。

关键词： 目标检测   无人机航拍   损失函数   注意力模块   YOLOv5  

摘要： 针对架空地线破损检测场景,传统计算机视觉的手工特征泛化性差,主流通用目标检测网络迁移效果差等问题,提出一种以YOLOv5n作为主干网络的目标检测算法。首先,提出一种交叉上下文特征提取模块替换原主干特征提取模块,提升了模型针对遥感场景的特征提取能力。其次,颈部部分引入DAnet中的位置注意模块和通道注意模块提升模型复杂背景下多尺度目标的检测能力,抑制显著无关目标的特征,提升模型检测精度,并且进行了跨层特征图连接和增添了一层小目标检测层,提升模型对于细微小目标的感知能力。最后设计了一种类内聚合且类间分离的损失函数,显示引导模型提取更具可判别性的特征。相较于原YOLOv5n结构,改进算法在精确率方面提升了9.1%,召回率方面提升了7.4%,mAP50提升了10.7%。实验结果表明:改进YOLOv5算法能够高效且准确地识别出复杂背景下的架空破损地线目标。

关键词： 纱线条干   条干均匀度   图像处理   三维仿真   三维测量  

摘要： 针对传统纱线三维模型仿真方法精度不高、纱线条干均匀度二维测量方法无法全面表征纱线立体结构的问题,基于双斜交平面镜成像原理,以纱线的多视角图像绘制圆形并将其拟合为纱线条干横截面,堆叠所有横截面,重构纱线条干三维模型,并从二维、三维层面分析所提方法的有效性和可靠性。结果表明:所提方法能够精确构建纱线条干三维模型并全方位展示纱线条干情况;在二维层面,纱线条干三维模型横截面平均面积与USTER TESTER 5所测纱线直径的相关系数为0.996,横截面面积变异系数与USTER TESTER 5所测条干均匀度变异系数的相关系数为0.834,这表明所提方法能够较为准确地反映纱线条干的特性;在三维层面,纱线条干横截面面积变异系数与现有纱线外观三维测量方法的条干均匀度相关系数为0.965,进一步验证了所提方法在纱线条干三维模型仿真上的有效性,并探索了其在纱线外观三维测量上应用的可能性。

关键词： 信号装置   人工智能   图像处理  

摘要： 针对当前船闸信号装置缺乏倒计时显示和人工操作可能导致信号跳转不及时的问题,本文提出了一种提高船闸运行效率的信号装置系统。该系统采用红绿信号灯和倒计时器组成信号装置,通过监控摄像头和激光雷达等感知设备实时采集过闸船舶数据,并利用人工智能和图像处理技术进行处理和分析。系统能够根据闸室内船舶的进出情况,实现红绿信号的自动跳转和倒计时显示功能,从而提高船闸的运行效率,减少过闸时间损耗,提升船舶过闸的安全性和顺畅性。

关键词： 计算机视觉技术   烟叶烘烤   智能化  

摘要： 计算机视觉技术是一个发展十分迅速的新技术,近年来,已经应用到了农业各个方面,包括路径识别技术、采摘收获技术、种子分选技术和农产品分级技术等,机器视觉技术的出现解决了人工方式存在的很多问题,可以对农机作业环境进行实时监测和分析,提高作业的效率和质量,降低劳动成本,具有广泛的发展潜力。但目前对于计算机视觉识别技术在农产品烘干中的应用研究甚少,以云南省烟叶烘烤为例,综述了计算机视觉技术在烟叶烘烤中的一些应用研究情况。

关键词： 体质测试   辅助训练   姿态识别  

摘要： 文章针对高校学生体质测试训练的需求,以立定跳远和引体向上项目为研究重点,提出了一种基于计算机视觉的智能体测辅助训练方案。通过分析训练者不同动作的关键点,自动捕捉动作的轨迹与姿态变化,实现动作规范性的智能评估,从而帮助受训者全面了解动作表现并加以改进,提升训练质量和测试成绩。该方案为高校体质测试训练的智能化与标准化提供了技术支持和创新思路。