关键词： YOLOv5   目标检测   病虫害识别  

摘要： 【目的】农田害虫种类多、信息复杂,传统人力监测手段难以满足现代农业需求,因此亟需更先进高效精准的监测技术与策略提高对农田病虫害的识别效率和准确性。【方法】提出了一种基于YOLOv5的农田病虫害图像检测识别系统,引入了Input、Backbone主干网络、数据增强技术、PIL图像处理库等,增强了网络提取图像特征的能力。同时,共收集了13 160张害虫的图像构建数据集,并按7∶3划分了训练集和测试集,通过多次测试计算精确率、召回率和F1值等性能指标,评估模型效果。【结果】在经过1 500世代的训练后,平均精确度约为0.83,平均验证精确度约为0.791,F1值约为0.877,充分证明了模型在复杂条件下的鲁棒性和高精度识别能力。【结论】运用深度学习的YOLOv5和数据挖掘技术进行农田病虫害图像识别研究,有助于实现自动化精准识别,为农业生产和生态保护提供支持保障。深度学习技术在农业智能化管理方面的应用潜力巨大,未来可以增加害虫的种类来扩充数据集,进一步提升识别精度,推动相关产业的健康发展。

关键词： 水果分拣   YOLOv5   流水线系统化   目标检测  

摘要： 为解决当下人工分拣水果成本高、耗时长等问题,本文设计一种能够自动、高效、准确地分拣水果的系统。该系统以树莓派5搭载YOLOv5作为视觉识别部分,流水线分拣部分以stm32f407开发板作为控制系统,接收并处理识别的数据来控制步进电机、数字舵机、编码电机进行分拣操作,不仅具有对水果种类、形态识别的功能,而且能高效地判别优劣质水果并进行分类。加上位置传感器后,分拣拨片对不同种类水果分拣准确率高达98.9%以上。由于系统实现方法相对简单,大大提高水果生产线的分拣效率和分拣后的水果质量,降低人力成本,促进水果产业的发展,有较好的市场应用前景。

关键词： 无线信道建模   无线动作识别   无标签迁移学习   毫米波   计算机视觉  

摘要： 该文提出了一种利用计算机视觉技术辅助实现包含运动人体散射特征的毫米波无线信道仿真方法。该方法旨在为毫米波无线人体动作识别场景之下,快速且低成本地生成仿真训练数据集,避免当前实测采集数据集的巨大开销。首先利用基元模型将人体建模为35个相互连接的椭球,并从包含人体动作的视频中提取出人体在进行对应动作时各个椭球的运动数据;其次利用简化的射线追踪方法,针对动作中基元模型的每一帧计算对应的信道响应;最后对信道响应进行多普勒分析,获得对应动作的微多普勒时频谱。上述仿真获得的微多普勒时频谱数据集可以用于训练无线动作识别的深度神经网络。该文针对“步行”“跑步”“跌倒”“坐下”这4种常见的人体动作在60 GHz频段上进行了信道仿真及动作识别的测试。实验结果表明,通过仿真训练的深度神经网络在实际无线动作识别中平均识别准确率可以达到73.0%。此外,借助无标签迁移学习,通过少量无标签实测数据的微调,上述准确率可以进一步提高到93.75%。

关键词： 目标检测   超参数优化   则化策略   YOLO  

摘要： 为实现YOLO(you only look once)模型的超参数自动优化,提出基于正交优化策略的YOLO模型超参数优化方法(hyper-parameter optimization of YOLO model based on orthogonal optimization strategy,OOS)。首先基于统计学的正交试验原理,提出了种群的正交搜索方法与超参数贡献度分析策略,提高了算法的优化效率;然后,设计了均匀正交搜索策略和邻域正交搜索策略,以缓解YOLO模型陷入局部最优和早熟收敛问题。最后,在NWPU VHR-10和Pascal VOC两个目标检测数据集上,以YOLOv5、YOLOv5s-Transformer和YOLOv7为优化对象进行测试,测试结果表明,所提出的OOS超参数优化方法对于YOLO模型的识别精度均有所提升。在两个数据集上的平均识别精度mAP@0.5分别提升至93.94%、93.18%、93.45%以及85.81%、84.59%、90.62%;mAP@0.5-0.95提升至60.00%、60.08%、56.98%以及62.27%、58.89%、71.91%,可为目标检测模型的超参数智能优化提供一种新方法。

关键词： 毫米波雷达   点云聚类   稀疏点云   目标检测  

摘要： 毫米波雷达室内人员目标检测存在点云稀疏且有零散噪声点的问题,传统基于密度聚类算法受参数影响不能适应多变的目标点云数据,无法实现精准聚类。对此进行研究提出了一种针对人员目标稀疏点云的聚类算法。建立平均局部密度信息熵和邻域半径(Eps)的关系;利用DBSCAN算法识别零散噪声点并去除;利用每个点的局部密度和相对距离的乘积得到聚类中心权值,并画出降序图;在降序图中引入自适应指数衰减函数曲线,从而自动获得聚类中心,并完成聚类。通过实验验证,并与CFSFDP算法和DBSCAN算法进行对比,结果表明,提出的算法具有较高的ARI、AMI、NMI、FMI值,获得较好的聚类效果,适用于毫米波雷达室内检测场景。

关键词： 电子内窥镜   对比传递函数   调制传递函数   自动化检测系统   图像处理  

摘要： 介绍了一种基于人工检测电子内窥镜所改良的MTF测量装置测量方法,采用直接检测分辨率板成像对比度比较值的方法,求取反映光学系统成像本领的调制传递函数,整个过程采用自动一体的图像处理技术完成。实验数据以及安装在产线上的施行效果反映,人工检测目测法与本测量装置的检测法合格率分别为96%和94%,7.87~12.5 lp·mm^(-1)空间频段的MTF曲线与设计镜头理论曲线更为符合,验证了本文所提出的方法的有效性。该装置有助于降低人为误差、显著提高生产效率。

关键词： 图像增强   沙尘图像   计算机视觉   深度学习  

摘要： 沙尘图像视觉增强技术旨在提高沙尘暴天气下成像设备捕获数据的视觉感知清晰度,以辅助高级视觉算法提高从数据中获取关键特征的能力。随着沙尘天气出现频次的增多,沙尘图像视觉增强技术逐渐成为图像处理领域的研究热点,在遥感勘测、无人驾驶、智慧交通等人工智能相关行业有着十分广泛的应用前景。为了更好地了解当前沙尘图像处理领域的研究进展,详细阐述了基于传统技术的沙尘图像增强算法和基于大气散射模型的沙尘图像复原算法,总结了基于数据驱动的沙尘图像重构算法,对当前公开数据集的构建进行了细致的研究和分析,并简单梳理了图像增强领域常用的评价指标。最后对所述内容做出总结,指出当前研究中存在的困难,并对未来沙尘图像增强技术的发展方向进行了展望。

关键词： 深度学习   目标检测   接触网支撑组件(CSCs)   路径聚合特征金字塔(PA-FPN)   空洞空间卷积池化金字塔(ASPP)  

摘要： 作为高铁牵引供电系统的重要组成部分,接触网系统承担着向动车组传输电能的重要功能.实际工程运营表明,受弓网交互产生的持续冲击以及外部环境的影响,接触网支撑部件可能会出现“松、脱、断、裂”等缺陷,导致接触网结构可靠性下降,严重影响接触网系统稳定运行.因此,及时精确定位接触网支撑部件(CSCs),对保障高铁安全运行和完善接触网检修维护策略具有重大意义.然而,CSCs的检测通常面临着零部件种类多、尺度差异大、部分零部件微小的问题.针对以上问题,本文提出一种基于多尺度融合金字塔焦点网络的接触网零部件检测算法,将平衡模块和特征金字塔模块相结合,提高对小目标的检测性能.首先,设计了可分离残差金字塔聚合模块(SRPAM),用于优化模型多尺度特征提取能力、扩大感受野,缓解CSCs检测的多尺度问题;其次,设计了一种基于平衡特征金字塔的路径聚合网络(PA-BFPN),用于提升跨层特征融合效率和小目标检测性能.最后,通过对比试验、可视化实验和消融实验证明了所提方法的有效性和优越性.其中,所提的MFPFCOS在CSCs数据集上的检测精度(mAP)能够在达到48.6%的同时,实现30的FLOPs(Floating point operations per second),表明所提方法能够在检测精度和检测速度之间保持良好的平衡.

关键词： 目标跟踪   孪生网络   特征感知增强   注意力  

摘要： 对于孪生网络跟踪框架,骨干网络提取特征的目标表征能力对目标跟踪性能至关重要。为了提升特征对目标的表征能力,提出一种基于特征感知增强的孪生跟踪算法。其以TrDiMP算法为基础,对ResNet-50骨干网络提取的特征采用特征感知增强模块进行增强,该模块基于自注意力对模板分支和搜索分支的特征进行自我增强,并基于交叉注意力对两个分支进行关联增强,建立模板特征和搜索特征之间的目标依赖关系,抑制与目标无关的特征干扰,进而提升特征对目标的表征能力。基于OTB100、UAV123、LaSOT、GOT-10k和VOT2018五个基准数据集的大量实验表明,与几种主流的孪生跟踪器相比,该算法取得了更优的精确度和成功率,尤其在相似性干扰、尺度变化、遮挡等复杂场景中鲁棒性更优。

关键词： 自动驾驶   YOLOv8s   C2f⁃EMSCP模块   小目标检测   注意力机制   损失函数  

摘要： 针对自动驾驶场景下交通目标检测算法存在的误检及漏检的问题,提出一种基于改进YOLOv8s模型的复杂道路交通目标检测算法。设计一种轻量级的C2f⁃EMSCP模块改进YOLOv8s的骨干网络,实现网络的参数量和计算量的降低;在Backbone和Neck部分添加EMA注意力模块,有效地捕捉了全局的通道依赖性与局部空间特征,实现在通道和空间维度上的全面特征抽取;针对密集车流下小尺寸车辆检测效果不佳的问题,添加小目标检测头,更好地捕获小尺寸车辆的特征和上下文信息;使用可自适应调整权重系数的Wise⁃SIoU作为改进模型的损失函数,提升了边界框的回归性能和检测的鲁棒性。在KITTI数据集上进行实验,P、R和mAP@0.5分别提高了0.4%、2.1%和3.7%。文中的改进方法在交通监控系统中能够达到较好的检测精度和速度,有效改善了复杂交通场景下小目标车辆检测效果不佳的问题。