基于SSD的改进目标精定位检测算法

目标检测问题是计算机视觉中的热门问题,如何提高目标检测定位精度是检测过程中面临的一个难题。在SSD算法的基础上,通过结合选择性搜索算法,提出了一种提高检测定位精度的方法。该算法首先通过SSD算法框架对图像进行目标初始检测,获得目标粗略位置和目标类别,然后采用一种改进的选择性搜索算法对目标所在区域进行选择性搜索,生成目标边界候选框,最后采用文中提出的边界判断方法得到目标精确位置,完成由粗到精(Coarse-to-Fine)的目标定位检测。文中算法对PASCAL VOC2012数据集中的22 531张图像进行了测试,实验结果显示文中算法检测目标中心位置误差7.6,平均覆盖率90.8%,相比于其他算法,中心位置误差更低,覆盖率更高,能提高目标检测定位精度20%～30%。     

E-SSD:目标特征增强检测算法

针对SSD目标检测算法在检测目标过程中存在漏检的现象,提出一种特征增强的SSD目标检测算法。该算法通过将特定连续特征层进行特征融合,获取更为丰富的目标细节特征信息,以此来改善目标的特征表达效果,提升目标检测正确率。经仿真测试,该算法对车辆、自行车和行人等道路参与者检测效果均有提高,在PASCAL VOC2007数据集上的测试结果与原有SSD检测算法相比,mAP提高0.78%,适合于车载与移动机器人等场景的目标检测应用环境。     

基于改进单步多框目标检测的道路小目标检测算法

针对SSD目标检测算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,本文提出一种改进的SSD目标检测算法。本算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感受野,以获取更多小目标的特征信息;然后在主干网络后加入4次U型特征提取结构,构建4个不同层级的特征金字塔,最后合并成一个多层级特征金字塔用于检测。结果表明,该改进SSD模型在KITTI数据集上的检测精度较原始SSD模型提升了6%,检测速度达到了每秒27.9帧。在兼顾检测效率的同时,有效提高了对道路上小目标的检测精度,更适用于自动驾驶领域。     

一种改进的SSD算法

为改善在目标尺度变化场景下的检测效果,在SSD算法基础上提出了一种改进方案。首先利用级联膨胀卷积对卷积层进行二次特征提取,然后通过密集连接方式获取目标的上下文信息,最后使用权重共享实现模型优化并采用多任务学习策略预测目标的类别及位置。在UA-DETRAC数据集上的实验结果表明,改进算法的平均精度达89%,超过Faster R-CNN算法17%左右,超过SSD算法10%左右。本文算法对多尺度目标检测任务具有更好的精确性和鲁棒性,能适应遮挡和光照不均匀等应用场景。     

基于特征融合SSD的微电连接器缺陷检测

提出基于多尺度特征融合单次多框检测器(SSD)算法,对微精密玻璃封装电连接器的缺陷进行检测．针对SSD算法在背景复杂、噪声干扰多、目标特征微弱环境下,特征提取能力弱、检测精度低的问题,在主干网络加入深度残差结构,丰富细节信息;针对在卷积网络中关键信息逐步丢失问题,提出了自顶向下的多尺度特征融合方法将含有上下文信息的高语义层与含有位置信息的低层特征进行融合,使得融合后的特征层包含丰富的边界信息和背景信息;在此基础上,构建了一种轻量级的通道注意力模块,增强SSD算法对特征层重要特征的提取并弱化无关特征,从而提高SSD网络的特征提取能力．实验结果表明：改进算法相对于原始的SSD算法,精度由86.42%提高到了91.28%.     

基于自注意力的SSD图像目标检测算法

基于深度学习的方法,运用单次多框检测器(SSD)目标检测框架和自注意力机制,针对施工人员佩戴安全帽数据集进行神经网络训练.通过调整原始SSD目标检测框架中的参数,并向SSD目标检测框架中添加自注意力模块来计算特征图中像素点之间相互影响,以提高算法对目标检测的关注度,扩大卷积神经网络的感受野,从而提高目标检测的准确率.实验结果表明:改进算法在应对小目标检测以及目标之间的遮挡方面有很好的适应性,同时与其他检测算法相比,检测成功率有明显提高.     

基于SSD网络模型改进的水稻害虫识别方法

针对目前主流的目标检测算法在虫害监控系统中识别速度慢、准确度低的问题,提出一种基于SSD网络模型的水稻害虫识别方法。该算法用表征能力更强的特征金字塔代替SSD原有的多尺度特征图,同时改进了归一化和激活函数,使得模型对小目标的识别率更高、收敛性更好,从而提高了水稻害虫的识别率与检测速度。实验表明,相比于faster R-CNN算法,基于SSD改进的水稻虫害识别方法的mAP最高提升了6.6%,其识别速度最高提升8倍。     

基于clear-SSD的单点多盒飞机目标检测天气适用性

目前遥感影像目标检测算法大多针对良好天气,一旦出现雾霾,则必然影响检测效果。为使目标在良好天气或雾天条件下均能有较优的检测精度,提高模型适用性。以飞机检测为例,提出一种基于影像处理的clear-SSD单点多盒目标检测模型。该模型在SSD检测算法前增加了影像处理算法,即先对待检测的遥感影像进行清晰化处理,再通过SSD检测算法提取影像中的飞机。比较不同清晰化算法对检测精度的提升效果,选择适用性最优的算法作为模型前端,备选清晰化算法包括暗通道、高斯同态滤波及线性同态滤波,研究表明,三种清晰化算法对精度均有改善,其中高斯同态滤波的适用性最优,平均检测精度达到0.9843,比原始SSD模型提高了0.043,因此,将高斯同态滤波作为clear-SSD模型的影像处理部分。     

复杂场景图像中人员目标检测算法的改进

图像或视频中的人员目标检测,一般采用单个深层神经网络检测器(SSD)算法.但在复杂场景下,SSD算法因场景复杂、物体重叠、遮挡等干扰,检测精度大大降低.在SSD算法中加入反卷积网络反馈用于增加环境感知信息;采用辅助损失函数以促进损失降低,并将复杂场景中的目标检测多分类问题转换为二分类问题.以无人机拍摄的复杂场景下的行人数据集为例进行人员目标检测实验,对比分析多种检测方法的准确率表明,改进后的SSD算法在检测速度和识别精度上均提高明显.     

一种虚拟场景车辆检测与测距方法

为了提升前方车辆测距精度,提出了一种基于改进目标检测(SSD)算法的车辆检测与测距方法。采用场景仿真软件PreScan搭建测试场景,使用改进的SSD算法,对摄像头采集的视频进行车辆目标检测。将检测框下边缘的中心点坐标作为图像中车辆坐标,根据单目视觉测距算法进行车辆目标测距。实验结果表明:在网络阈值为0.9时,改进的SSD算法对小车辆目标检测精度提升了6.6%。可以检测到70 m左右的目标,提出的测距方法可以达到2%的精度。     

梁平柚果实膨大期叶片矿质营养诊断研究

【目的】对重庆地区梁平柚核心产区柚园进行营养诊断,为梁平柚的平衡施肥提供参考依据。【方法】以梁平柚核心产区18个代表性柚园为研究对象,通过测定果实膨大期叶片中氮(N)、磷(P)、钾(K)、钙(Ca)、镁(Mg)、锌(Zn)、铁(Fe)、铜(Cu)、锰(Mn)元素的含量,运用诊断综合施肥法(DRIS)对叶片营养状况进行研究。【结果】依据高产园叶片矿质营养元素含量范围确定梁平柚叶片矿质营养元素的适宜值为N(22.12±2.53)g/kg、P(0.77±0.20)g/kg、K(16.50±4.67)g/kg、Ca(29.13±6.12)g/kg、Mg(3.92±0.89)g/kg、Zn(18.45±3.07)mg/kg、Fe(128.26±34.00)mg/kg、Cu(20.66±5.68)mg/kg、Mn(20.98±9.70)mg/kg。不同供试柚园的养分需求顺序不同,高产园柚树相对缺乏元素有K、Mg、Fe、Mn、Cu,低产园柚树相对缺乏的元素有K、Mg、Fe、Mn。【结论】梁平柚园普遍存在缺K、Mg、Fe问题,尤其低产园柚树缺K、Mg问题较为突出,建议在生产上进行适当补充,以充分发挥果园的增产潜力。     

沙田柚×菊花芯柚杂种子一代果实性状初报

沙田柚×菊花法柚杂种子一代果实，在果重、果形指数、品质、种子数等诸方面都表现出遗传性状的广泛分离现象。其中果重、果形指数和可溶性图形物含量等性状大多数接近亲本值或介于双亲之间，种子数偏多，与大多数杂交组合的后代趋势一致．     

基于近红外透射光谱与机器视觉的蜜柚汁胞粒化分级检测

汁胞粒化是一种柑橘类水果中汁液囊的生理失调现象,表现为汁液囊变硬、干燥等,对水果内部品质产生消极影响。蜜柚是一种厚皮的柑橘类水果,很难通过外部果皮及果形,鉴定果实内部的汁胞粒化程度。采用近红外透射光谱结合机器视觉技术的快速无损检测方法,对蜜柚汁胞粒化程度进行分级检测。采集600个不同生长期的蜜柚样本在900～1700 nm的光谱数据,按果实的汁胞粒化程度将其分为5级。结合化学计量学研究由汁胞粒化引起的内部品质的化学变化,而机器视觉技术可用于研究由汁胞粒化引起的外部特征的物理变化。因此,该方法相较于传统检测方法,分级模型的预测能力更好。尤其是,连续投影-K近邻算法预测模型的准确性、敏感性和特异性分别达到0.970 0、0.923 1和0.987 4以上。结果表明:该方法可用于汁胞粒化的鉴定与评估分级,且具有巨大潜力,以期为厚皮类水果在线分选及内部品质研究提供参考和理论依据。     

基于Spring Boot框架的井冈蜜柚管理系统设计与实现

井冈蜜柚产业是吉安市六大富民产业之首和扶贫攻坚的首选产业.目前,该产业在生产阶段仍采用粗放型管理模式,为向精细化管理模式转型,急需建立信息化管理平台作为技术支撑.开发了一个基于Web的井冈蜜柚管理系统,实现了对果树的样区和样地管理、基础信息管理、健康信息管理和统计分析等核心功能.该系统采用了前后端分离的开发模式,前端和...     

果树在揭阳城市园林绿化中的应用

对揭阳城市园林绿化中的果树应用进行了调查,结果表明：果树在揭阳城市园林绿化应用中,品种单调、配置单一,后期的养护管理水平较低,不能发挥其应有的景观效果;针对存在的问题,提出了相应的建议,以丰富植物的多样性和提升园林景观效果。     

针刺防治玉环柚裂果效应的初步研究

对利用针刺防治玉环柚裂果的效应进行了分析，结果表明，针刺玉环柚果顶部位能明显降低玉环柚裂果率，且对其品质无明显影响，该方法简单，易行，有效，值得推广。     

套袋对凤凰柚果实品质的影响

就凤凰柚套袋处理对果实的外观、内质及农药和重金属残留的影响进行了研究,结果表明:套袋处理的果实较未套袋的果实表面光滑、金黄、色泽均匀,病虫斑果、污染果显著减少,其中病虫果减少了31.5%、畸形果及污斑果减少了49%,裂果率降低52.8%,商品率提高了22.5%,且极大减少了农药和重金属残留量.套袋处理的果实可溶性固形物含量基本没什么差异,但含糖量提高了14%,含酸量提高了6%,糖酸比提高了9%.     

基于MM YOLOv4的无人机目标检测算法

针对当前无人机目标图像检测方法精度较低和检测速度过慢的问题,提出一种结合轻量级网络和改进多尺度结构的目标检测算法。首先采用MobileNetV3轻量级网络替换YOLOv4的主干网络,减少模型复杂度,提升检测速度;其次,引入改进多尺度结构的PANet网络,增强高维图像特征和低维定位特征的流动叠加,提升对小目标的分类和定位精度;最后,利用K means方法对目标锚框进行参数优化,提升检测效率。同时结合公开数据集和自主拍摄方式构建一个新的无人机目标图像数据集Drone dataset,并基于数据增强的方法开展算法性能实验。实验结果表明,该算法的mAP达到了91.58%,FPS达到了55帧/s,参数量为44.39 M仅是YOLOv4算法的1/6,优于主流的SSD、YOLO系列算法和Faster R CNN算法,实现了对多尺度无人机目标的快速检测。