基于改进YOLOv5的轻量级芯片封装缺陷检测方法

目的 针对芯片封装缺陷检测过程中检测精度低与模型难部署的问题,提出YOLOv5-SPM检测网络,旨在提高检测精度并实现模型轻量化。方法 首先,通过在特征提取模块后增加通道注意力机制,提高缺陷通道的关注度,减少冗余特征的干扰,进而提升目标的检测精度。其次,在主干网络与颈部网络连接处使用快速特征金字塔结构,更好地融合了自建芯片数据集的多尺度特征信息。最后,将主干网络的特征提取模块更换为MobileNetV3,将常规卷积更换为深度卷积和点卷积,有效降低了模型尺寸和计算量。结果 经过改进后的新网络YOLOv5s-SPM在模型参数下降29.5%的情况下,平均精度较原网络提高了0.6%,准确率提高了3.2%。结论 新网络相较于传统网络在芯片缺陷检测任务中实现了模型精度与速度的统一提高,同时由于模型参数减小了29.5%,更适合部署在资源有限的工业嵌入式设备上。     

基于分形特征参数的目标边缘检测算法

图像的边缘提取在计算机视觉系统的初级处理中具有关键作用,但目前仍是"瓶颈"问题.本文主要针对复杂背景下的目标边缘检测问题,提出了一种新的基于分形特征参数的目标边缘检测方法.算法基于分数布朗运动的方差性质提出一种改进的分形维数及其截距特征参数的计算方法,进而将该分形维数与截距特征参数相结合,提出了一种基于分形特征参数的边缘检测算法.实验表明,算法可以有效地实现目标边缘检测,同时算法的运算效率得到提高.     

基于改进粒子群优化算法的快速小目标检测

提出了一种快速小目标检测方法.在算法优化方面,采用粒子群优化算法.为了克服传统粒子群优化算法的一些不足,对粒子群的拓扑结构进行了自适应的调整,改进了粒子群的多样性和寻优能力.在小目标检测方面,主要通过图像局部方差增量描述小目标作为图像局部灰度突变区域的这种特性.通过将粒子群优化算法引入到检测中,提高了检测速度.通过仿真实验,粒子群的寻优能力有了明显的增强,检测的性能有了大幅度的提升,并且检测结果是可靠和有效的.     

基于Lasso-LGB的老人跌倒检测算法研究

目的:为了提高跌倒分类任务的精度,同时保证跌倒检测的实时性。方法:提出了一种融合Lasso回归和轻量级梯度提升机(Lightweight Gradient Boosting Machine, LightGBM)的跌倒检测算法Lasso-LGB。该方法首先利用Lasso回归算法选取跌倒数据特征向量中的主要特征;然后用LightGBM算法来检测判别人体的跌倒行为或日常生活行为。结果:通过两个公开的跌倒数据集进行算法验证,表明Lasso-LGB跌倒算法能更准确地检测跌倒行为,使跌倒检测的误报率和漏报率大大降低。结论:提出的Lasso-LGB算法实现了高精度的跌倒行为检测以及准实时的运行时间需求。     

基于改进MTI算法的视频图像空间目标检测

针对经典MTI算法在处理某型微纳卫星拍摄的视频图像时存在较为耗时的现象,以及空间目标轨迹投影不连续造成无法使用连通域标记同一目标的问题,本文提出一种改进的MTI算法用于空间目标检测。算法通过设计像素“感受域”,消除了空间目标轨迹投影不连续的现象。同时,在简化了像素时序信号投影的步骤后,仍能保留原算法对背景杂光和噪声的滤除作用,并使得算法速度得到提升。基于某型微纳卫星拍摄的视频图像进行算法实验,结果表明,本文算法对于轨迹投影不连续空间目标的检测无虚警,算法速度约为0.06 s/f。     

基于改进FCOS的水下目标检测算法北大核心CSCD

提出一种基于改进全卷积单阶段目标检测(FCOS)算法的水下目标检测算法。针对水下光学图像存在高色偏、低对比度、色彩偏暗、模糊失真而导致现有目标检测算法在水下环境检测效果不佳等问题,将骨干网络中的普通卷积替换为可变形卷积(DCN)进行优化,增强算法在模糊的水下光学图片的特征提取能力。通过神经架构搜索(NAS)改进网络的特征融合网络以及检测网络,提升对骨干网络提取到的特征的利用能力。采用CIoU Loss作为新的损失函数来提高坐标回归的准确率。实验表明:改进的FCOS算法在DUO数据集上,检测的准确率提高了1.8%,召回率提高了2.2%,检测速度为53.4帧/s(相比改进前降低了5.0%)。该算法准确率较高并基本达到实时检测的要求。     

基于改进目标检测算法的AGV避障方法研究

目的 针对食品包装的抓取和装配,利用人工成本高且容易装错等问题,基于方位特征(POC)方程的并联机构结构综合方法,提出一种以3PUPaR并联机构为主体的抓取机器人机构。方法 计算3PUPaR并联机构的自由度、方位特征集以及耦合度等拓扑特性,验证机构具有空间纯移动的运动特性,建立机构的运动学逆解方程,基于此,采用数值法得到机构的工作空间与运动灵巧度。并研究参数尺寸大小对工作空间与全局灵巧度的影响,以全局灵巧度和工作空间为优化目标,选择具有Pareto解的NSGA-II算法完成多目标参数优化。结果 结果表明,机构具有较大且连续的工作空间。结论 该新型三自由度并联机器人能够满足食品包装的抓取和装配时运动范围。     

基于改进Faster R-CNN的水准泡缺陷检测方法

目前水平尺制造行业采用人工方法对水准泡进行出厂检测,其准确率低、速度慢,该文提出一种基于改进Faster R-CNN的水准泡缺陷检测方法.采用ResNet101作为特征提取网络来避免网络退化,同时融合递归特征金字塔(recursive feature pyramid,RFP)得到多尺度的特征图输出,通过主干网络再训练的...     

基于背景分类的弱小目标检测算法

为了降低复杂背景对弱小目标探测的影响,本文提出了一种基于背景分类的弱小目标检测算法.背景分类的依据是背景的复杂度,本文用熵运算估计背景的复杂程度,同时为了简化算法,采用多分辨率的小波变换.再用模糊数学中的隶属度函数映射到模糊特征平面,作为背景因子图像.接着对背景因子图像进行最大熵阈值分割,将复杂的地面背景与平坦的天空背...     

一种新的轻量级的RFID认证协议

无线射频识别技术(RFID)有望在不久的将来取代条形码系统,它的信息存储量以及传输信息的能力相比条形码都有明显的优势。然而,由此引发的用户隐私入侵和系统安全威胁一直是用户日益关注的问题。由于其设备的资源受限,以及无法执行强加密算法,因此于RFID系统中安全协议的执行是一个极大的挑战。为此,近来许多认证协议已被提出以防止未经授权的定位跟踪、检测、假冒、克隆等。本文提出了一种新的有效的轻量级射频识别认证协议,对于某些应用,它已能提供足够的安全级别。该协议中标签只需执行hash和异或运算而阅读器和后台服务器承担大部分的运算量包括伪随机数的产生以及加解密的运算。相比于其他协议,我们实现了防止隐私泄露、伪装等安全攻击的特点,适合于低成本、低计算量的RFID系统。     

基于增强分形特征的人造目标检测

自然背景和人造目标对于某些分形特征存在着一定的本质差别,这些差别为目标检测提供一套全新的方法。研究表明,对于自然背景中嵌入少量人造目标这类简单情况,采用单一的分形特征就能取得较好的检测效果。对于复杂情况下的检测,本文采用Sarkar和Chaudhuri的差分计盒（DBC）分数维法计算图像的分维数,并用概率松弛法（PRIA）对分维值进行特征增强。仿真实验表明,该方法具有较好的检测效果。     

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection, LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle, ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。     

基于注意力与密集重参数化的目标检测算法

针对目标检测任务中背景复杂、目标尺寸差异大等因素导致目标检测结果较差的问题,本文提出基于注意力和密集重参数化的目标检测算法。首先,基于CSP-DarkNet提出高效的特征提取网络,主要包括密集重参数化模块和CASA模块2个设计。前者利用密集连接保留浅层特征,又通过重参数化结构降低网络复杂度;后者CASA模块用于获取需要的目标信息。其次,特征融合在特征金字塔(FPN)和路径聚合网络(PAN)的基础上,引入内容感知特征重组(CARAFE)进行上采样,有效解决了邻近插值法等未能捕捉丰富语义信息的问题;提出更高效的C3-G模块,获取丰富的梯度信息,增强模型表达能力和感知能力;同时,引入深度可分离卷积提升运算效率。最后,检测输出采用在更大范围上跨领域正负样本匹配策略扩充正样本数量,提升检测效果。该算法在MS COCO和PASCAL VOC数据集上的m AP@0.5分别达到了57.5%和83.0%,充分说明了本文算法的先进性。     

改进动态规划算法在小目标检测中的应用

针对使用常规的基于能量累积最大化的动态规划算法累积能量时效果较差的缺点,结合已有的动态规划算法,提出一种新的基于状态稳定性的动态规划能量累积算法.该算法根据目标运动时灰度值的稳定性和运动轨迹的连续性,分别计算能量稳定概率和方向稳定概率;采用信息融合的思想计算出状态稳定概率;累积状态稳定概率最大的候选累积点的能量.实验结果表明,算法较好的解决了目标能量累积时的能量扩散问题,目标信噪比为2.5时能量扩散区域减少10倍;在累积5帧,目标信噪比小于2.5时,仍能稳定地使信噪比提高1.5倍;使用阈值分离目标时虚警点个数平均减少10倍以上.     

基于SNIC超像素融合纹理特征和上下文内容的显著性目标检测算法

针对显著性目标检测算法在面对复杂场景图像时存在背景错误凸显和不能凸显纹理细节的问题,提出一种改进的基于SNIC超像素融合纹理特征和上下文内容的显著性目标检测算法。对图像进行SNIC超像素分割,基于超像素的距离、颜色得到超像素显著图;利用LBP算子得到图像的纹理显著图,将超像素显著图以及纹理显著图结合得到初级显著图,最后将初级显著图与CA模型下的显著图融合,得到最终显著图。基于MSRA10K数据集将该文算法与其他5种算法进行对比测试。结果表明：该文所提出的算法与其他现有的显著目标检测算法相比,该文算法可有效抑制相似背景的干扰,突出目标区域的纹理信息,并且具有较高的准确度和稳定性。     

基于实时帧间处理算法的爆点目标检测

探讨了在野外实时图像监测中,如何能够准确地检测出突然出现在地平线附近的爆点目标这一问题.提出了一种基于帧间实时差分处理的新的系统图像处理算法.该算法采用帧间差分,对多项图像处理操作进行算法整合,在两帧图像采集期间完成处理任务.此外,算法中为排除野外环境的干扰,提出了依据时空相关性检测的帧间多级差分方法.该方法的特点是能够排除空旷无人地区各种自然因素的干扰,且处理速度快.实验表明了该方法的实时性和有效性.     

基于CEM的高光谱图像小目标检测算法

针对高光谱图像中小目标检测问题,提出了一种基于约束能量最小化(Constrained Energy Minimization,CEM)的目标检测算法.该算法首先对原始图像进行背景信息抑制从而抑制背景地物、突出低概率的小目标,用迭代误差分析的自动端元提取算法找出目标的端元光谱,然后把目标端元光谱代入CEM滤波器得到该目标的检测结果图.用高光谱数据进行了实验研究,并与CEM滤波器进行了比较.结果表明,其检测性能与直接采用CEM方法的检测性能相当,但是相对于CEM方法,该算法不需要目标的先验光谱信息,更具有实用性.     

基于学习矢量量化的运动目标检测算法

提出一种基于学习矢量量化的运动目标检测算法.通过训练样本,网络能自适应地确定区分运动目标和背景的阈值向量.输入向量包含图像的 YCbCr 颜色空间分量和灰度共生矩阵的方向特征.两者融合到算法中,有效抑制了背景亮度变化对运动目标检测的干扰.仿真实验结果表明,即使在背景模型亮度剧烈变化的情况下,算法也能够准确检测出运动目标.     

基于改进Faster RCNN的目标检测方法

针对基于区域的目标检测算法中定位精度不高的问题,本文提出了一种分裂机制的改进Faster RCNN算法.该算法首先选择特征提取能力强的卷积神经网络(CNN)作为骨干网络进行特征的提取;然后通过12种不同Anchors产生候选目标区,以进一步提升检测的精确度;最后将得到的特征分别传送到两个子网络,分别实现分类与定位.分类...     

基于多尺度特征融合的遥感图像小目标检测

本文提出了一种鲁棒的基于多尺度特征融合的遥感图像小目标检测方法.考虑到常用的特征提取网络参数量庞大,过多的下采样可能导致小目标消失,同时基于自然图像的预训练模型直接应用到遥感图像中可能存在特征鸿沟.因此,根据数据集中所有目标尺寸的分布情况(即:先验知识),首先提出了一种基于动态选择机制的轻量化特征提取模块,它允许每个神...