基于YOLO v8n-seg和改进Strongsort的多目标小鼠跟踪方法

多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5 ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进:对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。

改进YOLOv5s-Seg的高效实时实例分割模型

实例分割是图像分割的重要组成部分,同时也是计算机视觉领域的一个重要课题。然而现有实例分割模型不能在保证实时性的同时保证模型分割精度,因此在实时实例分割任务中一直存在精度过低、定位不精确的问题。针对此问题,提出了一种基于YOLOv5s-Seg改进的实时实例分割模型。以YOLOv5s-Seg作为网络的基础模型,主干网络选用Repvit m3网络,然后改进FPN结构,在FPN结构中将原始得到的C3卷积模块升级为RsRepVitBlock模块,并在其内部使用ECA注意力机制,最后采用SIoU作为模型的边界框损失函数。该算法在公开数据集PASCAL VOC 2012上的实验结果显示,改进后的模型分割精度mAP达到了65.7%,较原模型YOLOv5s-Seg提高了10.6个百分点。该模型大幅提升了分割精度,并且有效地改善了分割任务中定位不准确的问题。相较于其他模型,具有显著的精度优势和更好的模型稳定性。

基于改进YOLOv8-Seg的苹果单枝条花序疏除方法

针对苹果疏花作业中无法自动识别枝干以及缺乏花序疏除方法,该研究提出了一种适用于现代果园的苹果树单枝条花序疏除方法。首先,对YOLOv8-Seg模型进行改进:在Backbone部分添加GCT(Gaussian context transformer)模块,通过引入全局上下文信息和调整通道的重要性,提高模型对遮挡目标的分割性能;在对应3个检测头的Neck部分的C2f模块内部增加EMA(efficient multi-scale attention)机制,通过并行子网结构和跨空间信息聚合更好地关注多尺度特征。其次,使用改进YOLOv8-Seg模型对单枝条中的花苞、花序、开放花朵和花枝四类目标进行实例分割。最后,基于分割结果应用多项式拟合曲线表征花枝,并计算花序间距离实现花序疏除。结果表明,改进的YOLOv8s-Seg模型在自建数据集mask水平的精确率、召回率和mAP分别达到了89.9%、89.5%和91%,比原模型分别提升了6.5、4.1和5.8个百分点。与主流分割模型Mask R-CNN,YOLACT,SOLOv2进行对比,mask水平的mAP分别高出10.8、12.3和9.1个百分点。花序疏除决策结果与人工决策结果对比误差不超过10%。该方法可应用于单枝条水平上的花序疏除任务,为苹果智能疏花提供技术支持。

基于改进YOLO v8n-seg的羊只实例分割方法

羊只实例分割是实现羊只识别和跟踪、行为分析和管理、疾病监测等任务的重要前提。针对规模化羊场复杂养殖环境中,羊只个体存在遮挡、光线昏暗、个体颜色与背景相似等情况所导致的羊只实例错检、漏检问题,提出了一种基于改进YOLO v8n-seg的羊只实例分割方法。以YOLO v8n-seg网络作为基础模型进行羊只个体分割任务,首先,引入Large separable kernel attention模块以增强模型对实例重要特征信息的捕捉能力,提高特征的代表性及模型的鲁棒性;其次,采用超实时语义分割模型DWR-Seg中的Dilation-wise residual模块替换C2f中的Bottleneck模块,以优化模型对网络高层特征的提取能力,扩展模型感受野,增强上下文语义之间的联系,生成带有丰富特征信息的新特征图;最后,引用Dilated reparam block模块对C2f进行二次改进,多次融合从网络高层提取到的特征信息,增强模型对特征的理解能力。试验结果表明,改进后的YOLO v8n-LDD-seg对羊只实例的平均分割精度mAP_(50)达到92.08%,mAP_(50:90)达到66.54%,相较于YOLO v8n-seg,分别提升3.06、3.96个百分点。YOLO v8n-LDD-seg有效提高了羊只个体检测精度,提升了羊只实例分割效果,为复杂养殖环境下羊只实例检测和分割提供了技术支持。

基于改进YOLOv8n-seg的蟹塘水草区域分割与定位方法

目前蟹塘内水草清理以人工作业为主,劳动强度大,作业效率低,自动水草清理船能大幅降低劳动强度,提高作业效率,而确定蟹塘水草分布是规划水草清理船高效作业路径的关键基础。针对无人机采集的蟹塘水草图像中水草与岸边植被相似性高、难以准确区分等问题,该研究提出一种基于改进YOLOv8n-seg的蟹塘水草区域分割与定位方法。改进模型从降低模型大小和提高召回率的角度出发,首先基于RT-DETR(real-timedetectiontransformer)的HGNetv2(hierarchical graph network)轻量化网络结构重设主干特征提取网络,缩减模型体积;其次以Efficient Rep轻量化结构为基准重构颈部网络,在降低参数量的同时增强模型的多尺度特征融合能力;接着在特征提取层引入SegNext注意力机制,加强模型对蟹塘水草区域的敏感度。为了消除模型在识别过程中产生的冗余区域,进一步提高分割精度,采用二值化处理对分割结果进行优化,并结合图像处理算法对水草区域进行面积筛选;经过坐标转换后得到精确水草轮廓经纬度坐标。试验结果表明:改进模型对蟹塘水草具有良好的区分度和分割效果,其参数量和计算量分别为1.49 M和8.4 GFLOPs,召回率和平均精度均值分别为91.5%和95.6%,与原YOLOv8n-seg模型相比,模型体积减小了49.7%,分割速度提升了32.3%。在坐标转换试验中,水草定位精度平均误差为0.22 m,验证了改进模型能够满足蟹塘水草区域分割与定位要求。研究结果为后续水草清理船自动作业路径规划研究提供参考。

浅谈SEG地震数据极性

美国SEG协会将地震记录的极性定义为SEG极性和SEG反极性,以确保野外原始记录的一致性。在地震勘探项目中,油公司通常在开展前明确仪器、震源以及地震道数据的极性要求。极性错误可能导致重大的质量问题,因此,在项目启动审计、日常设备检验以及更换相关采集设备部件后,特别关注极性测试是至关重要的。本文以野外地震采集项目为背景,以Sercel系统为例,利用第三方测试软件Testif-i进行检验,对SEG极性进行详细解析。希望通过本文能在实际生产过程中提供一定的指导,防范极性问题,避免因此引发质量事故。

SEGR土壤治理技术

中石化炼化工程(集团)股份有限公司洛阳技术研发中心(SEGR)位于洛阳国家自主创新示范区河洛路6号,是香港上市公司中石化炼化工程(集团)股份有限公司(SEG,HK2386)按照分公司管理的实体性研究机构。为全面贯彻落实《土壤污染防治行动计划》等政策法规要求,加大土壤地下水防治力度,保障集团公司绿色低碳发展战略实施,SEGR在土壤治理业务领城不断探索、开拓,承担了一些国家及大量集团公司科技攻关课题,逐步形成了一批污染土壤风险管控与修复技术,具备较强的土壤地下水污染状况调查与风险评估等技术服务能力。

SEG/EAEG盐丘模型的三维分步傅里叶炮集叠前深度偏移

用分步傅里叶法对SEG/EAEG盐丘模型进行了三维叠前深度偏移。在偏移中 ,采用相位编码方法 ,使得每次可以同时进行多炮偏移 ,节省了计算量。在计算中 ,采用了MPI并行算法 ,提高了计算效率。数值计算得到了三维SEG/EAEG盐丘模型的精确成像结果 ,这表明三维分步傅立叶法叠前深度偏移是一种精度良好且高效的方法 ,该方法可用于对三维复杂构造的精确高效成像 ,具有良好的实用性。

TSP的应用及其与SEG-2数据文件格式间的转换

TSP超前地质预报系统目前在我国已得到了比较广泛的应用,但厂家未提供其数据文件存储格式。为此,在举例说明TSP的应用效果后,笔者采用U ltraEd it软件对多个TSP数据文件进行分析,弄清了其原始数据的总体存储结构。另外,还简单介绍了国际标准地震数据SEG-2文件的存储格式,并在M atlab语言环境下编制了读取SEG-2数据文件与TSP数据文件的程序,实现了将SEG-2文件转换成TSP数据文件的功能。因此,在今后的工作中可直接应用TSP的数据处理软件包TSPw in来处理国产的超前地震数据。

10万t/a气相法聚乙烯装置SEG型催化剂试用情况

在UT的气相法聚乙烯装置中,国际上广泛使用了一种於浆型齐格勒-纳塔催化剂。叙述了任丘市利和科技发展有限公司生产的SEG型於浆催化剂在聚乙烯生产装置上的使用情况,对国产SEG型催化剂的使用性能做出了完整评价。

从SEG2002年会看油藏描述技术的新进展

介绍了SEG2 0 0 2年会所反映的油藏地球物理描述技术的最新进展 ,包括 :高分辨率采集技术与应用效果 ,非常规波场分析 ,地震属性分析 ,与AVO分析紧密相联的叠前叠后联合反演 ,基于岩石物理正演的波场反演 。

第73届SEG年会地震数据处理新技术简介

介绍了第73届SEG年会论文中关于地震数据处理的主要内容,包括地震信号增强、多次波压制、陆上地震数据处理、频率与分辨率、数据内插及规则化等内容。集中反映了该领域的研究热点是提高数据处理精度,有效压制叠前噪声,改善复杂构造成像效果。

2004年SEG年会地震勘探技术最新进展

首先根据近5年SEG年会发表的文章数量变化分析了勘探地球物理技术的发展趋势,按地震采集、地震数据处理、偏移、岩石物理等技术分类简单介绍了最新进展。采集技术主要介绍了数字检波器的优势、点震源/点检波器陆地连续采集及处理技术和一种金属炸药。地震数据处理技术主要介绍了非垂直出射的静校正技术、减小采集脚印影响和提高空间分辨率的叠前道集插值算法、反射面元(CRS)地震反射成像及绕射波分离技术。偏移技术主要介绍了基于波动方程的照明分析、克希霍夫叠前深度偏移中的照明角补偿法、平面波偏移成像、用有限元有限差分法进行正演和成像及绕射波成像技术。岩石物理主要介绍了人造砂岩制造技术、碳酸盐岩中渗透率与速度间关系的建立及碳酸钙沉积的时延超声测量结果。

勘探地球物理技术最新进展——2002年SEG年会综述I:采集与处理

根据 2 0 0 2年SEG年会部分论文编译而成 ,包括采集和处理新技术。概要性地介绍了针对目标的观测系统设计技术 ;高密度采集提高地震数据信噪比和分辨率技术 ;改进震源以提高地震数据信噪比和分辨率技术 ;小波分析去噪技术 ;层析成像静校正技术 ;特殊处理技术 ;属性表征技术 ;

勘探地球物理技术最新进展——2002年SEG年会综述Ⅱ:解释与压力预测

根据 2 0 0 2年SEG年会部分论文编译而成 ,包括解释技术和压力预测技术。概要性地介绍了偏移成像技术 ;新属性技术 ;自动地震相分析技术 ;油气检测技术 ;储层反演技术和

从SEG-62届年会看地球物理科技动态

简要介绍了SEG-62届年会的概况;总结和分析了SEG-62届年会所展现的勘探地球物理科技发展水平;预示了勘探地球物理今后的发展趋势。

SEG-D格式磁带解编简介

在地震勘探中,SEG-D格式使用方便、灵活,但其灵活却为解编模块的通用带来较大的困难。我们在对SEG-D格式的标准进行介绍的基础上,分析了SEG-D格式的磁带结构,给出了SEG-D格式磁带解编的常规流程。

SEG/SUN:面向多种语言的语法制导编辑系统在SUN上的实现

SEG/SUN是建立在SUN工作站上的面向多种语言的语法制导编辑系统.它由以下几部分组成:元语言Meta;元语言分析程序;语法制导的编辑处理程序,以及窗口管理程序本文简略介绍了SEG系统,并着重讨论了它在Unix系统下的实现技术.

基于SEG阶段控制方法的军队油料自然损耗数据净化研究

军队油料自然损耗标准是军队开展油料正规化建设和标准化管理的基本依据,是军队油料供应标准制度体系的重要组成部分。以往标准修定过程中,对于数据质量的控制,多采用人为干预、经验判断的方式,尚缺一套系统完备的数据质量控制方法。为进一步提高标准的科学性和客观性,提出了一种基于SEG阶段控制方法的军队油料自然损耗数据净化方法,针对统计设计、统计调查、统计处理3个阶段,引入SPSS统计分析方法、EDA质量控制方法和改进Grabbs分析方法,根据各类自然损耗数据特征和标准工作实际需要,对整理类数据、探索类数据和验证类数据进行全过程分类净化,充分发挥各方法优势,有效提高了油料自然损耗数据的可靠性和准确性,增强了标准制定过程中数据质量控制环节的科学性,为制定颁发军队油料自然损耗标准奠定了坚实的数据基础。