基于无人机图像比对的违章建筑检测方法

针对当前违章建筑图像识别和图像变化检测中存在的误检、漏检等问题,提出了一套基于无人机图像比对的违章建筑检测方法,创新性地采用YCrCb颜色空间三分量分别进行差分运算和阈值化处理,结合图像分类算法排除非施工活动引起的图像变化,通过结构相似性检测,对新旧时相变化区域相似度进行评估,识别出在建违章建筑引起的图像变化区域.与目前主流的基于无人机图像的非单一类型违章建筑物检测方法相比,4032×3024分辨率图像的检测时间缩短40.9%至4.08 s,正确率提高15.3%达到86.3%且无漏检测.结果表明,本方法可有效、快速识别在建违章建筑区域,有利于城市管理人员及时发现并处理这些违章行为,从而提高城市管理的效率和响应速度.

改进YOLOv8的燃气管道智能视频监控系统设计与实现

为了解决燃气管道沿线监控视频中普遍存在的背景复杂、多样的小目标和多尺度目标识别能力不足的问题,提出了基于CBAM注意力机制和4倍下采样检测头的YOLOv8改进算法,并实现了基于该改进算法的智能视频监控系统.实验结果表明,改进的算法精确度、召回率和均值平均精确度mAP@0.5分别达到了80.2%、72.8%和80.2%的性能指标,相比原始的YOLOv8s算法分别提高了1.9%、3.8%和1.6%.以某市燃气管道安全监管为研究案例,验证了该改进算法系统在燃气管道安全监控中的效率、准确率和时效性,为实现燃气管道安全监管的常态化、规范化和精细化,提供了一定的技术支持.