河南工业大学储粮害虫图像数据集

储粮害虫是造成粮食产后损失的重要因素,对粮食害虫早期活动进行检测和监控是减少储粮损失的必要且合适的防控措施。随着人工智能的发展,基于深度学习的图像检测方法在农业领域得到了广泛应用,目前在储粮害虫检测领域的研究相对较少,数据集的质量往往决定了深度学习模型能够学到的知识水平,因此构建专门用于储粮害虫图像检测和计数的数据集具有重要意义。本文提出的数据集GrainPest包含500幅粮虫原始图像、500幅像素级显著目标标注图像、420个害虫检测目标框标注文件和500条粮虫数量数据。数据集涵盖了玉米象、麦蛾、谷蠹、玉米螟、大谷盗、蚕豆象、米象、咖啡豆象、绿豆象、印度谷螟等主要粮食害虫,图像背景涉及小麦、玉米、大米、稻谷、绿豆、蚕豆等常见粮食。由于实际检测中有很多粮食是未感染虫害的,因此数据集还包含了80幅不含害虫目标的纯粮食背景图像,这增加了害虫显著性检测的难度。本数据集提供了一个多样性的粮虫图像基准数据集,旨在促进深度学习在储粮害虫显著性检测、目标检测和粮虫计数方面的研究,为降低粮食储藏损失和保障粮食安全提供支持。

工程教育专业认证背景下特设专业人才培养模式研究——以空间信息与数字技术专业为例

2012年,教育部普通高等学校本科专业目录修订的最大亮点在于将专业的具体设置,分为了基本专业和特设专业两大部分,目前工程教育专业认证通用标准并未对对特设类专业进行制订补充标准,工程教育专业认证背景下特设专业人才培养模式研究工作鲜有开展。本文紧紧围绕工程教育专业认证,结合特设专业自身特点,以空间信息与数字专业建设为例,进行了人才培养模式初探。

基于深度学习的粮食安全信息融合技术研究

作为世界上最大的粮食生产及消费大国,我国粮食在产后的储存安全方面显得尤为重要。针对多种储粮信息的安全状况分析,采用数据融合技术是获得全面、准确结果的有效方式。数据融合通过对粮食多源信息的综合分析,以获取安全评估的一致性解释和描述。深度学习则是提取数据深层特征的有力工具,因此基于深度学习的多源数据融合方法能够充分发挥数据关联与潜在价值,更加稳定的做出准确判断和决策。本文首先根据相关文献综述数据融合的产生与发展;并对传统数据融合方法应用以及现代数据融合研究成果进行分类对比,分析深度学习在数据融合中的优势,进而提出深度学习在粮食信息融合处理中的可行性;最后结合粮情处理现状,提出一种基于深度学习的粮情二级融合框架,采用温度、湿度、水分、虫害四种储粮信息的融合,对其在储粮安全评估中的应用做出研究和展望。

被动窃听环境中基于信道状态信息的物理层安全预编码设计

在被动窃听的多径信道场景下,窃听者(EaVEsdropper,Eve)仅被动窃听,不发射任何无线电信号,发射端(Alice)无法确定Eve的任何信息,给信息的安全传输带来了极大挑战。为了保障信息的安全传输,在Alice已知合法接收者(Bob)的信道状态信息(CSI)但是未知Eve的CSI的情况下,提出一种保障Bob的物理层安全的预编码方案,通过提高Bob接收信号的质量来提高系统的安全性能。首先,在不考虑Eve的情况下,仅根据已知的Bob的CSI给出可达Bob信道容量上界的预编码方案;利用Alice-Bob和Alice-Eve链路之间的信道特异性获得稳定的安全容量;然后,在瑞利平坦衰落环境下,通过Bob的中断概率推导出Bob的平均误码率(BER)准确的闭合表达式。仿真实验结果表明,所提方案在不改变接收机复杂度的基础上,能够保证Bob的信道容量始终优于Eve的信道容量。同时,所提方案能够在Eve的BER性能受到较大抑制的条件下,有效改善Bob的BER性能,即使Eve位置条件优于Bob也能保证安全容量始终存在。

基于Transformer的粮食安全信息融合算法研究

粮情监测和环境控制对保证粮库安全具有重要意义,但是由于粮库环境复杂,令相关工作人员对其的实时监测十分困难。这就出现了对粮库多源数据融合分析的需求,特别是对异质传感器信息的融合,即对多传感器时间序列数据进行有效的异常检测。但是如何提高数据融合结果的准确度和稳定性一直是个问题。为了能够实现准确的多源异质数据融合,提高粮库监控的智能化,以自注意力机制为切入口,提出了一种基于无监督的Transformer深度学习模型来进行粮库安全信息融合,该模型能够广泛适用于不同的粮库安全监测场景。实验结果表明,本文基于自注意力机制的信息融合模型具有更好的粮情监控能力,能够及时有效的发现粮库的存储问题,保证储粮安全。

改进YOLOv6的遥感图像目标检测算法

针对遥感图像背景复杂、目标普遍比较小且呈多尺度分布所导致的目标检测精度较低的问题,提出了一种改进YOLOv6的遥感图像目标检测算法。在骨干网络引入一种坐标注意力模块,以提高复杂背景下模型的特征提取能力和目标定位能力。提出一种上下文增强模块,使模型获取丰富的上下文信息,从而提升模型提取多尺度目标细节信息的能力。为了实现不同尺度特征的自适应融合,通过在颈网络引入一种自适应空间特征融合,提升了多尺度目标尤其是小目标的检测精度。将所提改进算法在遥感图像公开数据集DOTA-v1.0上进行训练并测试,实验结果表明,改进算法的收敛速度与收敛精度均优于原算法,其中AP值达到了54.6%,相比原算法提高了1.4个百分点,同时相比于一些其他目前先进的目标检测算法在精度和速度上均有提升,证明了改进算法的有效性。

元宇宙环境下的身份认证综述

传统网络环境中的身份认证方案是按照自身环境的特点进行设计,难以满足元宇宙环境中的设计需求。为解决元宇宙环境中的身份认证问题,对元宇宙的特征、属性、应用场景特点和面临的主要攻击威胁进行了研究;对元宇宙中的用户、化身、平台、可穿戴设备以及通信相关的身份隐私和安全风险进行了讨论;梳理元宇宙环境下与身份认证相关的工作,并将其归纳为用户与化身、用户与平台服务器、用户与可穿戴设备的认证。最后,讨论了元宇宙环境下身份认证机制的研究方向。

改进YOLOv8算法的城市车辆目标检测

针对复杂交通场景下城市车辆目标检测算法存在的漏检、精度低、泛化能力弱的问题,提出一种改进的YOLOv8城市车辆目标检测算法。采用一种改进的GAM-C2f结构来代替主干网络中的C2f模块,平衡模型的计算效率和准确性;设计一种SPPFAPGC模块,防止SPPF结构因最大池化操作所导致的局部特征丢失问题,提高特征图的丰富度,并进一步结合小目标检测头来加强对远处小目标车辆的检测能力,加强局部特征与全局特征的融合。为抑制低质量图像产生的有害梯度,使用WIOU损失函数代替CIoU,以提升网络的边界框回归性能,提高模型的收敛速度和回归精度。在Streets车辆数据集上的实验结果表明,与基准模型YOLOv8n相比,改进算法的mAP50和Recall分别提高了1.6和2.0个百分点,有效改善了城市交通场景下小目标车辆检测性能不佳的问题;在VisDrone2019数据集上进行验证,mAP50和Recall也分别提高了1.1和1.6个百分点,充分证明了改进算法的优越性。与其他先进主流算法相比,改进算法表现出了更高的准确率和查全率,表明改进算法在城市车辆检测任务中具有更好的性能。

基于语义分割的粮仓粮食数量变化动态监测方法

为了高效、准确且低成本监测粮仓粮食数量变化情况,研究提出一种基于语义分割的粮仓粮食数量变化动态监测方法,利用深度学习技术对粮仓仓内摄像机采集的图像进行分析,实现对粮仓仓内粮食数量变化情况的动态监测。通过将监测结果与仓内近期业务数据进行比对,可及时发现违法违规行为线索并预警,提高日常监管的针对性和效率。本研究选取粮仓仓内监控摄像机采集的图像作为数据集,构建了基于DeepLabV3+的粮仓粮食数量变化动态监测模型,通过提取判断粮面变化的参照边界,利用参照边界像素值的变化判断仓内粮食数量变化情况,并通过引入基于MobileNetV2的特征提取网络,提高了模型识别的准确性和计算效率。实验结果表明,该模型平均交并比和平均像素准确率分别达到89.57%和94.53%,参数量为5.818 M,MIoU分别比PSPNet模型和UNet模型高0.95%和0.88%。通过对50个粮仓的测试分析,模型识别得到的仓内粮食数量变化情况与实际情况的一致性为96%,验证了该方法的有效性,为粮仓粮食数量的动态监测提供了新的思路。

神经辐射场多视图合成技术综述

如何从图像中渲染出较为真实的虚拟场景一直是计算机图形学与计算机视觉领域的研究目标之一。神经辐射场是一种基于深度神经网络的新兴方法,它通过学习场景中每个点的辐射场来实现较为真实的渲染效果。通过神经辐射场不仅可以生成逼真的图像,而且可以生成具有真实感的三维场景,在虚拟现实、增强现实和计算机游戏等领域有着广泛的应用前景。然而,其基础模型存在训练效率低、泛化能力差、可解释性不足、易受光照和材质变化影响以及无法处理动态场景等问题,在某些情况下无法获得最佳的渲染结果。大量基于此研究的工作陆续展开,且在效率和精度等方面都取得了出色的成果。为了跟踪该领域最新研究成果,对近年来神经辐射场领域的关键算法进行回顾和综述。首先介绍了神经辐射场的产生背景及原理,对后续关键改进模型进行分类探讨。主要涵盖以下几个方面:对神经辐射场基本模型参数的优化,在渲染速度与推理能力方面的提升,对空间表达和光照能力的改善,针对静态场景相机位姿估计与稀疏视图合成方法的改进,以及在动态场景建模领域的发展。对各种模型的速度与性能进行分类对比与分析,并简要介绍了该领域主要模型评估指标与公开数据集。最后对神经辐射场未来发展趋势进行展望。

基于图像的端到端行人搜索算法综述

行人搜索是计算机视觉领域中重要的研究方向之一,旨在从未剪裁的图像库中检测和识别人物。为深入了解行人搜索算法,总结与分析大量相关文献。首先根据网络结构的不同,将行人搜索算法分为两类:一类是传统的两步法,一类是基于端到端的一步法,并重点分析和介绍一步法的关键技术——特征学习和度量学习。然后,介绍了行人搜索领域的数据集和评价指标,比较与分析主流算法性能。实验结果表明,两步法虽然实现了很好的性能,但大多数的方法计算成本较高,且耗时较长;而一步法可以在更高效的学习框架中共同解决行人检测和行人重识别2个子任务,效果更好。最后,总结行人搜索算法,并展望了未来的发展方向。

太赫兹图像超分辨率重建方法的研究进展

图像超分辨率是近几十年来图像处理领域的一个重要研究课题,旨在从低分辨率图像中重建出高分辨率图像,其突破了传感器和光学器件制造工艺和成本的限制,从算法方面提高图像分辨率,是一种简单、高效、低成本的方法。太赫兹(Terahertz,THz)图像受到THz波衍射和散射的影响,会产生图像模糊、纹理细节不清晰等问题,越来越多的学者致力于开发THz图像的超分辨率重建方法。根据近年来THz技术与超分辨率重建技术相关文献的研究,对THz图像的三大重建方法进行了详细阐述,重点对基于深度学习的方法进行介绍,并对比了各类算法的重建效果与优缺点;回顾了THz图像质量评价指标和常用数据集,并总结THz图像超分辨率重建技术的相关应用。最后,探讨了THz图像超分辨率重建技术的未来发展趋势。

基于改进Oriented R-CNN的旋转框麦穗检测与计数模型

为对干扰、遮挡等复杂的田野环境中麦穗进行精准定位与计数,该研究提出了一种改进的Oriented R-CNN麦穗旋转框检测与计数方法,首先在主干网络中引入跨阶段局部空间金字塔(spatial pyramid pooling cross stage partial networks,SPPCSPC)模块扩大模型感受野,增强网络感知能力;其次,在颈网络中结合路径聚合网络(PANet,path aggregation network)和混合注意力机制(E2CBAM,efficient two convolutional block attention module),丰富特征图包含的特征信息;最后采用柔性非极大值抑制算法(Soft-NMS,soft-non maximum suppression)优化预测框筛选过程。试验结果显示,改进的模型对复杂环境中的麦穗检测效果良好。相较原模型,平均精确度均值mAP提高了2.02个百分点,与主流的旋转目标检测模型Gliding vertex、R3det、Rotated Faster R-CNN、S2anet和Rotated Retinanet相比,mAP分别提高了4.99、2.49、3.94、2.25和4.12个百分点。该研究方法利用旋转框准确定位麦穗位置,使得框内背景区域面积大幅度减少,为实际观察麦穗生长状况和统计数量提供了一种有效的方法。

基于姿态筛选的单目结构光标定方法

由相机、投影仪组成的单目结构光系统在三维测量领域中具有重要应用,系统标定是确保三维测量精度的关键步骤,传统标定算法在采集图像的过程中并未考虑靶标姿态对系统标定精度的影响。针对平面靶标的单目结构光系统标定问题,提出标定姿态选择需要规避的2种情况:1)靶标平面与相机的成像平面或投影仪的投影平面平行的姿态;2)只平移或在靶标平面内旋转的姿态。基于此,提出一种靶标姿态筛选准则,并对每个姿态靶标图像旋转向量夹角设定阈值,过滤掉影响标定精度的图像,保留有利姿态靶标图像。实验结果表明,对靶标姿态筛选有利于保证系统测量精度,标定精度高,能够满足当下工业生产加工精度的要求。

河南省成土母质与土壤空间分布多样性的特征

成土母质作为土壤发育的主要形成因素,二者间的关系密切。选取河南省作为研究区,从多样性的角度运用经典的仙农熵测度方法分析成土母质和土壤要素的构成组分多样性、不同母质基础上各土壤分类级别的多样性特征,并运用改进的仙农熵公式研究5 km×5 km网格尺度下不同成土母质对土类空间分布离散程度的影响及不同成土母质和土壤的空间分布多样性特征和相关性。结果表明:(1)成土母质类型虽少,但其构成组分多样性高于土类,这与二者分类系统的分支率有关;(2)6类母质类型中,残积、坡积物母质面积最大且发育土壤类型最为复杂;15种土壤类型与6类母质之间的关系有一对多、一对一和多对一3种类型;(3)不同母质上发育的土类的空间分布离散性程度不同,残积、坡积物母质上分布的优势土类为粗骨土,河流冲积物和河湖相沉积物母质上的优势土类分别是潮土和砂姜黑土,洪积物和黄土与红土母质上发育较好的两种土类为黄褐土和褐土,风积物母质上仅发育了风砂土一种土类;(4)潮土和河流冲积物母质分别是是河南省面积最大、空间分布多样性值最高的土类类型和成土母质类型,且成土母质与土类空间分布多样性间存在不同程度的相关性。综上,河南省的6大类成土母质与15种土类的构成组分多样性和空间分布离散性程度存在差异,且二者的空间分布多样性间存在一定的相关性。

基于联合退避-功率感知机制的物联网节点信息防碰撞算法

物联网(IoT)节点防碰撞算法难以解决IoT节点数据冲突,造成严重的信号干涉。为此,提出一种新的物联网节点信息防碰撞算法。通过构建射频识别信号的离散正交调制与解调机制,降低节点间信号因互相干涉而导致的信道碰撞,建立联合退避-功率感知机制,定义节点数据退避防冲撞规则,以改善节点信号发射功率的波动幅度。实验结果表明,与ColorWava算法和信息决策控制算法相比,该算法具有更长的节点信号识别距离与更低的信道碰撞概率。

轻量级的两方认证密钥协商协议

轻量级的两方认证密钥协商协议允许通信双方在公开信道上建立一个相同且安全的会话密钥。现有的认证协议难以满足轻量级的需求,同时多数轻量级协议仍存在某些安全问题。基于此,提出了一种基于身份的两方匿名轻量级逆向防火墙认证密钥协商协议。该协议在eCK模型下结合BAN逻辑被证明是安全的。协议提供匿名性、完美前向安全性、抗重放攻击、抗Dos攻击、抗中间人攻击。与其他轻量级认证协议对比发现,该协议具有更高的安全性和较短的运行时间,适用于资源受限设备。

可重构信息通信基础网络端到端模型的研究与探索

作为一种革命式的未来互联网体系结构,可重构信息通信基础网络通过构建并存的虚拟网支持不同的业务类型,通过多态路由机制支持按需配置的寻址方式。为了适应多样性的端系统以及持续变化的底层网络环境,需要以柔性、可扩展的方式有效地管理资源,提供端到端服务。针对这一需求,提出了一种数据面水平分层、管理面垂直分层的二维端到端模型。该模型利用agent的环境感知、自主决策和交互协作能力,实现域内和域间资源、服务、虚拟网、服务路径的自治管理。为了将端系统纳入自治管理框架,设计了新型的端系统体系结构,并提出了端系统到虚拟网的接入机制,实现了自动的通信连接和服务提供。

地表水体空间分布多样性的实用性与科学性验证

选择传统的水体周长、水体总面积和河流密度以及最新的水体空间分布多样性4类地表水体分布特征评价参数,对河南省中部典型样区的地表水体信息进行深入分析。研究表明,当研究区内水体以河流等线状水体类型为主时,4者均能较好地描述区域地表水体的分布特征,且两两之间具有明显的一元线性正相关关系,判定系数平均达到0.89左右;当研究区由河流、湖泊、水库等复杂水体类型构成时,选择最新的水体空间分布多样性评价参数能够更好地描述区域地表水体的空间分布特征。

面向无人机航拍小目标检测的轻量级YOLOv8检测算法

针对在无人机图像目标检测中复杂场景下目标特征难提取且小目标容易被淹没在噪声中的问题,提出一种基于YOLOv8s的无人机目标检测算法SC-YOLO。为了能够学习到感兴趣区域的位置细节,基于CA(coordinate attention)提出了SPM(self-positionmodule)注意力。为了缓解Carafe上采样算子因为通道压缩所带来的影响,提出了CEM(Carafeenhancermodule)。通过分析梯度增益函数与数据集中目标大小的关系,使WIoU_v3能够更加关注中、小目标的普通质量锚框,并且在VisDrone2019数据集上进行验证,得到WIoU_v3能够更加关注中、小目标的普通质量锚框的参数设置范围。改进后的YOLOv8s算法在VisDrone2019验证集上的平均均值精度(mAP)提高到43.1%,在测试集上的mAP提高到34.8%,在近几年同等规模的算法中拥有较好的检测性能;改进算法相较基准算法参数量仅增加1.1×10^(6),浮点运算次数(FLOPs)增加1.5 GFLOPs,但在验证集以及测试集上检测精度分别提升了2.0和2.1个百分点;在Tinyperson数据集上的检测精度提高了1.4个百分点。