1 上海工程技术大学 机械与汽车工程学院，上海 201620
2 上海司南卫星导航技术股份有限公司，上海 201801
3 国网思极位置服务有限公司，北京 102211
针对传统目测法检测贴片二极管表面缺陷效率低下和基于手工特征的目标检测算法模型较浅，以及语义性不高等问题，提出了改进YOLO-V4的贴片二极管表面缺陷检测方法。首先考虑到随着网络加深使梯度消失，以及减少网络中的特征冗余和参数量的情况，CSP1模块采用DenseNet替换原网络中的ResNet；其次，为了实现特征信息的跨维度交互，让网络更加关注重要信息，在CSP1模块后引入了三分支注意力机制模块，同时使用FPN+PANet对特征进行融合；并且用CSP2替换CBL×5模块，降低了网络的运算量，提高了算法检测速度；最后优化了Focal Loss函数，对正负样本添加权重，以解决正负样本不平衡的问题。本文算法相较于YOLO-V4的检测精度（precision，P）、召回率（recall，R）和多分类平均精度（mean average precision，mAP），分别高出2.98%，2.65%，2.92%，表明改进YOLO-V4可以有效检测贴片二极管表面缺陷问题。
YOLO-V4算法 DenseNet CSP2 三分支注意力机制 Focal Loss函数 YOLO-V4 algorithm DenseNet CSP2 three-branch attention mechanism Focal Loss function
1 上海工程技术大学机械与汽车工程学院，上海 201620
2 山西中电科新能源技术有限公司，山西 太原 030024
3 上海司南卫星导航技术股份有限公司，上海 201801
针对现有多目标跟踪算法精度不高的问题，提出了一种融合YOLO-V4与改进SiameseRPN的多目标跟踪算法。首先通过YOLO-V4网络自动获取跟踪目标，制作模板后输入SiameseRPN跟踪网络；然后在模板分支中采用背景自适应策略初始化模板，并且融合残差连接构建Siamese网络；最后通过匈牙利算法对YOLO-V4的检测结果和改进SiameseRPN的跟踪结果进行数据关联，实现多目标跟踪。实验结果表明，与其他算法相比，所提算法具有较好的跟踪性能，在目标尺度变化、外观变化、部分遮挡等情况下能够实现稳定跟踪。
机器视觉 多目标跟踪 SiameseRPN算法 背景自适应 数据关联 激光与光电子学进展
2022, 59(22): 2215010
