本发明公开了一种复杂背景下弱小目标检测的方法，包括：对连续 3 帧运动目标图像做增强的时域差分滤波处理，得到时域差分滤波增强图像 DIF；对上述 3 帧运动目标图像中的第二帧运动目标图像，进行经验模态分解，得到固有模态函数 IMF1；对时域差分滤波增强图像 DIF 和固有模态函数 IMF1 进行时空域融合增强处理，得到时空域融合增强图像 FuisonI；对时空域融合增强图像 FuisonI 进行基于统计的阈值分割处理

本发明公开了一种基于无人艇应用的水面目标快速检测方法，属于数字图像处理和控制系统交叉技术领域。本发明通过目标性分析得到目标候选区域，由于候选区域中会存在一定虚警，因此利用显著性分析得到显著区域，并将目标性与显著性相结合，剔除虚警，得到目标准确位置。本发明不带有特定目标类型信息，因此普适性较好，相较于现有的其它目标检测算法，无论是在目标的检测效果方面，还是在方法的速度方面都有很大的提升，对无人艇的自动避障具有重要

本发明公开了一种公路地标约束的动平台动目标检测方法，包括：从卫星图片中选取形状特征明显的公路地标，根据公路地标所在的卫星图片生成公路参考图，将生成的公路参考图中直道部分的中心作为选取地标约束中心点，并以该地标约束中心点为中心在公路地标上选取一矩形区域，其宽度和公路地标的宽度相同，长度为出现在视场范围内公路地标直道部分的长度，获取实时图，根据实时图的实时成像行数和实时成像列数、以及动平台的飞行保障参数对公路参考图

本发明提供一种应用二次IoU损失函数的无锚框目标检测方法，其特征在于，包括:将待检测图像进行预处理再输入至预先训练好的目标检测模型进行推理得到对应的图像检测结果，其中，目标检测模型预先通过如下训练得到:获取训练用图像数据集以及监督信息；构建初始目标检测模型,并将训练用图像数据集以及监督信息输入至该模型；使用二次IoU损失函数求定位损失，并使用Focal Loss损失函数求分类损失；分别用定位损失以及分类损失对初始目标检测模型的模型参数进行求导，再使用反向传播对模型参数进行更新；判断更新后的模型参数是否达到终止条件，当判断为是则进入下一步，否则进入训练过程第二步；保存更新后的模型参数并进行加载得到目标检测模型。

       NMT活体生理检测仪是一款基于非损伤微测技术（Noninvasive Microelectrode Technique，NMT）的精密科学仪器，能够在不接触、不损伤活体样品的情况下，原位、实时、动态地监测活体组织或细胞表面的离子和分子通量（flux）、浓度及膜电位等生理参数。该仪器广泛应用于植物生理、细胞生物学、环境毒理、医学研究等领域，尤其在解析植物营养吸收、盐胁迫响应、重金属毒性机制等方面具有不可替代的技术优势。        NMT活体生理检测仪命名源自非损伤微测技术NMT。非损伤微测技术 NMT是离子/分子通量（flux）测试技术在国内的名字，其全称是非损伤微电极测试技术（Noninvasive Microelectrode Technique，NMT）。        由山东金歌科学仪器有限公司自主研制的全新一代NMT产品 - SRMT1201 NMT活体生理检测仪（植物吸收监测仪、非损伤微测系统）具备测量多种关键元素的能力，如磷、硅、锌、铁、铜、铝、砷等。该仪器功能全面，可检测植物所需的全部大量元素、中量元素以及大部分微量元素，同时涵盖离子通量（ion flux）、离子浓度、分子通量、分子浓度及膜电位等多项检测项目。 金歌NMT功能特色：     （1）检测种类多；     （2）实时输出时间-flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全；     （3）提供个性化定制，免费升级测试软件。 可检测种类：     （1）大量营养元素：N (NH4+/NO3-)、P (HPO42-)、K+     （2）中微量元素：Ca2+、Mg2+、SO42-、Na+、Cl-、H+、SiO32-、Zn2+、Fe2+、Cu2+      （3）胁迫：Cd2+、Al3+、Pb2+、Ag+、Cr3+、AsO43-     （4）其它：Li+、NO2-     （5）分子：O2、H2O2、IAA、NO、葡萄糖等 测试项目：     （1）离子通量SRIET     （2）分子通量SRPT     （3）离子浓度aIon     （4）pH     （5）分子浓度aMol     （6）膜电位Potential 主要参数：     （1）离子通量分辨率：10-5 pmol/(cm2·s)     （2）分子通量分辨率：10-3 pmol/(cm2·s)     （3）膜电位分辨率：300 nV     （4）空间分辨率：≤ 1 μm 测试样品：       根际/种子/花粉管、细胞/液泡、生物膜、藻类、活体组织、神经、骨骼、珊瑚等其它活体样品 主要应用：       植物营养生理、逆境生理、植物与微生物互作、作物育种、生理调控机制等研究  附：非损伤微测技术（Noninvasive Microelectrode Technique，NMT）       非损伤微测技术NMT是离子/分子通量测试技术在国内的名字，其全称是非损伤微电极测试技术（Noninvasive Microelectrode Technique，NMT），能够原位、实时、非接触式测量生命活动中离子/分子通量（flux），可用于植物营养生理、盐胁迫和重金属胁迫等研究。       离子/分子通量测试技术（非损伤微测技术）经历了方法学建立、原型机、技术成熟、引进国内和全国产化。        1.方法学建立       1974年，美国麻省伍兹霍尔海洋生物学实验室科学家 Lionel Jaffe 和 Nuccitelli 提出了振动电极（Vibrating Probe：VP）概念，采用振动电极探针技术测量生物体中弱电流，为离子/分子通量（flux）测试奠定了方法学的基础。        2.原型机       1990年伍兹霍尔海洋生物学实验室开发出了基于离子振动电极技术的自动化离子/分子通量（flux）测试系统，在早期的文献中写做 SRIS系统。        3.SIET离子/分子通量测试系统标志着通量测试技术仪器的成熟        1994年，伍兹霍尔海洋生物学实验室员工 A.M.Shipley 和 E.Karplus 分别成立 Applicable Electronics Inc. 和 Sciencewares 公司，联合推出商业机 SIET通量测试系统，标志着离子/分子通量（flux）测试技术仪器的成熟。        4.SIET系统被引进国内       SIET通量测试系统被引进国内后，我国学者从2009年开始在离子/分子通量（flux）测试领域发表文章，当时文章明确标识使用的是SIET通量测试系统。（文献：Plant Physiology, February 2009, Vol. 149, pp. 1141–1153, NaCl-Induced Alternations of Cellular and Tissue Ion Fluxes in Roots of Salt-Resistant and Salt-Sensitive Poplar Species）        5.国产化       金歌仪器科研团队自2011年开始深耕非损伤微测技术（NMT）领域，为在国内推广的通量flux测试系统（非损伤微测系统）研制并供应核心组件。通过不断丰富NMT可测离子种类，成功摆脱了对国外的依赖。       当全球科技竞争的硝烟弥漫，核心技术的自主可控已成为企业存续的命脉。2022年金歌公司成立以来，始终如一坚持创新发展理念，聚焦关键技术攻关，打破原装进口核心部件-国内组装的模式，推动构建自主可控的产业链体系。2025年8月7日，北京知识产权法院判决金歌公司在与某北京公司NMT专利侵权案中胜诉，金歌已逐步确立了其在NMT领域重要生力军的地位。       凭借扎实的科技实力，金歌公司成功打造出可靠的“NMT耗材-零部件-整机”一站式NMT供应平台。通过不断积累并整合自1990年离子/分子通量flux测试技术（即‌非损伤微测技术NMT）诞生三十多年以来已发表成果，我们建立了丰富的NMT大数据库，实现了NMT仪器国产化、自动化、智能化、信息化和标准化，进一步巩固和扩大了我国在NMT领域的优势。       金歌NMT测试界面实时输出flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全。用户购买仪器后，金歌NMT仪器测试种类和检测项目等仍会不断增加，金歌仪器将及时告知用户，郑重承诺免费为用户做测试软件升级。       金歌仪器将永远以客户需求为导向，精益求精，不断推出创新性产品和个性化解决方案，为加快实现高水平科技自立自强贡献智慧和力量。     

1. 痛点问题 我们生活在一个真实的三维世界中，二维环境感知是远无法满足我们的实际需求。在诸如自动驾驶、机器人抓取和三维目标识别等应用中（如图1），我们经常需要推理三维空间中物体之间的位置关系，从而能够理解真实三维场景并做出进一步的决策行为。 图1 自动驾驶、视觉抓取、物体识别 2. 解决方案 本技术成果提出了一种三维视觉目标检测与识别方法。在三维视觉目标检测方面，提出了一种基于关系推理网络的单目三维物体检测方法，方法流程图如图2所示。方法提出了一种新的单目三维物体检测架构，训练了一个深度关系推理网络来估计三维候选和真实物体之间的空间位置关系，通过测量投影结果和真实物体之间的视觉拟合度来实现高精的三维空间定位。 图2 三维目标检测的流程图 在三维视觉目标识别方法，提出了一种基于球面分形卷积神经网络的三维点云识别技术，方法流程图如图3所示。方法通过引入球面分形结构，将原始三维点云通过可学习的神经网络投影到球面，使得卷积神经网络可以高效处理三维点云数据并进行特征特征，同时通过设计基于分形结构的层次化学习框架，提高了三维点云物体识别的精度，实现了对于三维点云目标在旋转条件下特征表示的鲁棒性。 合作需求 寻求在人工智能、智能机器人、智慧城市等领域有相关技术开发、市场推广经验，能推进本技术落地的高科技企业，可以进行深度合作。本技术成果有望在自动驾驶、虚拟现实等场景进行落地应用。

成果与项目的背景及主要用途： 基于最大整体相似性的超像素网格，随着当今拍照设备像素不断提高，同时照片数量成几何级数增长，在图像中进行语义级别的快速目标定位已是当下热门问题。 技术原理与工艺流程简介： 快速的在输入图像里找到事先定义的目标物体，也是当今图像检索领域里面的一个核心技术。 如下图所示： (a) 图中人偶为用户定义的查询目标 (b) 图为待查询图像 (e)~(h) 目前现有方法的目标定位的结果及所用时间 (i) 我们的技术的图像定位效果和所用时间 （注：红色框出的部分为算法定位并分割出的结果） 算法在图像快速目标定位上：快！准！狠！ 

本发明公开了一种卫星序列图像中点目标实时检测与跟踪系统及方法，该系统包括：图像数据接收模块、图像帧头检测模块、单帧图像目标检测模块、序列图像关联检测模块；图像数据接收模块，每次从卫星红外图像生成系统接收预设 N 字节长度的数据包，并缓存到环形缓冲区中；图像帧头检测模块在环形缓冲区中对图像的起始位置与结束位置进行位置检测，并将帧图像数据缓存到图像缓存区中；单帧图像目标检测模块，用于处理图像缓存区的图像数据，获取疑似目

本发明公开了一种人流量统计中最优目标检测尺度的生成方法，包括以下步骤：获取视频源，并初始化统计目标队列 people_list 为空；读取视频源当前帧图像，将该图像转化为灰度图像 Gk，并初始化检测目标队列 head_list 为空，将灰度图像 Gk 划分为 n 个区域；对灰度图像 Gk 进行目标检测，利用检测目标和跟踪信息更新 people_list 队列，并将新出现没有关联的检测目标作为新目标加入 people_list 中；

本发明涉及计算机视觉和深度学习领域，尤其涉及深度学习中数据预处理阶段采用RandAugment数据增强来丰富数据集和YOLOv8目标检测算法中损失函数的替换以及注意力模块的添加的相关研究和技术方案。通过将原有的损失函数CIOU替换为SIOU损失函数并且在YOLOv8的Neck部分添加新的注意力机制模块RACmix，加强了网络在复杂情况下对小目标的感知能力，修改后的网络模型结果提升了机场跑道异物检测的准确性和鲁棒性。