【学术系列讲座】基于视觉传感器的冬虫夏草两阶段粗到精检测网络

各位同学：

计算机视觉是人工智能领域的核心研究方向，同时也是机器视觉、模式识别的重要分支；它融合信号处理、数字图像处理、深度学习，广泛交叉机械工程、机器人、农业工程等应用学科。

目标检测作为计算机视觉最经典、最核心的基础任务，具备框架通用性强、应用覆盖面广、工程实用性突出的特点，是高校计算机相关专业教学、智能感知算法研发、农业机器人视觉系统开发的入门核心内容。

为夯实学生计算机视觉领域理论基础，提升同学们深度学习目标检测网络的设计与实验分析能力，打通问题分析—网络模块设计—数据集构建—消融对比实验—部署验证的完整技术路径，解决小目标检测研究中背景干扰抑制、模块协同机制理解模糊、实验设计不规范等常见问题，本期特邀机械工程学院24级硕士研究生夏子豪同学开展线下专题讲座，分享农业野外场景下小目标检测的相关技术，欢迎机电及相关专业在校生踊跃参加，请提前10分钟到达会场。

讲座主题：

基于视觉传感器的冬虫夏草两阶段粗到精检测网络

主 讲 人：夏子豪

讲座地点：机械楼 315

讲座时间：9月22日（周二）19：00

讲座要求：无

报告摘要：

本次讲座围绕自然环境下冬虫夏草小目标检测任务展开，首先分析高原虫草检测面临的两大核心挑战：目标与背景纹理高度相似带来的纹理淹没效应、虫草尺寸较小引发的小目标特征衰减问题。

报告将详细介绍自研虫草数据集的构建过程，数据集覆盖晴天、阴天、降雪、弱光、遮挡等多种野外情况。重点讲解两阶段由粗到细检测网络TCF‑Net的整体架构：（1）GL‑Former全局‑局部协同模块：采用十字窗自注意力完成全局长距离依赖建模，结合门控深度卷积注入局部空间先验，抑制复杂背景纹理淹没干扰，筛选潜在目标候选区域；（2）CRAD跨层反向注意力模块，利用高层语义特征作为引导，通过反向注意力机制修复浅层网络容易丢失的小目标细节特征，缓解小目标特征弱化问题。（3）展示模块消融实验、与主流骨干网络、特征金字塔及SOTA算法的对比结果，介绍多场景测试与跨数据集泛化验证，分析不同光照、遮挡场景下模型的虚警、漏检表现；讲解部署到移动机器人平台上基于视觉传感器和Intel NUC实现野外虫草实时检测，满足嵌入式实时要求。

主讲人简介：

夏子豪，机械工程学院24级硕士研究生。主要研究方向：计算机视觉、小目标检测。

面向对象：

主要面向机电及其他专业在校生