关键词： 目标检测   头盔佩戴   YOLOv5   物联网   目标检测   交通安全管理  

摘要： 近年来,随着经济的快速发展以及人们出行需求的增加,我国道路交通行业高速发展,交通安全管理工作的实施越来越困难。为保障广大群众出行安全,设计研发了YOLOv5目标检测模型与前端C/S架构相结合的系统来实现头盔佩戴图片、视频文件、摄像头实时视频的头盔佩戴监测功能。实验结果表明,该系统减少了资源的浪费,交互性强,整体运行流畅且高效,有效地优化了交通管理效率,减少了人工巡查的成本和时间,对产品研发有一定借鉴意义。

关键词： 深度学习   YOLOv5算法   目标检测   模型训练   图像处理   系统测试  

摘要： 非机动车驾乘人员正确佩戴头盔可以减轻交通意外中的人身伤害,为了检测非机动车驾乘人员头盔状态,基于YOLOv5设计了一款非机动车驾乘人员头盔检测系统。首先通过网络爬虫下载交通监控图像建立数据集,标注图像中的非机动车驾乘人员头盔佩戴状态,分为正确佩戴和未佩戴两种;接着将数据集划分为训练集、验证集和测试集;设置算法的超参数,训练头盔检测模型,开发非机动车驾乘人员头盔检测系统。系统分为用户管理、图像采集、头盔检测、结果分析与显示4个模块,分别实现用户身份验证,交通视频图像获取,利用训练好的模型检测头盔状态,显示头盔检测结果等功能。实验表明,该系统能有效检测非机动车驾乘人员的头盔状态,为道路交通安全提供支持。

关键词： 果蔬采摘   YOLOv5   BiFormer机制   小番茄目标检测  

摘要： 目前果蔬的采摘仍然以人工为主,人工采摘耗时耗力,效率低下。采摘机器人的视觉系统是其获取目标果实信息的关键,对完成采摘动作起着关键性作用。以果蔬园中小番茄为研究对象,研究了自然环境下成熟小番茄的识别与定位,以提高小番茄采摘机器人采摘作业的实时性与鲁棒性。通过不同时段,不同光照,不同遮挡等条件下的小番茄拍摄图片构建数据集,基于YOLOv5对识别模型进行了研究和构建,成功构建了基于BiFormer机制改进的小番茄目标检测模型YOLOv5_tomato,实验结果表明该模型能很好地实现复杂自然环境下小番茄果实目标定位。

关键词： YOLOv7   目标检测   深度学习   信息安全   CBAM   加密显示  

摘要： 随着信息显示技术的持续发展,信息显示的安全性问题愈发突出。信息加密显示技术的实现依赖于目标检测技术,需要根据不同信息的特点来选用相应的加密算法。为此,提出一种基于YOLOv7的显著性目标检测算法,该算法可以通过自建数据集标定显著性区域,对模型进行训练,并将得到的显著性区域用于自适应加密显示算法,以实现可分级的加密显示。实验结果表明,该模型性能优越,有着较高的检测准确率,能够为后续针对敏感信息区域进行加密提供有力的支撑。

关键词： 检测系统   特征识别   图像处理   稻粒  

摘要： 通过视觉识别图像处理技术对稻谷谷粒进行处理,利用OTSU自适应阈值对稻谷图像进行二值化处理,采用中值滤波对图像进行降噪处理、图像分割和连通区域标记,基于几何形状特征阈值检测算法识别不同种类稻谷的长度、宽度、周长和面积像素值,提出一种综合的阈值通用旋转法,可实现不同谷粒的分类。根据获取谷粒图像样品和采集谷粒数目特征,基于形态学处理和分水岭变换分割算法对谷粒进行数目识别提取,最后根据检测的数目和整碎谷粒特征统计汇总稻谷谷粒的相关参数信息,将谷粒识别结果和相关数据信息保存在数据库中,便于进一步分析。研究结果表明:利用MatLab软件中GUI界面开发的稻谷检测系统对谷粒数目有较好的识别力,精确度达98.327%,对于整碎谷粒的识别误差在可控范围,满足要求与传统人工检测相比,具有检测快速、多样化等优点。

关键词： 钢缆缺陷   注意力机制   目标检测   SSD算法   特征融合  

摘要： 针对在框绞过程中钢缆表面会产生缺陷的问题,采用了改进型SSD算法的方法。具体措施为:使用ResNet18作为SSD的骨干算法来提取特征信息;通过萤火虫优化算法和K-Means算法优化先验框,提高匹配精度;引入单向特征融合模块和改进的CBAM注意力模块,提高了检测的精度;将Focalloss作为损失函数,减少训练过程中负样本的权值。结合钢缆缺陷数据集进行训练实验,得出改进型SSD算法平均精度为80.3%,相对于传统的SSD-VGG模型提升9%,FPS保持在63.3。在检测精度和检测速度方面上,改进型SSD算法能满足实际需求。

关键词： 知识蒸馏   目标检测   模型压缩   注意力机制   计算机视觉  

摘要： 知识蒸馏是一种将知识从复杂的教师模型转移到轻量级学生模型的模型压缩技术.现有的为分类任务而设计的知识蒸馏方法在目标检测任务上的性能并不理想,仅观察到微小的改进.与分类任务相比,目标检测任务会在自然图像中同时定位和分类多个目标对象,这些目标对象往往具有不同的尺度和外观以及复杂的类间关系,并且分布在不同的位置,导致目标中心或周围区域以及前景和背景区域等都有可能对蒸馏有不同的贡献,知识在检测任务中变得相当模糊和不平衡,这使得目标检测中的知识蒸馏变得非常具有挑战性.为解决这个问题,本文提出一种新的基于注意力的目标检测知识蒸馏框架——类别语义和全局关系蒸馏,前者关注每个类别目标的关键前景位置,后者捕捉各类别目标像素之间的全局长远距离依赖关系.为验证本文所提出方法的有效性和泛化性,分别在SODA10M、PASCAL VOC和MiniCOCO三个具有挑战性的数据集基准上进行了实验.在多种目标检测器上,经过蒸馏之后的学生模型都取得了较大的性能改进.对于RetinaNet ResNet-50,其mAP在SODA10M数据集上提升了4.67,其AP50在PSACAL VOC数据集上提升了2.64.

关键词： 峰值旁瓣比   多搜索区   核相关滤波   目标跟踪   粒子滤波  

摘要： 在目标因快速运动或遮挡造成观测不连续的情况下,由于核相关滤波(Kernel Correlation Filter,KCF)算法采用固定大小搜索区,容易导致跟踪精度下降甚至目标漂移。针对这一问题,本研究提出了一种基于峰值旁瓣比扰动的多搜索区核相关滤波跟踪方法。该方法首先在核相关滤波跟踪框架中融入跟踪质量感知机制;然后在特殊场景下,以上一帧目标所在位置为先验信息,通过峰值旁瓣比对运动状态方程的协方差矩阵进行扰动,从而调节各采样粒子所在搜索区分布;最后以各搜索区域的相关滤波响应峰值构造似然函数,利用粒子滤波算法在多搜索区中实现对目标位置的有效估计,在模板更新上采用差异化模板更新策略以降低目标漂移概率。定性和定量实验结果表明,本研究所提方法在目标快速运动和被遮挡情形下,相比原始KCF算法跟踪精度有较大的提升,且具有一定的鲁棒性。

关键词： 荔枝   振动采收   图像处理   分离特性   结构优化  

摘要： 为了研究荔枝振动分离特性,以此为基础优化振动器结构,利用往复振动采收装置在不同振动参数下对荔枝进行振动分离试验,并采用MatLab软件分析高速相机拍摄的荔枝运动视频,获得荔枝运动参数(轨迹、速度、加速度等)。为了确定振动机构的最优工作参数,利用Design-Expert软件处理试验数据并得到回归模型,再通过响应曲面分析振动频率、振幅和振动距离对荔枝分离特性(分离时间、碰撞次数和惯性力)的影响,对回归模型进行优化,结果表明:当振动频率为9.7 Hz、振幅为80 mm、振动距离为29.4 mm时,既能保证较短的分离时间又能减轻荔枝果实所受的机械损伤。为了基于最优工作参数对振动器进行结构优化,以采收效率高和损伤小为目标,以尺寸约束、角度约束和强度约束为约束条件,建立多目标优化模型。优化后的振动器为对心曲柄滑块机构,曲柄长度为56 mm,连杆为127 mm,角速度为62 rad/s。经验证,优化后的振动器可以提高采收效率,减少果实所受损伤,为荔枝振动采收器的设计提供依据。

关键词： 深度学习   生活垃圾检测   YOLOv8   目标检测  

摘要： 随着社会的进步和生活水平的逐渐提高,生活垃圾也日益增加,垃圾分拣工作面临着工作环境复杂、对工作人员体力要求高等挑战。为了提高生活垃圾分拣效率,提出一种加强特征模块融合、引入注意力机制和MPDIoU损失函数的改进YOLOv8的生活垃圾检测模型,用于生活垃圾检测和分类。首先,利用GOLD-YOLO中的Gatherand-Distribute机制对特征融合模块进行改进;其次,将注意力机制的目标检测头添加到模型中,并将损失函数替换为MPDIoU,从而提高模型对生活垃圾的检测性能;再次,在改进算法结构后,通过实验数据比较对训练策略加以改进;最后,在生活垃圾数据集上进行了验证。结果表明,经过改进后的模型检测精度明显提升,mAP@0.5和mAP@0.5∶0.95分别提高了0.4%和2.9%,生活垃圾检测能力得到有效提升。