关键词： OCR技术   卷积神经网络   旅游翻译助手   图像处理   实时翻译  

摘要： 文章介绍了一种基于光学字符识别(Optical Character Recognition,OCR)技术的旅游景点翻译系统,该系统支持用户通过输入文本或上传图片进行景点名称的翻译和查询。系统具备实用性、稳健性、实时性、精确性和高效性等优势,能够为用户提供便捷、高效的旅游翻译服务。通过改进的图像处理技术和基于SLeNet-5卷积神经网络的字符识别算法,系统确保了高准确性和稳定性。此外,系统还具有较低的内存占用和流畅的运行速度,为用户提供了高效、便捷的旅游服务体验。

关键词： YOLOv5s   目标检测   AdamW优化器   SIoU损失函数  

摘要： 近年来,人工智能技术的迅猛发展推动了自动驾驶技术的创新,为智能、高效、安全的出行方式提供了基础。然而,在面对识别小型物体时,尤其是在远距离或图像模糊的情况下,目标检测算法的性能和准确性受到了挑战。针对这一问题,本文提出了对YOLOv5s模型的优化方案。首先,引入了Soft-NMS机制取代传统的NMS,以减少冗余边界框的置信度分数。其次,采用SIoU损失函数替代CIoU损失函数,增强了模型的预测精度。最后,通过AdamW优化器对模型进行超参数优化,提高了训练效率。在MSCOCO128数据集上进行仿真验证,结果显示,改进后的算法mAP@0.5达94.9%,loss达0.0183,验证了模型的有效性和适用性。与其他模型相比,改进的YOLOv5s算法提高了4.4%的目标检测精度,尤其适用于解决自动驾驶中远处车辆过小和车辆重叠导致的识别困难。

关键词： YOLOv8   人数统计   深度学习   目标检测  

摘要： 为了实现教室使用率和学生出勤情况的高效管理,推动教务管理的自动化进程,设计并实现了一种基于YOLOv8的端到端实时教室人数统计系统。此系统仅需利用教室内的普通摄像头,即可实现对教室人数的实时查询与可视化展示。为提升模型对特定教室环境的适应性,加入教室摄像头自制数据集ClassCount对YOLOv8模型进行微调。实验结果表明,加入ClassCount数据集进行训练后,模型在混合数据集上的表现显著提升,其中mAP@50提高了约7.7%,mAP@50~95提高了约6.8%,验证了模型在复杂教室环境中进行实时人数统计时的适应性和鲁棒性。

关键词： 距离选通图像   深度学习   目标检测  

摘要： 由于距离选通图像缺少颜色特征信息导致检测率低、距离信息特征提取能力较弱等问题,因此,提出了一种基于改进YOLOv8s网络的距离选通图像检测方法。首先,提出自适应选通特征融合模块,对距离选通图像和其深度信息进行特征级融合,获取高级语义信息;其次,采用基于多尺度的深度可分离卷积模块构成的空间注意力模块,对每个特征层进行加权运算,以获得更多的关键特征;最后,改进了Neck部分PAN结构,提高了网络的目标检测能力。在距离选通图像数据集上进行了实验,实验结果表明该方法能有效地提升检测精度,并具有实际应用价值。

关键词： 目标检测   YOLOv5s   烟梗检测   RepViT   重参数化   注意力机制  

摘要： 在烟草生产线中烟梗输送下落过程中,存在背景信息干扰、目标数量多且形状不一、目标堆叠、下落速度过快等问题,传统图像处理算法难以解决.提出基于改进YOLOv5s的烟梗物料目标检测算法.对YOLOv5s网络的骨干和头部进行优化改进,显著提高检测精度,大幅缩小模型大小;将骨干网络优化为RepViT-m1结构,以提高信息提取的效率;采用重参数化技术,以更好地捕捉目标的特征,提高检测的精确性;引入基于注意力机制的目标检测头Dynamic Head,使模型更专注于潜在的目标区域,进一步提高检测精度.实验结果表明:在自建的烟梗数据集上,相较于原YOLOv5s模型,改进YOLOv5s模型的m AP@0.50为96.1%,提高了5.8个百分点;mAP@0.50∶0.95为94.7%,提高了5.7个百分点;模型大小为12.1 MB,减少了12.3%.模型可以为实时监控系统提供可靠且精确的支持.

关键词： 深度学习   桑叶成熟度   图像处理   特征提取   智能识别  

摘要： 准确识别桑叶成熟度对养蚕及桑叶附属品加工具有重要意义。本研究提出了一种基于深度学习的桑叶成熟度智能识别方法。利用VGG(Visual Geometry Group)网络模型提取桑叶图像特征;利用改进的Otsu(最大类间方差法)阈值分割算法提取桑叶图中桑果和绿叶区域;对桑叶图中的桑叶区域进行颜色阈值分割;结合颜色和形状特征对桑叶图进行分类,实现桑叶成熟度识别。结果表明,研究对不同桑树品种的桑叶图均能进行识别,准确率达到90%以上,相比传统方法识别速度快、精度高。

关键词： 察打一体   无人机   情报收集   通信中继   空中力量   目标跟踪   军事行动   新型作战力量  

摘要： 随着战争形态不断演进,无人机成为战场上不可或缺的新型作战力量。从近年来的几场局部战争看,无人机在执行情报收集、战场态势感知、目标跟踪和打击等军事行动中扮演着重要角色。当前,无人机正向着察打一体、隐身突防、通信中继等功能拓展,带动现代战争呈现新景观。作为新兴空中力量,随着更多新技术应用,无人机将迎来新一轮发展期,在战场上的地位更加突出,能力也更加全面。

关键词： 图像处理   皮带跑偏   料流检测   人工智能   周界入侵  

摘要： 在散货码头中,皮带线是最重要的传送通道,其运行安全是散货码头最为重视的焦点。以福港罗源湾皮带线智能监测为目标,基于人工智能图像处理技术,深入研究该技术在皮带线皮带跑偏监测、料流大小检测、堵料识别及周界入侵预警等方面的应用算法。针对码头皮带线输送场景粉尘大、皮带线运行速度快、现场环境复杂的特点,提出一套基于传统图像处理和深度学习技术融合的皮带线智能监控系统。该系统已在福港国际(罗源湾)码头成功部署并经过验证,现场运行效果良好。

关键词： 多目标跟踪   数据关联   Transformer   长时跟踪   注意力机制  

摘要： 针对复杂环境中多目标跟踪数据关联难度大、难以实现目标长时间稳定跟踪的问题,该文创新性地提出了一种基于Transformer网络的端到端多目标跟踪模型Track-MT3。首先,引入了检测查询和跟踪查询机制,隐式地执行量测-目标的数据关联并且实现了目标的状态估计任务。然后,采用跨帧目标对齐策略增强跟踪轨迹的时间连续性。同时,设计了查询变换与时间特征编码模块强化目标运动建模能力。最后,在模型训练中采用了集体平均损失函数,实现了模型性能的全局优化。通过构造多种复杂的多目标跟踪场景,并利用多重性能指标进行评估,Track-MT3展现了优于MT3等基线方法的长时跟踪性能,与JPDA和MHT方法相比整体性能分别提高了6%和20%,能够有效挖掘时序信息,在复杂动态环境下实现稳定、鲁棒的多目标跟踪。

关键词： 疵棉异纤   YOLOv8   注意力机制   轻量化   目标检测  

摘要： 为解决疵棉小目标异纤检测难度高、检测实时性差等问题,本文提出一种基于轻量化YOLOv8的疵棉异纤检测算法(YOLOv8-MMW)。首先,引入MobileNetV3轻量级网络替换原骨干网络,以降低参数数量和计算复杂度,提高网络算法检测的实时性;其次,在骨干网络中加入多维协作注意力机制(MCA),增强多维特征交互能力,使模型关注疵棉小目标异纤;最后,引入动态非单调聚焦机制WIoUv3,以提高模型收敛速度和精度,提升对小目标异纤的定位能力。结果表明,改进后的YOLOv8-MMW模型精确度和平均精度均值分别为95.5%和95.8%,与原始基线模型YOLOv8相比,精确度和平均精度均值分别提升了0.9%和0.1%,模型权重减少了56.7%,帧率达到367.8帧/s。改进后的模型可以更快速、准确地识别出疵棉小目标异纤,为疵棉智能化分拣提供技术支撑。