关键词： AI技术   机器学习   深度学习   计算机视觉  

摘要： 随着深度学习、机器学习、计算机视觉等AI(人工智能)技术的不断发展,幼儿园教育也迎来了AI时代。在此背景下,如何有效提升教师专业素质,研发适配幼儿认知特点的教育模式成为幼儿园教育亟须研究的重要课题。智能技术高度契合幼儿园教育规律与幼儿发展特点。

关键词： 再生水   连通孔隙   图像处理   水力性质   冗余分析  

摘要： 以宿迁市某再生水农业灌溉区域开展,选择长期地表水灌溉(S1)、再生水短期灌溉(S2)与再生水长期灌溉(S3)区域,采用塑料环刀和铁环刀取0~20cm和20~40cm的原状土,通过CT扫描和图像处理技术获取不同处理下土壤连通孔隙及其结构特征,同步测试土壤的水力性质,探究再生水灌溉对土壤孔隙结构与水力参数的影响,分析引起水力性质变化的关键孔隙参数.结果表明:短期再生水灌溉破坏孔隙结构,使得孔隙结构趋向于简单化.再生水长期灌溉后,土壤孔隙结构较短期灌溉有一定程度的改善,与长期地表水灌溉土壤相比没有显著差异.再生水灌溉对表层土壤和深层土壤孔隙结构与水力性质无显著影响.再生水灌溉显著降低土壤的导水性.与长期地表水灌溉相比,再生水短期灌溉与长期灌溉土壤的KS分别降低20.81%与20.18%.再生水灌溉对于土壤的持水性能影响不大.再生水灌溉后孔隙结构的变化显著影响土壤的水力性质,冗余分析结果表明孔隙参数共解释了83.30%的水力性质变异,其中表面分形维数对水力性质的影响最大,孔隙形状与所有的水力参数都没有显著的关系.

关键词： 机动目标跟踪   交互式多模型   马尔可夫概率转移矩阵   容积卡尔曼滤波  

摘要： 针对传统交互式多模型(IMM)算法概率转移矩阵固定导致跟踪精度低的问题,提出概率转移矩阵自适应IMM(AIMM)算法,主要做法是基于相邻时刻模型概率变化信息和当前时刻不同模型后验概率信息,引入马尔可夫矩阵元素修正函数,实时调整概率转移矩阵的每个元素,最后结合容积卡尔曼滤波(CKF)并设置仿真实验验证所提算法的有效性。仿真结果表明:所提的AIMM-CKF算法有效提高了匹配模型的概率和模型切换的速度,与传统IMM-CKF算法以及其他自适应算法相比具有更好的跟踪效果。

关键词： 智慧门店   计算机视觉   深度学习   客流统计  

摘要： 针对多柜台环境中客流统计精度和实时性难以平衡的问题,提出了一种基于目标检测算法(you only look once version 4,YOLOv4)和长短期记忆(long short⁃term memory,LSTM)网络信息融合的多柜台客流统计方法。该方法结合YOLOv4进行高效的人体检测与跟踪,利用LSTM网络对多视角数据进行时序信息融合,有效解决了多柜台场景中的重复计数与漏计问题。通过LSTM模型的引入,系统能够更好地处理顾客在多个柜台之间的动态行为,并在复杂的客流分布中保持高精度和实时性。实验结果表明:所提方法在精度、召回率、F_(1)⁃score和实时性方面均优于传统背景减除法、YOLOv3等对比算法,具备较强的实际应用价值。

关键词： 目标检测   机械臂   有限状态机   咽拭子  

摘要： 为改进当前咽拭子机器人存在的口咽检测精确率低、智能程度不高等问题,提出了一种基于YOLO和有限状态机的咽拭子机器人。首先,构建了口咽图像数据集,测试并选择了最优的YOLO算法。然后,在YOLOX中增加了注意力机制、在PPYOLOE中修改了分类损失和边界框损失函数、在YOLOv6中更换了backbone内模块,提高了模型的特征提取能力和检测效果,并设计了基于投票法的联合检测机制,选择多数模型检测到的结果,用于降低模型的误检率。其次,设计了基于检测框的咽拭子采样轨迹,为机械臂提供采样轨迹。最后,构建了基于有限状态机的智能系统,实现了机器人的自主控制和异常处理。经过仿真及实验,联合检测机制的口咽检测的精确率达到69%,误检率降低到0.53%,且智能系统具备可行性。

关键词： 目标检测   对抗样本生成   无人机识别   对抗补丁攻击  

摘要： 构成无人机视觉识别系统组成之一的目标检测算法容易遭受对抗攻击,尤其是物理对抗攻击的威胁更大。针对当前物理对抗攻击方法在无人机目标检测场景中攻击效果较差的问题,提出一种尺度自适应的物理对抗攻击方法——SAPA。设计补丁自适应模块,利用目标真实尺寸构造掩码对补丁进行缩放,以适应目标的多尺度变化。设计针对多尺度、多目标攻击的优化函数,将检测网络不同特征层的最大预测分数与TOG算法中目标消失攻击的损失结合。采用多种物理增强变换提升对抗补丁的物理鲁棒性。使用无人机采集多尺度车辆数据对补丁进行优化。在数字域中,对抗补丁的平均攻击成功率为81.4%。在物理域中,对抗补丁在20 m~65 m高度的平均攻击成功率为42.6%。结果表明,SAPA方法在攻击效果和鲁棒性方面优于现有方法。

关键词： 神经网络   目标检测   物资分发   应急救援  

摘要： 应急物资分发救援车是一种高效、经济且公平的解决方案,旨在减少自然灾害给民众带来的生命财产损失。车辆通过神经网络图像识别和目标检测技术实时识别物资种类,实现快速分类处理。配备麦克纳姆轮结构以增强移动灵活性,并安装两自由度机械臂与电磁铁,同时,该救援车采用了创新的五分类仓库设计,优化了物资收集与分发流程,确保在紧急情况下能够迅速准确地提供所需物资。设计特别考虑到了不同受灾群体的需求,如老人、儿童及特殊病患,提升了物资分发的针对性和有效性。实际应用中,救援车显著缩短救援时间,减少人为错误,增强公众对救援行动的信任,为紧急情况下的生命救援提供强有力的支持。

关键词： Linux平台   摄影头传感器   嵌入式平台   图像处理  

摘要： 设计了一款基于Linux平台的摄影头传感器检测系统,旨在提升图像采集的实时性和处理效率。系统采用嵌入式平台作为硬件基础,结合精简指令集计算机(reduced instruction set computer,RISC)架构和高效的图像处理算法,实现对传感器数据的高速采集与分析。系统通过优化驱动程序、缓存管理和数据流控制,能够有效降低响应延迟,同时提高图像处理的稳定性和准确性。系统性能评估结果表明,该系统在数据传输速率、图像质量和能耗控制方面表现优异,具有一定的应用价值。

关键词： YOLOv10   烟叶   病害程度   目标检测   计算机视觉  

摘要： 烟草病害的精准检测与程度评估是保障烟叶产量与品质的关键环节。针对传统人工目检效率低、现有计算机视觉方法在低分辨率图像下小病斑漏检率高、病害程度量化不足等问题,提出一种改进的YOLOv10-3S模型。通过引入空间深度转换卷积(SPD-Conv)增强小目标细节特征提取能力,融合分离增强注意力模块(SEAM)提升病害区域定位精度,并采用SIoU损失函数优化边界框回归性能。实验结果表明,改进模型在烟叶病害程度检测任务中精确率达99.1%,召回率达97.8%,mAP@0.5和mAP@0.5∶0.95分别提升至98.9%和87.9%,尤其在轻度病害检测中性能提升显著。为烟叶病害的智能化分级与防控提供了高效可靠的技术参考。

关键词： 目标检测   MobileNetV2网络   单发多盒探测器算法   深度学习   轻量化网络  

摘要： 针对车内宠物遗落问题,在单发多盒探测器(SSD)算法的基础上,提出了一种改进的SSD目标检测算法实时检测车内是否存在遗落宠物,通过引入MobileNetV2算法来替代SSD的主干网络,并改进MobileNetV2的网络结构来进一步减少原有网络的参数量,融合卷积块注意力模块(CBAM)来提高目标定位能力,采用迁移训练策略来更好地训练网络。实验结果表明,改进后算法的模型大小相对于SSD-Mo-bileNetV2减少了65.5%,平均精度均值(mAP)提高了0.9%,帧率(FPS)也有所提升,模型大小更是减少到了原始SSD算法的5%。改进后算法实际检测的效果更好,同时更加适合嵌入移动设备来检测遗落宠物。