关键词： 姿态估计   Mediapipe   计算机视觉   RK3588   驱动开发   点阵屏  

摘要： 基于Mediapipe的交互式动态红绿灯系统,旨在通过科技与艺术的融合,为城市公共空间注入活力,同时提升居民的交通安全意识。系统采用RK3588开发板、USB摄像头和RGB点阵屏作为硬件基础,利用Mediapipe计算机视觉算法进行人体姿态的实时捕捉与识别。通过摄像头捕捉图像数据,经过深度分析转化为人体关键点位数据,并在点阵屏上以动态光影形式展示。实验结果表明,系统的姿态识别率达到95%,识别延迟约为50ms,系统性能与稳定性良好。

关键词： 车辆荷载识别   称重传感器   车-路(桥)耦合   多传感器融合   计算机视觉  

摘要： 随着我国公路运输需求的增长和极端天气的频发,道路基础设施的维护与管理面临严峻挑战。笔者探讨了在政策背景、气候变化和技术进步的推动下车辆荷载识别技术的需求;分析了车辆荷载识别技术的理论研究进展、传感感知手段及误差影响;最终提出了车辆荷载识别技术未来可能的发展方向,包括精细化的理论模型、多传感器融合、非接触式感知、人工智能算法优化和数据资源整合。这些技术进步将为道路与桥梁提供更精准的运维策略和可靠的安全保障措施,提升交通基础设施的功能性、耐久性和经济性。

关键词： 机器视觉   目标检测   YOLOv5算法   Transformer结构   电动三轮车  

摘要： 针对我国道路交通管理工作中的电动三轮车目标检测问题,以及当前检测模型在小目标检测和实时性上的不足,提出了一种基于改进YOLOv5s模型的检测方法。对原始的YOLOv5s模型进行改进,增加小目标检测头,引入结合高效加性注意力机制的Transformer结构,结合城市道路场景构建数据集。实验结果显示,改进模型在精确度、召回率和平均精度均值(mAP@0.5)等性能指标上分别提升了0.67、2.68、5.78百分点。同时,模型在帧率上达到了92 frame/s,表现出了良好的处理能力,能够满足实际道路交通场景下的实时检测需求。

关键词： 雾天   目标检测   金字塔网络   金字塔池化   注意力机制  

摘要： 针对在雾天条件下能见度降低和特征信息的丢失,行人车辆检测效果差的问题,提出了一种基于Yolov8改进的I-Yolov8网络模型。首先引入双向加权特征融合金字塔网络并新增了小目标检测头,以增强对多尺度目标的检测能力更有效地捕捉雾天条件下小目标的特征;其次对空间金字塔池化层进行优化,以提升模型对不同分辨率特征的整合能力;模型还集成了ECA注意力机制,以增强模型对图像关键特征的提取;最后采用WIOUV3损失函数以提高目标边界框的预测精度。在RTTS真实雾天场景数据集上的实验结果表明,改进模型的平均准确率达到76.6%,相较于基线模型提升了5.6%,同时保持了125的帧率,实现了检测精度与速度的平衡。

关键词： 图像高速存储   图像处理   应用分析  

摘要： 随着图像处理技术的快速发展,图像高速存储技术的重要性日益凸显。通过先进的存储架构和优化算法,图像高速存储技术显著提高了数据读写速度,为图像处理流程中的实时分析、复杂运算等操作提供了有力支撑。在医疗影像、卫星遥感、工业检测等领域,该技术能够确保图像信息的完整性和准确性,加速图像的传输与共享。同时,针对不同类型和规模的图像处理任务,图像高速存储技术可灵活配置存储资源,有效降低成本。鉴于此,本文将聚焦于图像高速存储技术在图像处理中的应用,详细阐述了其在应对海量图像数据时,如何实现快速、高效且稳定的存储,旨在为未来更高层次的数据处理需求提供有力支撑。

关键词： 计算机视觉   服装质量   质量检测  

摘要： 服装行业面临着日益严格的质量检测要求,传统质检方法效率低、精度差,已无法满足实际需求。计算机视觉能够通过自动化检测手段,对服装的缺陷、尺寸、形态、色差等方面进行精准识别,克服传统质检方法的局限性。借助深度学习等先进算法,计算机视觉不仅能够提高检测效率,还能够保证检测的高精度和高实时性。探讨计算机视觉在服装质量检测中的应用,为服装质量控制提供新的解决方案,并推动行业的技术创新与升级。

关键词： 电磁导航   图像识别   自动采摘   STC32  

摘要： 为了提高番茄采摘的效率,减轻农民的劳动力,本文设计了一款能够自动寻迹并识别果实成熟度的自动采摘机器人。该系统以STC32单片机为核心,结合了电磁寻迹技术以及图像识别技术,通过电感对电磁信号的采集完成自动寻迹,通过K210图像识别模块对果实成熟度进行识别,最后利用机械臂完成采摘工作,提高了番茄采摘工作的效率,大大减少了劳动力的成本,为农业自动化贡献一份力量。

关键词： 人工智能   人脸识别   计算机视觉   机器学习   少年时期   创新能力   无线电   电视机  

摘要： 我的梦想是让人工智能落地。——李子青人工智能他在人工智能领域的创新能力,源于他少年时期玩无线电、制作音响电视机、修理马桶和砌砖盖房的实践乐趣。长大之后,他在计算机视觉、机器学习和人脸识别领域作出了巨大贡献,并在国际学术界产生了深远的影响。他就是国际知名AI学者李子青。

关键词： 烤烟等级   图像处理   机器视觉   深度学习   ShuffleNetV2网络  

摘要： 烤烟的等级识别是烟草产业的一个关键环节,为了降低烟农烤烟分级劳动强度,减少主观因素,提高识别精度,需要实现烤烟的自动分级。研究了深度学习中多种卷积神经网络的多层特征提取方法,并基于ShuffleNetV2网络提出一种改进的网络模型(ShuffleNetV2_FTC)。ShuffleNetV2_FTC网络是将ShuffleNetV2网络的主干单元进行更改,并引入CBAM(Convolutional Block Attention Module)注意力机制和SiLU激活函数。应用该模型对27种类别的烤烟图像进行识别分类。该模型的最佳测试准确率为93.09%,检测帧率达到每秒15.3张。相对原模型获得了0.24%(0.5×)、6.06%(1×)和4.73%(1.5×)的准确率提升,每秒检测12.3张图片到15.3张图片的检测帧率提升。ShuffleNetV2_FTC网络结合机器视觉技术可以很好地识别烤烟等级,为优化烤烟的收购、烘干和加工等流程奠定基础。

关键词： 计算机视觉   改进的时空图卷积神经网络   模型融合   SimAM   ReLU6-Sigmoid  

摘要： 近年来,单人姿态估计广泛应用在各个领域,降低单人姿态估计算法对标记数据的依赖同时提高其准确率是计算机视觉中一个具有挑战但是十分重要的课题。针对此问题,该文提出一种改进的时空图卷积神经网络(Spatio-Temporal Graph Convolutional Networks,ST-GCN)的方法。在原来的ST-GCN的基础上,融合MoveNet轻量级神经网络,利用MoveNet的关键点识别功能,解决ST-GCN需要预先标注关键点数据的问题。引入SimAM注意力机制,解决原来的ST-GCN不能很好地区分通道中重点信息,将所有的信息一视同仁的问题。增加ReLU6-Sigmoid组合激活函数,解决原有的激活函数训练波动,非线性拟合不足的问题。即:在提高了原时空图卷积神经网络的检测精度的同时,减少了应用过程中对于标记数据的依赖,降低了训练时的损失率精确率的波动。对于改进后的时空图卷积神经网络,在FLORENCE 3D ACTIONS数据集上证明了其有效性。结果表明,改进后的时空图卷积神经网络准确率从0.8695提升到0.956521。F1值由0.887566提高到0.965432。