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： 深度学习   奶牛个体识别   YOLO模型   目标检测  

摘要： 为了实现适合大规模奶牛养殖环境下的无接触、高精度奶牛个体识别和自动化管理,提出了一种基于YOLOv5m网络模型的奶牛个体识别方法,将摄像头采集到的视频数据经过分帧处理后,采用结构相似性算法(SSIM)及均方误差算法(MSE)去除冗余图像,通过标注、Mosaic数据增强处理后得到10545幅标签数据,对YOLOv5m模型进行训练和优化实现奶牛个体的准确识别。同时,还设计了基于YOLOv5m的奶牛个体识别检测系统,验证了该算法和系统的正确性。结果表明:在训练次数为300次时,YOLOv5m模型对奶牛个体识别的平均精度达到98.75%,相比较YOLOv4提高5.88个百分点,为现代畜牧业的发展提供了重要的技术支持和应用基础。

关键词： STM32   非接触   形态测量   图像处理   激光测距  

摘要： 随着工业自动化进程的不断推进,产品的尺寸形态检测成为提升制造业竞争力的核心环节。针对传统的接触式物体测量方法测量效率低、表面损伤大、适应性弱等问题,本文提出一种基于STM32F103C8T6单片机的非接触物体尺寸形态测量系统。该系统以MG996R舵机云台为运行载体,采用OpenMV4和VL53L1X激光测距传感器作为非接触检测单元,以实现测量目标物体颜色、形状、尺寸及距离等信息的功能,并将这些测量结果实时显示在OLED模块上。测试结果表明,该装置准确识别目标物体的颜色、形状的成功率为90%,得到的物体尺寸平均误差为0.16 cm、显示距离的平均误差为0.76 cm、激光笔指示中心与目标图形实际中心平均偏差为0.086 cm。该系统能够满足工业自动化检测的实际需求,为提升制造业的智能化水平提供了有效的技术支持。With the continuous advancement of industrial automation, dimensional and morphological measurement of products has become a critical factor in enhancing manufacturing competitiveness. To address the issues of low efficiency, surface damage, and poor adaptability associated with traditional contact-based measurement methods, this paper proposes a non-contact object dimension and morphology measurement system based on the STM32F103C8T6 microcontroller. The system takes the MG996R servo pan-tilt as its operating carrier and employs an OpenMV4 module along with a VL53L1X laser ranging sensor as the non-contact detection unit. It is capable of measuring information such as the color, shape, dimensions, and distance of target objects, with real-time results displayed on an OLED screen. Test results indicate that the device accurately identifies the color and shape of target objects with a success rate of 90%. The average error in object size measurement is 0.16 cm, the average error in the displayed distance is 0.76 cm, and the average deviation between the laser pointer center and the actual center of the target shape is 0.86 cm. This system effectively meets the practical requirements of industrial automation inspection, providing robust technical support for enhancing the intelligence level of the manufacturing industry.

关键词： 智能计算   深度学习   超参数优化  

摘要： 针对目标检测模型中超参数优化问题,以RetinaNet为例,提出了使用遗传算法来优化Focal Loss的焦点参数和平衡参数,通过实验,焦点参数和平衡参数的最优值分别被确定为1.7和0.6。优化后的模型在实验中表现出显著的性能提升,平均精度从34.0%提高至37.3%。实验结果不仅凸显了遗传算法在超参数优化方面的高效性,也证明了智能计算方法在提高深度学习模型性能上的重要潜力。

关键词： 探地雷达   城市地下目标检测   深度学习   YOLOX   迁移学习  

摘要： 探地雷达(GPR)因其无损、高效以及浅层高分辨率的优势被广泛应用于城市道路检测中。但是,GPR的数据解释主要依靠专家经验,费时费力,且误判、漏判率大。提出一种基于YOLOX深度学习网络的城市地下目标自动检测方法,以实现GPR数据的自动解译。该方法利用YOLOX网络能够同时实现自动提取特征和自动定位目标位置的能力,对GPR图像中的典型城市地下目标(空洞、电缆和管道等)进行检测。由于GPR数据量较小,首先利用COCO公开数据集对YOLOX进行预训练,然后利用迁移学习,在室内实验室采集的GPR数据集上进行参数微调,最后将训练好的YOLOX网络用于地下目标的定位和识别。实验结果表明,该方法能够实现小数量级GPR数据的精确目标检测,平均精度均值mAP_((0.75))可达82.1%,检测速度可满足实时检测要求,且该方法在检测精度方面优于现有方法。

关键词： 目标跟踪   异轨多星座   空间侦察   定位   多体制  

摘要： 空间侦察具有覆盖范围广、速度快、效率高等特点,且不受边界和天气条件的限制,可对目标实现长时间、大范围的侦察监视,是远海态势感知的重要手段。异轨多星座侦察卫星具备对目标的持续侦察能力。分析现有目标跟踪手段存在的不足,提出异轨多星座侦察目标跟踪流程,进一步分析异轨多星座侦察目标跟踪面临的问题,提出异轨多星座多体制侦察融合定位方法。仿真结果表明,该方法有效提升定位精度和航迹维持率,可作为工程应用的技术参考。

关键词： 航空发动机紧固件   改进YOLOv5s   CBAM注意力机制   数据增强  

摘要： 为解决传统航空发动机紧固件检测依赖人工目视检查,导致检查效率和准确率低的问题,提出一种基于改进YOLOv5s的航空发动机紧固件检测算法。设计一种传统数据增强和马赛克(Mosaic)数据增强相结合的方法,扩充数据样本,并降低目标样本的误检率和漏检率;应用CBAM注意力模块改进特征融合网络,增强对小目标区域的关注度,并提高检测网络的准确性。实验结果表明,相比于YOLOv5s算法,改进的算法在航空发动机紧固件数据集上平均精度(AP)提高到了91.3%。

关键词： 深度学习   目标检测   YOLOv5   桥梁检测   Transformer   锚框  

摘要： 桥梁对国家发展、百姓生活起着举足轻重的作用,采用高分辨率遥感影像对桥梁目标进行自动检测具有重要意义。但现有基于YOLOv5的检测算法存在水平边界框重叠、包含无关信息、识别精度低等问题。针对这些问题,文章提出了一种改进YOLOv5的桥梁检测方法,通过旋转边界框精确地描述桥梁的形状和姿态,并结合Transformer、BiFPN算法提高网络精度,最终形成一种具有方向性、高精度的遥感影像桥梁自动检测算法。首先,在水平边界框的基础上增加了θ角度参数,得到旋转边界框;然后,在YOLOv5的backbone中添加Transformer模块,通过多头注意力层使得在复杂场景下有效捕捉目标信息;接着,将YOLOv5的特征融合网络修改为BiFPN结构,更好地挖掘影像信息;最后,采用精确度(precision)、召回率(recall)、平均精度值(mean average precision,mAP)、帧率(frames per second,FPS)评估实验结果。该方法实验结果较目前常见深度学习方法表现更为优异,mAP达到了99.47%,较YOLOv5提高了近8%,较YOLOv8提高了近1%;FPS达到了56,较YOLOv8提升了14,证明了所提方法的有效性。

关键词： 无人机   小目标检测   注意力机制   YOLOv5s   航拍图像  

摘要： 针对无人机视角下目标尺度变化剧烈、背景复杂、目标小且密集而导致漏检率高的问题,提出了一种改进YOLOv5s的实时目标检测模型。首先,提出了全新的混合注意力机制,将其嵌入到主干网络中,增强对目标关键信息的提取能力;其次,创建新的稠密残差金字塔池化,提高了网络信息融合能力,降低计算量;然后,设计了一种基于多头自注意力机制的C3-BoT模块,有效捕获无人机图像全局上下文信息;最后,根据无人机图像特点,在YOLOv5s网络基础上增加一个极小目标检测层,降低小目标的漏检率。在VisDrone2019数据集上进行实验,改进后模型的mAP 0.5达到了40.6%,较YOLOv5s基准模型提高了8.1个百分点,在无人机航拍图像检测任务中取得了更好的检测效果。

关键词： 计算机视觉   课证融通   混合教学模式   教学资源  

摘要： 随着新一代计算机视觉技术加速与各行业深度融合并得到实践应用,社会对人工智能技术应用专业用人需求不断提高,传统的理论课堂教学模式很难适应新时代发展的需求,必须进行教学模式的改革。研究分析了“计算机视觉应用开发”课程“课证融通”教学改革现状,重构了项目化教学整体设计,利用多平台信息化手段,实现线上线下混合教学模式改革与创新。