结合Transformer和动态特征融合的低照度目标检测

针对现有低照度目标检测算法模型参数量与计算量大、检测实时性差、难以应用于移动设备等问题,提出一种基于YOLOv8的改进轻量模型DarkYOLOv8的低照度目标检测方法。使用MobileNet v2替换YOLOv8的主干网络,增加模型的特征提取能力;使用Transformer注意力机制,获取图像的全局信息,并且基于目标标记信息作为标签训练Transformer模块参数,增强目标区域内的权重,从而提高模型在低照度条件下提取目标特征的能力;对颈部网络使用动态特征融合注意力模块(dynamic feature fusion attention,DFFA),动态融合浅层和深层特征,同时使用YOLOv8X算法+CBAM对DFFA模块中CBAM空间注意力权重进行监督训练。实验结果表明,在ExDark数据集上,DarkYOLOv8在GFLOPs仅为8.53的情况下mAP50指标达到70.1%,相比YOLOv8n提高了3.9个百分点。

基于轻量级算法的水上垃圾小目标检测研究

针对水上漂浮垃圾检测中微小目标物体数量占比高、检测画面易受到水面波动和岸边环境反光等多重因素的干扰、检测模型庞大的参数量和计算量对终端的部署的设备性能要求高等问题,拟提出一种轻量化、高精度、实时性的检测模型LS-YOLO。首先,该算法利用HS-FPN金字塔网络设计构造YOLOv8的Neck网络结构,构建的网络结构牺牲小部分精度,显著降低了模型的参数数量和计算复杂度。其次,通过引入CAA上下文锚定注意机制改进HS-FPN,捕获远程上下文信息来回升检测精度。然后通过更换损失函数为具有动态聚焦机制的Wise-IoUv3,大幅提升检测效果,增加模型鲁棒性。最后,使用LAMP剪枝技术对模型进行剪枝,减小模型的参数量和计算量。实验结果表明,改进后的LS-YOLO相比基准模型mAP50提升了0.9%,回归率提升了3.2%,参数量降至基准模型的19.83%,计算量降至基线的44.44%,模型大小降至基线的22.22%。经过优化后的检测算法不仅显著提升了检测性能与特征提取的精准度,同时也便于在资源受限的硬件平台上的部署操作。

基于YOLOv5s的航拍小目标检测改进算法研究

针对无人机航拍时拍摄的对象大小不一、种类繁杂且容易被建筑遮挡等问题,提出了一种基于YOLOv5s的无人机目标检测改进算法VA-YOLO。在已有的主干网络中添加CA注意力机制模块,扩大检测区域,获得更准确的位置信息;针对检测小目标时尺度不一导致语义丢失的问题,添加小目标检测层与BiFPN结构,加深浅层语义与深层语义结合,以此丰富对检测目标的语义信息;使用损失函数Varifocal loss与EIoU,改善模型对小目标检测的准确性。实验结果表明,在VisDrone2019-DET数据集上,该算法的平均检测精度(mean Average Precision,mAP)达到了39.01%,相比YOLOv5s提高了6.26%。

基于YOLOv5的雾霾天气下交通标志识别

针对雾霾天气下道路交通标志识别难度大、精确度较低的问题,提出一种基于YOLOv5的雾霾天气交通标志识别模型。首先在YOLOv5原始模型上融入卷积注意力机制,在空间维度和通道维度上进行特征增强,抑制雾霾天气对模型的干扰;然后将BiFPN作为neck层中的特征融合结构,更加充分地融合多尺度特征,减少目标信息丢失;并选用CIoU作为YOLOv5的损失函数提高定位能力;使用K-means聚类算法在TT100K和CODA数据集重新获取锚框值,加快模型收敛速度。实验结果表明,改进后模型识别精度达到92.5%,比YOLOv5提升5.6%,在雾霾天气下仍能准确识别交通标志,速度达27 FPS,能够进行实时检测。

基于多智能体技术的水面无人艇测控系统研究

多智能体技术适合于解决复杂系统的设计。在简要介绍多智能体技术和水面无人艇测控系统的基础上,分析了将多智能体技术应用于水面无人艇测控系统设计的可行性,提出了水面无人艇多智能体测控系统模型和架构设计,并探讨了系统的开发方法。

地方高校新一代信息技术人才培养体系构建

分析地方高校信息技术人才培养所面临的困难与挑战,提出地方高校应抓住新一代信息技术快速发展的时机,采取非均衡发展策略,明确方向、重点突破、体现特色,通过细化目标定位、优化方案体系、强化实践能力,着力构建地方高校新一代信息技术人才培养体系。

基于DSP的高精度联合扫雷控制技术研究

声、磁及其联合引信是现代水雷常见的引信组合,声磁联合扫雷也是常见的扫雷技术,其控制精度对扫雷效果影响很大。传统的声磁联合响应时间通常不低于1s,有的甚至达到数秒,不能很好地满足系统的战术使用要求。本文提出一种基于DSP技术的声磁联合扫雷控制技术方案,通过分析影响声磁联合控制精度的要素,采取特殊的设计方案,既能满足声、磁独立工作的要求,又能实现高精度的联合扫雷,可使声磁联合控制精度提高一个数量级。

CC2431的室内定位系统设计

介绍一种基于ZigBee技术的室内定位系统的设计。以CC2431无线定位引擎为核心,结合ZigBee参考节点的无线室内定位系统,阐述系统的构成和定位引擎的工作原理,讨论系统硬件电路。该定位系统实现了低成本、低功耗、高精度的设计要求。

物联网专业人才培养实践体系探索与实践

文中以地方高校物联网专业建设为主要目标,探讨该专业在建设过程中实践教学体系建设存在的主要问题和难点。结合本校实际和专业需求,提出了以理论课程实验与开放环节相结合为基础,以课程教学和专业竞赛强化推动为过程,学校理论教学体系与企业实训结合为抓手的专业人才实践体系建设思路。经过几年的摸索和实践,基本建立了一套实践教学体系,取得了一定的成效。

XPort与ZigBee模块的Internet接入技术

介绍一种由嵌入式设备组成的ZigBee无线网络接入Internet的技术。设计了由TCP/IP到串口的转换设备XPort与ZigBee模块组成的ZigBee网关,阐述了XPort与ZigBee模块的连接电路、工作方式以及ZigBee组网过程,实现了Internet网络远程访问和便捷控制家中的ZigBee无线智能家电设备的目标。

“物联网”本科专业建设探究

以三峡大学"物联网"本科新专业建设为背景,结合四年来实践和发展,介绍该专业人才培养模式、课程体系、实验与实践教学体系、师资队伍等方面的改革和建设经验。

地方高校信息类专业教学科研协调发展方法探讨

文章分析了地方高校信息类专业人才培养现状,针对人才培养过程中出现的导致的教学科研难以协调发展的主要问题,结合本校的前期探索实践及成功经验探讨解决方案,并总结出促进地方高校信息类专业教学和科研协调发展的一些可借鉴的举措。

基于改进Faster RCNN的输电线路航拍绝缘子检测

为提高航拍图像中输电线路绝缘子的检测准确性,提出一种改进的Faster RCNN网络模型。在原始Faster RCNN网络模型上运用多尺度训练,同时根据绝缘子自身特性调整滑动窗口产生的候选区域比例,并引入检测困难样本的对手生成策略,实现不同尺寸及部分遮挡输电线路绝缘子的准确检测。实验结果表明,改进的Faster RCNN网络模型相比原始Faster RCNN网络模型的检测精确度提升了4.33个百分点,能更准确地检测出目标绝缘子。

普适计算环境的上下文不一致性研究

上下文感知是实现普适计算环境中新型人机交互的基础。针对上下文不一致性的消除问题,提出了全丢弃算法、最新上下文丢弃算法、基于确定性上下文丢弃算法和基于相关性的上下文丢弃算法,并对算法的性能进行了比较和分析。实验测试表明,这些算法能够有效消除上下文不一致性。

基于嵌入式技术的远程水利信息监测系统设计

本文阐述了一种基于嵌入式技术和通用分组无线业务的远程水利信息监测系统的设计方案。介绍了终端数据采集设备的硬件选型、无线网络接入、监测中心软件设计。系统利用现有GPRS网络发挥了网络覆盖率高、传输特性好等优势,对大坝水库等重要水利设施实行远程监测。

基于多尺度分割的图像识别残差网络研究

深度卷积神经网络能够解决复杂的计算机视觉问题,被广泛应用于图像识别任务中。在基于深度卷积神经网络的图像识别过程中,增加网络的深度和宽度能够产生丰富的特征信息,使用多尺度分割方法能够有效减少冗余的特征信息。然而,增加网络的深度和进行多尺度分割都会影响识别速度。如何在保证精度的同时提高识别速度,成为设计高效网络的关键问题。通过增加网络宽度的方法对ResNet残差网络进行改进,在保证精度的基础上提升识别速度。使用ResNet-D中的残差结构并减少网络长度,得到长度只有7层的残差网络,同时对HS-ResNet中的多尺度分割方法进行优化,只保留最后一次连接合并操作,得到图像识别残差网络SSRNet。在CIFAR 10和CIFAR 100数据集上的实验结果显示,SSRNet速度最高较ResNet网络提升7倍多,同时错误率最高下降8.81%,表明缩短网络长度可大幅加快图像识别速度,同时结合多尺度分割方法能够有效提升识别精度。

基于STM32和LIS3DSH的高精度计步器设计

设计了一种基于STM32和LIS3DSH的高精度计步器。为了提高计步器的准确性,充分利用加速度传感器输出的三轴加速度信号,经数据预处理,采用动态阈值和峰值检测的改进算法。根据人体运动特征检测人体运动时加速度的变化,实现准确计步,并具备数据传输功能。实验结果表明,该计步器具有体积小、功耗低、精度高的特点。

基于移动端轻量模型的杂草分类方法研究

杂草分类的研究大多集中在服务器端模型,而该类模型存在规模较大、占用较多计算资源、计算速度较慢、准确率不高等问题,以ResNet50和MobileNetV3;arge模型为基础,采用数据增强、迁移学习来进行快速训练,在训练中通过设置加权Softmax损失函数的权重,最后再利用精度高的服务器端模型指导和优化移动端模型,从而得到一个轻量模型。试验结果表明,本文轻量模型相比移动端模型MobileNetV3;arge,在模型大小变化不大的情况下,识别准确率提升1.2%;相比服务器端模型ResNet50,准确率提升0.78%,平均每张推理时间减少7.8%,模型大小减少80%,本研究可为杂草精准施药的实施应用提供理论基础和技术支持。

μC/OS-Ⅱ嵌入式操作系统实时性能分析与测量

以评价实时操作系统性能为目标,对时间参数的测量原理和方法进行了研究,以μC/OS-Ⅱ实时嵌入式操作系统为研究对象,分析其内核的实时机制及任务上下文切换时间、中断响应时间等实时性指标,给出了测量方法,并采用两种方法来获取时间参数,获得了一批嵌入式实时操作系统的数据,为实时性设计提供了参考。

基于FPGA的静止电压稳定优化器设计

基于FPGA设计的Buck-Boost型静止电压稳定优化器,直接串联于市电与敏感负荷之间,当供电电压发生电压骤升或骤降时,可快速稳定电压,确保敏感负荷不受影响;采用前端整流装置代替固定储能装置可获取更长的故障穿越时间,采用单同步旋转坐标系软件锁相环(SSRF-SPLL)技术实现电网电压同步,而采用电压双闭环控制技术改善了系统的响应速度;试验结果表明,该装置能快速稳定电压骤升骤降,并能较好地抑制谐波。