基于改进YOLOv8s的配电设备红外目标检测模型

随着电力巡检技术的发展,利用无人机和红外热成像技术进行巡检逐渐成为电力巡检作业的一个重要模式。针对当前网络模型对配电设备识别准确度低、模型参数量大难以部署的问题,提出一种基于红外图像的配电设备目标检测方法。首先,针对原YOLOv8s模型参数量大、模型复杂的问题,提出在骨干网络和Neck部分将部分传统Conv卷积替换为GhostConv卷积,实现模型轻量化;然后,针对原YOLOv8s模型小目标识别能力差的问题,提出增加小目标检测层,提升小目标检测能力;最后,针对原YOLOv8s模型损失函数不利于普通质量样本预测回归的问题,提出使用Wise-IoUv3损失函数,聚焦训练过程中难以拟合的锚框的预测回归。研究结果表明,改进后模型的精确率达到87%,比原模型提升了4.1个百分点;召回率达到79.1%,比原模型提升了3个百分点;平均精确率均值达到83.5%,比原模型提升了1.5个百分点;推理速度为62ms/张,可有效应用于配电设备的部件检测。

基于Mask R-CNN和多特征融合的实例分割

为了能够充分地利用图像特征信息,提升实例分割的效果,提出了一种基于Mask R-CNN网络结构和多特征融合的实例分割模型。首先,在Mask R-CNN模型的基础上引入两条分支:一条基于整体嵌套边缘检测(HED)模型的边缘检测分支生成偏重于边缘信息的边缘特征图,一条基于全卷积网络(FCN)的语义分割分支生成偏重于空间位置信息的语义特征图。然后,在进行感兴趣区域对齐(ROIAlign)时,为了充分利用特征金字塔的各层信息,将感兴趣区域(ROI)同时映射到相应的金字塔层及其相邻层。最后,融合以上得到的多个特征图,生成信息更加丰富的新特征用于后续的检测和分割任务。实验结果表明,该方法有效提高了检测和分割的准确性。在使用Resnet50-FPN作为骨干网络且没有附加条件的情况下,与Mask R-CNN相比,该模型的检测和分割平均精度(mAP)分别提升了1.2%和1.0%。

犬链球菌和犬源巴氏链球菌的分离鉴定

为确诊4例送检的表现为咳嗽吐血、猝死犬的病因,采集严重病变的肺脏通过PCR检测犬细小病毒、犬瘟热、犬副流感病毒以及犬腺病毒4种常见病毒;并进行细菌分离,对分离菌进行形态特征观察、染色镜检、生化试验、药敏试验以及16S rRNA基因序列分析。结果显示:病毒检测结果均为阴性,分离到2株犬链球菌及2株巴氏链球菌,2种细菌通过小鼠分别进行人工发病试验,复制出与病死犬相似的病理变化,且从小鼠体内再次分离到这2种细菌,由此确定犬链球菌和巴氏链球菌分离物均为致病菌。养殖场结合药敏试验成功对该病进行了控制。

犬输血疗法与输血反应

1输血疗法国内外现状输血疗法是利用输入正常血液或血液成分进行补血、止血、解毒的有效治疗措施,在治疗一些危重病例时具有重要作用。目前,国外兽医临床上更多地利用成分血制剂替代全血制剂,不但节约了血液资源,还降低了输血风险。同时宠物血站的建设已十分完善,从供血犬的筛选、血液采集、血液制剂的制备、储存、运输直至使用都做出了详细的要求。

融合多层卷积特征的鲁棒相关滤波跟踪

提出了一种基于VGG-Net网络的多层卷积特征融合的相关滤波跟踪算法,提取浅层和深层两种特征,并将二者自适应融合,提高了相关滤波跟踪的准确性和鲁棒性。在DSST算法框架下,提取VGG-Net网络3个卷积层的特征分别训练相关滤波器,在每一层上估计目标位置,融合每层响应获取最终位置。此外,通过筛选降低了卷积特征在每一层的通道数,减少了计算量。在OTB2013数据集上的实验结果表明,当目标遇到模糊、旋转、背景混乱等复杂场景时,算法不仅能保证良好的跟踪精度和鲁棒性,而且能保持较快的跟踪速度。