基于yolov5s的改进安全帽检测算法

针对现有安全帽检测算法对于远距离目标以及背景复杂的工地场景下的安全帽识别检测精度较低的问题,对yolov5s结构进行改进,主干网络中引入CoorAtt注意力机制增强特征提取能力,加强对重要的小目标信息的关注;然后将原模型中的SPP模块替换成ASPP模块,通过使用空洞卷积层来代替池化层,降低了最大池化导致的特征信息丢失,同时采用不同的扩张率增大感受野,并且有效地提取不同尺度的特征;其次在颈部网络使用BiFPN结构,更高效地对特征信息进行融合;最后通过更改损失函数为WIOU通过引入动态非单调聚焦机制,平衡模型对各质量样本的关注,提高网络的整体性能,从而提高目标检测精度。为了测试算法的有效性,文中在公共数据集Safety Helmet Detection上进行实验。实验结果表明,改进后的yolov5s算法,目标检测mAP达到了88.5%,比改进之前的yolov5s算法提升了2.1%。

面向数字孪生的电控喷油器蓄压腔压力信号处理算法

针对构建电控喷油器计量特性数字孪生体的需求,设计电控喷油器蓄压腔压力信号处理算法,包括模数转换、去除毛刺滤波、降噪滤波、数值单位转换和特征值提取等,用于提取蓄压腔压力特征值(t_(m),p_(m))。重点研究降噪滤波算法窗口长度N、迭代次数m等关键参数对特征值提取精度、稳定性及计算时间的影响,确定最佳滤波参数并在全工况范围内开展试验验证,结果表明使用最佳滤波参数的信号处理算法降噪滤波所需时间为3.99 ms,特征提取t_(m)的最大误差为139.9μs,特征提取p_(m)的最大相对误差为0.39%。