基于MBE-YOLOv5的轻量化化工袋目标检测方法

针对化工厂中化工袋种类繁多、遮挡干扰、放置复杂等因素,导致化工袋识别模型的定位效果较差、实时性不佳等问题,提出一种基于MBE-YOLOv5的轻量化化工袋目标检测方法。首先,用MobileNetV3网络替换YOLOv5的主干网络,降低模型的参数和运算量,提高模型的检测速度;然后,在YOLOv5的颈部网络引入双向特征金字塔网络结构进行多尺度特征融合,提高模型的识别准确率;最后,采用EIoU函数优化损失,提高模型的定位精度。实验结果表明,MBE-YOLOv5模型相比YOLOv5模型,参数量下降了37.7%,运算量降低了58.1%,检测速度提升了9.5%,mAP@0.5提高了0.7%;在检测速度和检测精度之间取得较好的平衡,能满足化工袋在线检测识别定位的要求。

基于PCS-YOLOv5轻量化模型的布匹外观缺陷检测方法

针对现有布匹外观陷检测模型参数数量大、计算量大、部署于普通工控机检测速度慢等问题,文章提出一种轻量化模型PCS-YOLOv5。首先采用PP—LCNet替换YOLOv5主干网络实现模型轻量化,加快推理速度;在Neck网络引入CBAM注意力模块,抑制干扰信息关注重要特征,提高目标检测精度;修改边界框回归损失函数为SIoU,增强缺陷定位准确率。实验测试结果表明,PCS-YOLOv5相比YOLOv5原模型,在mAP@0.5基本保持一致的情况下,检测速度提高10.2%,参数数量减少56.8%,运算量降低63%,模型权重减小56%,可满足现场布匹外观缺陷在线检测要求。

基于图像处理的长距离车道线检测

小车在平稳路面行驶,同时前方无车辆障碍,基于此,本研究设计了长距离车道检测系统。在识别车道线时,利用输入的视频进行图像预处理,提取感兴趣区域,获取车道线的最大区域,对其进行透视变换和标定,使用Sobel算子对其二值化,使用滑块法拟合车道线并标定,输出检测后的标定视频文件。该系统能有效检测更远距离的车道线,可以应用于快速行驶路段与有清晰车道线的高速公路。

基于STM32的智能交通灯系统设计

本文所讨论的是一种基于STM32单片机技术的智能交通控制系统,利用红外线技术检测道路等待小车的数量进行数据分析,合理给予各个不同方向的道路分配通行时间,实现车流量的高效通行,从而提高交通通行效率。本文通过硬件设计以及软件仿真实践,证明所讨论的方法可以实现智能交通系统的动态控制的可行性。

基于机器视觉与毫米波雷达障碍物检测方法概述

本文在机器视觉基础上,融合波雷达障碍物检测方法,对毫米波雷达与摄像头进行有效的标定,借助相关标定方式对摄像头内部与外部的参数进行精确的计算,对镜头的畸变进行科学校正,使雷达所探测到的目标位置精准投射到图像中,从而提出雷达目标感兴趣的方式和方法,保证驾驶和行车的安全,减少碰撞事故的发生.