基于机器视觉的轻量化芒果果面缺陷检测

目的:降低自动化芒果分级检测设备的制造成本。方法:对比了3种常用的目标检测算法在芒果缺陷检测中的效果,并以轻量化、移动设备可移植性为目标,提出了一种基于YOLOv5的轻量化芒果果面缺陷检测算法。结果:试验算法在满足芒果表面缺陷检测要求的前提下,相较于原算法可使参数量减少45.9%,浮点运算次数减少46.7%,权重文件大小减小45.2%。结论:试验算法有效降低了对部署设备的性能需求,在降低芒果分级检测设备的制作成本方面具有潜在价值。

一种基于Fluent的室内温度传感器优化方案

智慧建筑的实现依赖于传感器,因此,在不影响功能实现或信息传递的情况下,传感器的数量成为决定智慧建筑成本的一个重要因素。文章以优化室内温度传感器布点数为目标,采用ANSYS Fluent对普通工作场所进行三维流体力学模拟,并基于Realizable k-epsilon模型采用二阶迎风格式对室内温度分布进行了仿真分析。仿真结果显示送风口和回风口附近的数据受其影响波动较大,在3~8 m处环境数据趋于稳定。在此基础上,针对30个测量点的ET(Effective Temperature,有效温度指数)值对传感器的测量点位进行优化。实际测试结果表明,所选点位的ET值标准差均低于其余测量点,验证了温度传感器优化方案的可行性。

基于YOLOv5s的移动端轻量化芒果果面缺陷检测应用设计

基于YOLOv5s给出了适合移动端应用的芒果果面缺陷检测算法,并实现了相关应用程序的设计。应用程序所采用的IM_YOLOv5s算法,使用PPLCNet和GhostNet构建骨干特征提取网络和加强特征提取网络,同时使用改进的EIOU损失函数代替原CIOU损失函数更好地定位边界框,改进后的算法相比于YOLOv5s算法浮点运算次数减少了约77.22%,参数量减少了约72.65%,模型大小减小了约70.80%,在消融实验环境下batch size设置为16时的推理时间减少了约38.12%。在移动终端上的测试表明,IM_YOLOv5s可以比原算法推理时间减少约52.7%。