基于机器视觉的水面垃圾寻航系统

水面垃圾会造成水体污染,它不仅破坏了水域生态系统平衡,并且对人类社会的生产和生活也产生了巨大危害,还会影响到船只的航行安全。目前,市面上主要的水面垃圾清理船体型庞大,很难应用在一些小型水域。并且多采用人工搜寻和清理的方式,但是人工搜寻效率低,人力成本高。针对该问题,设计了一款基于机器视觉的水面垃圾寻航系统,该装置基于YOLO-V2卷积神经网络模型进行目标检测,寻找水面垃圾等漂浮物,控制船只靠近目标物进行拾取,通过GPS进行导航,使用蚁群算法和完全遍历算法进行路径规划,同时用ESP32-cam和小熊派完成云端数据通信。最终达到自动出航和返航、垃圾自动拾取、远程监控的效果。

基于深度学习的社区安防异常行为检测研究

在人工智能快速发展的浪潮下,社区监控安防体系得到逐步加强和完善,安防监控行业迎来了智能化升级阶段。在安防监控图像处理技术领域,传统的机器视觉算法很难做到高精度和快速识别监控中的异常行为。基于此,本文提出了一种基于Faster-RCNN+SlowFast网络的社区安防异常行为识别方法。该方法通过提取视频关键帧中时间和空间信息进行目标定位与行为分析,提高了识别精度和速率。通过实时分析视频监控中的人体动作,识别出社区中发生的打架、盗窃、破坏公物等行为,并将信息上报给社区安保系统。通过采取及时的预警措施,有效地维护了社区治安稳定。