基于YOLO v5s和改进SORT算法的黑水虻幼虫计数方法

目前农业环境下的无序目标的精确计数有很高的应用需求,这种计数对其生物量、生物密度管理起到了重要的指导作用。如黑水虻幼虫目标追踪过程中,追踪对象具有高速和非线性的特征,常规算法存在追踪目标速度不足和丢失目标后的再识别困难等问题。针对以上问题,本文提出了一种改进SORT算法,通过改进卡尔曼滤波模型的方式提升目标追踪算法的快速性和准确性,提升了计数的精度。另外,针对黑水虻幼虫目标识别过程中幼虫性状的多样性和混料导致的复杂背景问题,本文通过实验对比多种深度学习网络性能选定YOLO v5s算法提取图像多维度特征,提升了目标识别精度。实验结果表明:在划线计数方面,本文提出的改进SORT算法与原模型相比,平均精度从91.36%提升到95.55%,提升4.19个百分点,通过仿真和实际应用,证明了本文模型的有效性;在目标识别方面,使用YOLO v5s模型在训练集上帧率为156 f/s,mAP@0.5为99.10%,精度为90.11%,召回率为99.22%,综合性能优于其他网络。

基于P2P的MMOG兴趣域内多播改进算法

针对SCRIBE在解决基于P2P的巨量多玩家网络游戏兴趣域内多播时,产生的多播效率低、游戏状态数据同步性差问题,提出一种SCRIBE改进多播算法,该算法考虑P2P网络中终端节点在带宽和计算能力上的异构性,同时保证同一组中节点具有共同的兴趣。仿真结果表明,该算法能够在较大程度上减小消息冗余和降低多播延迟,提高游戏状态数据的同步性。

基于人工神经网络-遗传算法的取向硅钢刻痕工艺优化

为了优化激光刻痕降低取向硅钢铁损的工艺,寻找刻痕速度、脉冲能量、扫描间距等重要刻痕参数的最佳匹配关系,提出了一种基于人工神经网络与遗传算法的优化模型,并利用这种模型对30Q130取向硅钢材料的刻痕工艺进行了优化实验,结果表明,这种模型稳定可靠,可以作为取向硅钢刻痕工艺优化的一种有效的措施。