基于改进COF-YOLO v8n的油茶果静态与动态检测计数方法

针对自然环境下油茶果存在严重遮挡、近景色、小目标等现象,使用YOLO网络存在检测精度低、漏检现象严重等问题,提出对YOLO v8n网络进行改进。首先使用MPDIOU作为YOLO v8n的损失函数,有效解决因为果实重叠导致的漏检问题;其次调整网络,向其中加入小目标检测层,使网络能够关注小目标油茶以及被树叶遮挡的油茶;最后使用SCConv作为特征提取网络,既能兼顾检测精度又能兼顾检测速度。改进COF-YOLO v8n网络精确率、召回率、平均精度均值分别达到97.7%、97%、99%,比未改进的YOLO v8n分别提高3.2、4.8、2.4个百分点,其中严重遮挡情况下油茶检测精确率、召回率、平均精度均值分别达到95.9%、95%、98.5%,分别比YOLO v8n提高4.0、9.1、4.6个百分点。因此改进后COF-YOLO v8n网络能够明显提高油茶在严重遮挡、近景色、小目标均存在情况下的识别精度,减小油茶的漏检。此外,模型能够实现动、静态输入条件下油茶果计数。动态计数借鉴DeepSORT算法的多目标跟踪思想,将改进后COF-YOLO v8n的识别输出作为DeepSORT的输入,实现油茶果实的追踪计数。所得改进模型具有很好的鲁棒性,且模型简单可以嵌入到边缘设备中,不仅可用于指导自动化采收,还可用于果园产量估计,为果园物流分配提供可靠借鉴。

基于YOLO v8n-seg和改进Strongsort的多目标小鼠跟踪方法

多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5 ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进:对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。

基于改进YOLO v8的牛只行为识别与跟踪方法

随着我国畜牧业的快速发展,牛只养殖由分散性养殖逐渐向精准化养殖转变。针对分散养殖中农户无法对每头牛只健康状况给予足够关注的问题,通过分析牛只行为模式结合视觉方向特征,设计了综合管理方法来准确识别和跟踪牛只行为。首先,采用改进YOLO v8算法对牛只进行目标监测,其中,在Backbone和Neck端使用C2f-faster结构,增强模型特征提取能力;引入上采样算子CARAFE,拓宽感受视野进行数据特征融合;针对牛只幼仔检测加入BiFormer注意力机制,以识别牛只小面积特征;更换动态目标检测头DyHead,融合尺度、空间和任务感知;然后,使用Focal SIoU函数,解决正负样本分配不均衡和CIoU局限性的问题。最后,将YOLO v8检测到的行为类别信息引入BoTSORT算法中,实现在复杂场景下牛只多目标行为识别跟踪。实验结果表明,提出的FBCD-YOLO v8n(FasterNet、BiFormer、CARAFE、DyHead)模型在牛只行为数据集上,相比较YOLO v5n、YOLO v7tiny和原YOLO v8n模型的mAP@0.5分别提升3.4、3.1、2.4个百分点,尤其牛只回舔行为识别平均精度提高7.4个百分点。跟踪方面,BoTSORT算法的MOTA为96.1%,MOTP为78.6%,IDF1为98.0%,HOTA为78.9%;与ByteTrack、StrongSORT算法比,MOTA和IDF1显著提升,跟踪效果良好。研究表明,在牛舍养殖环境下,本研究构建的多目标牛只行为识别跟踪系统,可有效帮助农户监测牛只行为,为牛只的自动化精准养殖提供技术支持。

基于改进YOLO v8的行李追踪技术

在机场行李分拣场景下,传统多目标追踪算法存在目标ID切换率高和目标轨迹误报率高的问题。提出一种基于改进YOLO v8和ByteTrack算法的行李追踪技术。增加了CBAM模块,替换ADH解耦头以及改变训练时的损失函数,增加了检测精度,加强了目标特征的判别性,降低目标的ID切换率。在Byte数据关联中进行了GSI插值后处理,不仅利用了高分框和低分框,也使得长时间遮挡后的追踪效果得到保证,降低了因遮挡产生的ID错误切换。在机场行李分拣数据集上,MOTA和IDF1分别达到了89.9%和90.3%,有了较为明显的提升,能稳定地实现对行李箱ID的追踪。

基于YOLO v8n-seg-FCA-BiFPN的奶牛身体分割方法

奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加权特征金字塔结构,提出了YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型。其中,多尺度融合模块使模型更好地提取小目标几何特征信息,双向跨尺度加权特征金字塔结构实现了更高层次的特征融合。首先在奶牛运动通道处采集奶牛侧面图像作为数据集,为保证数据集质量,采用结构相似性算法剔除相似图像,共得到1 452幅图像。然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练。测试结果表明,模型精确率为96.6%,召回率为94.6%,平均精度均值为97.1%,参数量为3.3×10^(6),检测速度为6.2 f/s。各部位精确率在90.3%~98.2%之间,平均精度均值为96.3%。与原始YOLO v8n-seg相比,YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点,召回率提高2.6个百分点,平均精度均值提高3.1个百分点,改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性。遮挡情况下该模型检测结果表明,精确率为93.8%,召回率为91.67%,平均精度均值为93.15%。结果表明,YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割。

FreeRTOS在SPARC V8处理器上的移植

FreeRTOS是一款免费的嵌入式操作系统,具有源代码公开、配置要求低、运行效率高、功能全面的特点,而基于SPARC V8架构的处理器被广泛应用于卫星遥测、遥控、姿轨控和自主管理等航天领域中。使用嵌入式操作系统可以提高SPARC V8星载应用程序的应用范围和可靠性,但目前SPARC V8架构国内尚未有FreeRTOS成功的移植案例。本文基于SPARC V8架构处理器,结合SPARC V8窗口机制的特点进行了FreeRTOS在此平台上的移植和调试工作。测试结果表明,FreeRTOS各项基本功能运行正常,可用于SPARC V8架构下星载应用程序的开发工作。

Bentley Hammer V8i软件在城乡一体化供水管道水锤计算中的应用

应用Bentley Hammer V8i软件模拟城乡统筹供水工程中输水和配水管道的稳态工况与事故断电工况的水锤安全性,可以清楚地展示管内水流压力的变化趋势。本文以新和县城乡一体化实际供水工程为研究对象,评估其供水管网水锤安全性。模拟结果显示,虽然该工程在稳态工况与事故断电情况下管道内压力会有剧烈波动,但仍在管道的承载能力之内,可以通过优化关阀时间及相关操作来确保供水的安全稳定。本应用可供类似城乡一体化供水工程管道设计参考。

基于改进YOLO v8-Pose的红熟期草莓识别和果柄检测

针对高架栽培模式下的大棚草莓,借鉴人体姿态检测算法,建立了改进YOLO v8-Pose模型对红熟期草莓进行识别与果柄关键点检测。通过对比YOLO v5-Pose、YOLO v7-Pose、YOLO v8-Pose模型,确定使用YOLO v8-Pose模型作为对红熟期草莓识别与关键点预测的模型。以YOLO v8-Pose为基础,对其网络结构添加Slim-neck模块与CBAM注意力机制模块,提高模型对小目标物体的特征提取能力,以适应草莓数据集的特点。改进YOLO v8-Pose能够有效检测红熟期草莓并准确标记出果柄关键点,P、R、mAP-kp分别为98.14%、94.54%、97.91%,比YOLO v8-Pose分别提高5.41、5.31、8.29个百分点。模型内存占用量为22 MB,比YOLO v8-Pose的占用量小6 MB。此外,针对果园非结构化的特征,探究了光线、遮挡与拍摄角度对模型预测的影响。对比改进前后的模型在复杂环境下对红熟期草莓的识别与果柄预测情况,改进YOLO v8-Pose在受遮挡、光线和角度影响情况下的mAPkp分别为94.52%、95.48%、94.63%,较YOLO v8-Pose分别提高8.9、10.75、5.17个百分点。改进YOLO v8-Pose可在保证网络模型精度的同时对遮挡、光线和拍摄角度等影响均具有较好的鲁棒性,能够实现对复杂环境下红熟期草莓识别与果柄关键点预测。

TI DRV8300100V三相BLDC栅极驱动器解决方案

TI公司的DRV8300是100V三个半桥栅极驱动器,能驱动高边和低边N沟功率MOSFET.DRV8300D能采用外接的阴极负载二极管和外接电容产生正确的栅极驱动电压,用于高边MOSFET;而DRV8300N能采用外接的阴极负载二极管和外接电容产生正确的栅极驱动电压,用于高边MOSFET.GVDD用来产生驱动低边MOSFET的栅极电压.栅极驱动架构支持峰值高达750m A源电流和1.5-A沉电流.

奥迪V8发动机EA825技术亮点解读

目前应用于奥迪A8、RS6等车型上的EA825系列发动机,是奥迪最新的V8发动机(图1),此前这款发动机也曾应用于大众集团旗下的保时捷和宾利车型。该发动机奥迪和保时捷联合开发,其结构基于自EA839系列的V6发动机,这种密切的关系不仅对制造过程有好处,对售后服务同样也有好处,例如许多专用工具可以通用于这2款发动机。EA825发动机的主要参数如表1所示。

V8发动机曲轴有限元分析

对某V8发动机曲轴进行运动学分析与动力学分析,利用Pro/Engineer软件建立三维模型,然后根据有限元理论,应用ANSYS软件分析了曲轴的静态力学性能。分析第一左缸与第三右缸爆发时的应力云图和变形图,从结果可以看出,曲轴的应力集中在轴颈与曲柄臂连接处、油孔处以及连杆轴颈中央截面处。进行模态分析,曲柄臂和主轴颈、曲柄臂和连杆颈相连处是曲轴振动中危险的区域,由振型图可以发现它们是曲轴振动中变形最大的区域。

基于SPARC V8的星载嵌入式软件全数字仿真平台设计与实现

为了提高星载嵌入式软件的可靠性和安全性,解决硬件测试环境构建困难、成本昂贵以及运行状态难以监控的局限性,提出了一种基于SPARC V8的星载嵌入式软件全数字仿真平台设计和实现方法;介绍了全数字仿真平台实现的关键技术,包括CPU指令集仿真、寄存器仿真、存储器仿真、中断控制器仿真、串口仿真、定时器仿真、虚拟外设模型仿真以及设备管理器和平台时序设计;全数字仿真平台与基于硬件的测试平台相比具有可重用性强、可快速搭建、成本低廉、高可控性、调试和测试手段丰富、支持故障注入等优点;该全数字仿真平台已在星载嵌入式软件型号研制中得到了应用,基于此平台可快速搭建虚拟目标机和虚拟外设环境,进行星载嵌入式软件运行仿真、调试验证等工作。

V8多功能电法仪与EH-4连续电导率仪的对比

通过EH-4连续电导率仪及V8多功能电法仪的音频大地电磁测量对比实验,详细分析了两套仪器所采集的原始数据及反演结果,并从仪器性能指标及工作效率等方面对两套仪器进行了对比研究。研究表明两套仪器都能采集到真实可信的数据。V8多功能电法仪能获得更低频段的信号,EH-4连续电导率仪则能采集到较高质量的高频信号。相比较而言,V8多功能电法仪所获得数据的连续性要好于EH-4连续电导率仪,且其工作效率要高于EH-4连续电导率仪,但就工作成本而言,EH-4连续电导率仪有更大优势。

利用V8多功能电法仪开展磁电法勘探方法技术研究

在浅覆盖区开展电法勘探时,由于存在供电电流易被低阻覆盖层吸收和深部电磁信号又被屏蔽减弱,薄层金属矿体难以识别的难题。基于突破高阻或低阻覆盖层屏蔽,获得有效矿致信号的思路,我们开展了磁电勘探法实验研究。采用V8系统与其他仪器设备组合,完成发射与接收工作。分别测量不同频率的交变电磁场对矿体激励所产生的磁场和电位,并计算磁频散率和电频散率。提取局部异常信息,对比研究识别矿体。在安徽省某金矿区薄层矿体识别取得了一定的效果,拓展了V8系统地质找矿中应用范围。

基于SPARC V8虚拟仿真测试平台的设计与实现

提出一种为SPARC V8微处理器搭建全数字仿真测试平台的方法,给出了详细的系统架构和设计方案。采用有限状态机构建系统模型,并对五级流水线和内存系统仿真等关键问题进行研究,设计并实现了SPARC V8微处理器的内核仿真器和与之相配套的仿真调试器。为目标软件的运行和调试提供了灵活的方法,解决了基于特定平台的实时嵌入式软件测试难以发现和定位错误的问题。

基于MicroStation V8的地形图更新与质检系统的开发

在MicroStation VBA环境下,对MicroStation V8进行二次开发,实现了一套基于MicroStation V8平台的多比例尺地形图要素更新与质检系统。该文着重阐述了该系统在处理点、线、面、注记、属性、出图效果及质量检查控制等方面的设计。通过二次开发,快速实现了地形图的更新与维护,并有利于质量的控制,符合入库要求。

基于V8系统大地电磁数据格式转换及实现

V8大地电磁系统是加拿大凤凰公司的最新产品,该系统在很多部门得到应用和推广,在包括铁路长大隧道在内的资源勘探、工程地质、灾害探测等领域发挥了巨大作用。由于仪器配套的软件较为有限,在实际工作的使用过程中受到了一定得限制。人们在后期处理过程中,涉及最多的是Cross Section Data(SEC)和Universal Sounding Format(USF)数据文件,为了更好的开发处理解释软件,有必要对这两种数据格式进行研究。本文首先概述了数据转换功能的内容,然后对SEC和USF数据格式做出详细的分析,并对如何转换进行说明.最后给出了读取数据文件的实例,说明数据读取的准确性,也说明读取数据的方法的正确性。

基于SPARC V8结构处理器的计算机系统设计

首先介绍了国内外计算机SPARC体系结构的研究现状,指出SPARC体系结构已成为国际上流行的处理器结构之一,而且众多航天机构也采用了SPARC结构的处理器设计其航天器的计算机系统。随后,着重说明了SPARCV8的组成结构以及国内外基于SPARCV8结构设计实现的处理器。最后给出了基于国产SPARCV8结构处理器BM3802设计实现的最小系统组成结构。

SPARC V8处理器断点调试的设计与实现研究

以一款 SPARC V8处理器为例,分析了处理器分级存储系统中 Cache 和 MMU 对断点调试实现的影响,提出有效的解决办法,并成功应用到该处理器的调试工具中。该方法也适用于其他具有Cache 和 MMU 的处理器断点调试设计。

面向高光谱大气臭氧传感器的多观测几何条件下紫外辐射模拟及对TOMS V8算法臭氧初值估算模型改进与评价

新型高光谱大气臭氧传感器大多计划搭载地球静止轨道平台,其对大视场范围和时间范围内的臭氧总量提取提出了更高的需求。TOMS V8算法在低轨卫星大气臭氧传感器得到广泛的应用和发展,但其在大观测几何条件下的提取精度不足,因此如何提高TOMS算法在新型传感器上的提取精度是当前亟待解决的问题。利用MODTRAN大气辐射传输模型模拟了晴空场景TOMS算法标准廓线各观测几何条件下的地球紫外后向散射辐射,分析了各观测几何条件下后向散射辐射亮度与臭氧总量拟合模型,并根据模型拟合精度情况,得到了不同观测几何条件下后向散射辐射随臭氧总量的变化关系,提出了改进的臭氧总量初值估算模式。对改进模式与传统模式的臭氧总量初估结果表明,传统模式依赖于指数模型的拟合精度,而改进模式依赖于对数模型的拟合精度,指数模型和对数模型均表现出高的拟合精度,但对数模型的拟合精度比指数模型在整个臭氧浓度范围内平均高约0.9%。改进模式使臭氧总量初估的总体精度得到改善,RMSE降低约0.087%~0.537%,并且在较大观测几何和臭氧总量低值区（175~275DU）间则更加显著。在臭氧总量低值区间以及较大观测天顶角和太阳天顶角条件下,改进模式具有更高的估算精度和更大的适用范围。该改进的臭氧总量初值估算模式可为日后TOMS算法的更新提供支持和参考依据。