基于改进YOLOv5算法的电力施工场景安全帽视觉图像检测方法

为了判断施工人员是否佩戴安全帽,确保电力施工现场安全,本文提出基于改进YOLOv5算法的电力施工场景安全帽视觉图像检测方法,采用可分离卷积方法改进YOLOv5算法的输入端,并在输入端内增加马赛克数据增强过程,以提升电力施工场景安全帽视觉图像的清晰度;采用模糊C-均值聚类算法获取YOLOv5算法输出端的候选框设定值,并在卷积层内引入注意力机制模块,使卷积层提取到的电力施工场景安全帽视觉图像特征更加精准;利用感知量化方法对YOLOv5算法归一化融合层和卷积层实施量化,使YOLOv5算法输出结果更为准确,将电力施工场景安全帽视觉图像输入到改进后的YOLOv5算法内,经过算法迭代输出安全帽视觉图像检测结果。实验表明:该方法具备良好的候选框有效类和无效类分类能力,并且可在电力施工场景安全帽视觉图像存在遮挡和缺失时有效监测施工人员是否佩戴安全帽,具备较好的应用效果。

计算机视觉检测与图像处理课程教学改革实践

计算机视觉检测与图像处理是农业工程专业研究生的一门选修课程。学习该课程,学生能掌握计算机视觉的基本理论知识并将其应用于解决农业工程的实际问题。要提高学生学习这门课程的兴趣,并将理论知识内化成解决实际问题的能力,教学方法起到很重要的作用。教师可以在课堂教学中引入探究式教学法、翻转教学法和案例式教学法等,同时将创新思维引入课堂教学和互动中,提高学生学习的主动性,培养他们的探索精神和创新能力。这种教学方式学生容易接受并能较好地进行知识迁移,将知识内化成解决实际问题的能力。

一种基于计算机视觉的车辆速度检测方法

提出了一种基于计算机视觉的车辆速度检测方法，通过时图像中提取的车辆和场景信息分析采有效地检测车辆速度，只需要2台CCDTV摄像机可完成双向四车道高速公路或城市道路上车辆的速度检测.实验结果表明：车辆速度检测的正确率达92％，并具有满意的实时特性.