基于改进YOLOv7-Tiny的车辆检测研究

为了提高计算机识别检测车辆的准确度与速度,提出了一种基于改进YOLOv7-Tiny的车辆检测算法。在众多目标检测模型中,YOLOv7有着非常快的检测速度和较高的检测精度,非常适用于实时检测任务。在原YOLOv7-Tiny模型的基础上进行改进,将最浅层ELAN-T模块纳入特征金字塔,通过跳跃连接的方式将浅层特征与深层特征跨层融合,使输出的特征信息更加丰富。同时引入SE注意力机制,将计算资源分配给对当前任务更为关键的信息。并且更换了非线性激活函数HardSwish,以提高模型的表达能力。在华为发布的2D自动驾驶数据集SODA10M上进行实验,结果表明,改进后的模型对所有四种目标的检测精度都有所提高,平均精度mAP@0.5达到了66.1%,比原YOLOv7-Tiny模型61.0%提升了5.1%。

基于局部离群因子与隔离森林的激光超声缺陷检测

针对激光超声(LU)缺陷检测中最大振幅图存在伪像的问题,结合主成分分析(PCA)和两种无监督的机器学习算法局部离群因子(LOF)与隔离森林(IF),以实现对LU数据的无监督异常检测。首先,利用PCA算法对LU数据进行降维处理,减轻了LU数据的复杂度;其次,利用LOF算法和IF算法进行了数据异常值的识别分析,并利用累积分布函数和核密度估计确定异常值的阈值大小;最后,对比了LOF算法、IF算法以及最大振幅图的检测结果。结果表明:LOF算法有更优的缺陷识别精度和更低的误判率。

装配式建筑梁柱节点疲劳损伤检测方法研究

常规的装配式建筑梁柱节点疲劳损伤检测主要采用梁柱图像分析实现,忽略了节点内部损伤的影响,导致检测结果相对变化量系数与实际系数的差值较大。本文对装配式建筑梁柱节点疲劳损伤检测方法进行了研究,于装配式建筑梁柱周围布置测点对梁柱节点的应变状态进行分析;根据分析结果,结合梁柱内部能量耗散值,计算节点疲劳损伤能量系数;将该系数作为节点应变能密度因子分析节点轴向力,由此得出检测的梁柱节点疲劳损伤值。实验结果表明,所提方法应用后梁柱节点疲劳损伤检测结果表现出的相对变化量系数差值较小,检测结果准确率较高,满足了装配式建筑梁柱安全运维工作的现实需求。

基于FPGA的MobileNetV1目标检测加速器设计

卷积神经网络是目标检测中的常用算法,但由于卷积神经网络参数量和计算量巨大导致检测速度慢、功耗高,且难以部署到硬件平台,故文中提出一种采用CPU与FPGA融合结构实现MobileNetV1目标检测加速的应用方法。首先,通过设置宽度超参数和分辨率超参数以及网络参数定点化来减少网络模型的参数量和计算量;其次,对卷积层和批量归一化层进行融合,减少网络复杂性,提升网络计算速度;然后,设计一种八通道核间并行卷积计算引擎,每个通道利用行缓存乘法和加法树结构实现卷积运算;最后,利用FPGA并行计算和流水线结构,通过对此八通道卷积计算引擎合理的复用完成三种不同类型的卷积计算,减少硬件资源使用量、降低功耗。实验结果表明,该设计可以对MobileNetV1目标检测进行硬件加速,帧率可达56.7 f/s,功耗仅为0.603 W。

基于Ghost-YOLOv5的光学图像飞机目标检测方法

停泊飞机目标检测对机场交通管控、重点军事基地部署掌握、监控敌方实时军事动态等军民领域均具有重要意义。飞机目标检测需要综合考量检测精度与检测速度两个方面,本文将YOLOv5骨干网络中的C3模块和部分卷积模块替换成Ghost Bottleneck,从而将Ghostnet引入YOLOv5s网络中,取得很好的检测效果。在检测精度上,mAP0.5达到了95.34%,mAP0.5-0.95达到了61.6%,网络的精度达到了96.89%,召回率达到了91.42%。在检测速度上,网络的FPS达到了66.67。

基于多尺度融合金字塔焦点网络的接触网零部件检测

作为高铁牵引供电系统的重要组成部分,接触网系统承担着向动车组传输电能的重要功能.实际工程运营表明,受弓网交互产生的持续冲击以及外部环境的影响,接触网支撑部件可能会出现“松、脱、断、裂”等缺陷,导致接触网结构可靠性下降,严重影响接触网系统稳定运行.因此,及时精确定位接触网支撑部件(CSCs),对保障高铁安全运行和完善接触网检修维护策略具有重大意义.然而,CSCs的检测通常面临着零部件种类多、尺度差异大、部分零部件微小的问题.针对以上问题,本文提出一种基于多尺度融合金字塔焦点网络的接触网零部件检测算法,将平衡模块和特征金字塔模块相结合,提高对小目标的检测性能.首先,设计了可分离残差金字塔聚合模块(SRPAM),用于优化模型多尺度特征提取能力、扩大感受野,缓解CSCs检测的多尺度问题;其次,设计了一种基于平衡特征金字塔的路径聚合网络(PA-BFPN),用于提升跨层特征融合效率和小目标检测性能.最后,通过对比试验、可视化实验和消融实验证明了所提方法的有效性和优越性.其中,所提的MFPFCOS在CSCs数据集上的检测精度(mAP)能够在达到48.6%的同时,实现30的FLOPs(Floating point operations per second),表明所提方法能够在检测精度和检测速度之间保持良好的平衡.

改进RRPN模型的遥感图像目标检测

针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特征得到了有效融合;其次,在特征提取网络中添加了通道和空间相融合的注意力机制(CBAM),提升了模型在遥感图像目标特征提取方面的跨通道和空间处理能力;此外,将剔除重叠建议框时的原始NMS算法优化为DIoUNMS算法,综合考虑遥感图像候选框之间的重叠度、距离、尺度大小等因素,使目标框的回归过程更加稳定。对比实验与消融实验显示,所提方法在公共数据集DOTA和HRSC2016上获得的平均精度均值mAP分别可高达77.30%、90.24%,较原始RRPN模型分别提高了8.29%、11.16%,且优于其他几种较新的经典模型,表明所提方法对于复杂环境下的遥感图像目标检测是合理且有效的。

鸽圆环病毒荧光定量PCR检测方法的建立及应用

为了建立鸽圆环病毒(PiCV)的快速检测方法,依据PiCV Rep基因的保守序列区域设计了荧光定量PCR的引物和探针,并建立了快速检测PiCV的荧光定量PCR方法。结果显示,构建的PiCV荧光定量PCR方法在1.44×10,1~1.44×10^(7)/μL拷贝标准品间具有良好的线性关系,线性相关系数达0.9866;该方法具有良好的敏感性,其检测病毒系列含量下限为14.4拷贝/μL;该方法特异性良好,与鸽新城疫病毒、鸽疱疹病毒、鸽腺病毒等病毒及鸽组织DNA不存在交叉反应;该方法重复性较好,批内重复试验变异系数均介于0.454%~0.473%,批间重复试验变异系数均介于0.367%~0.869%。与传统普通PCR方法相比,所建立的PiCV荧光定量PCR方法敏感性更高,临床样品PiCV检出率更高,两者检测符合率为93.75%。结果表明,所建立的PiCV荧光定量PCR方法为临床检测鸽圆环病毒提供了一种快速、灵敏的检测方法,为PiCV的流行病学调查和主动监测提供了技术支撑。

局部对比度融合重加权的红外图像小目标检测

红外图像块小目标检测算法在数据链、预警、制导等领域有较为广泛的应用,如利用数据链可以将红外图像块小目标精确传送给雷达。为了在复杂背景条件下进一步提高红外小目标检测的效果,提出了一种重加权和局部先验融合的红外图像块(IPI)小目标检测算法。首先,采用加权Schatten p范数对背景图像块进行约束;其次,引入局部对比度先验信息和加权l_(1)范数抑制非目标稀疏点,进一步增强目标图像稀疏性,使算法模型性能进一步得到提升。仿真结果表明,所提算法在抑制背景杂波和精确检测目标方面均有较好的结果,优于现有经典算法。

零信任环境下的多层次身份认证数据流安全检测算法

身份认证数据流中的敏感信息可能在传输过程中被攻击者截获,并用于恶意目的,导致隐私泄露、身份盗用等风险,为确保网络安全性,提高主体身份认证安全性,提出零信任环境下的多层次身份认证数据流安全检测算法。采用改进的文档指纹检测算法实现多层次身份认证过程中主体和客体交互数据流安全监测。通过Rabin-Karp算法实现身份认证数据文档的分块,采用Winnow算法划分身份认证数据分块文档边界后,得到身份认证数据文档指纹,将其与指纹库中的指纹进行匹配对比,识别出多层次身份认证数据流中的异常数据,实现多层次身份认证数据流安全检测。实验结果表明,该算法具有较好的身份认证数据流安全检测能力,有效地降低了网络威胁频率,提升了网络安全性。

基于改进YOLOv5的红花目标检测算法研究

为实现农业非结构环境下采摘机器人对红花的准确识别,提出了一种基于改进YOLOv5的红花目标检测算法。将CBAM注意力机制嵌入到YOLOv5网络,提高了小尺寸目标物在高层次特征中的表现力;建立一种Alpha-IoU目标位置损失函数对原损失函数GIOU存在的梯度消失问题进行改进,提高了被遮挡红花的预测率,并通过在目标检测网络中增加分割检测模块,提高宽和高小于最低像素的小目标物检测精度,利用图像扩增数据集对改进后的YOLOv5算法进行训练,再分别与改进前后YOLOv5网络和Faster R-CNN网络在不同红花品种、不同自然光照情况、不同天气条件和不同遮挡情况下进行对比。试验结果表明:改进后的YOLOv5算法P值、R值分别为90.45%和0.90,对非结构环境下盛开期的未采摘红花mAP值达到94.48%,在不同影响因素下都可以准确识别出红花且置信度较高,可为红花采摘机器人自动化作业中的红花识别提供技术支持。

基于改进YOLOv5的人体跌倒检测算法

受到跌倒时动作变化快、姿态多和复杂环境的影响,跌倒检测算法会出现误检、漏检和检测速度慢的问题。为解决上述问题,提出一种基于改进的YOLOv5算法,进行居家环境下的实时跌倒检测。使用RepVGG对YOLOv5的Backbone进行优化,增强骨干网络特征提取能力;在网络中添加卷积注意力机制,强化模型对重要特征的关注;在特征融合部分引入加权双向特征金字塔网络并简化,充分融合不同尺度特征。实验结果表明,与未改进前相比,该方法在精度、召回率和平均精度上分别提高3.43%、1.41%和3.1%,优化了检测效果,更好地满足实际使用要求。

基于知识图谱的校园分布式光伏发电站设备故障自动化检测系统

针对校园分布式光伏发电自动化控制系统在故障检测中存在分类检测率低、耗时长等问题,设计了一种基于知识图谱的检测系统。系统硬件包括STM32F103RCT6型单片机、VMS-300AL型红外传感器、温度传感器、电压及电流传感器,通信模块利用SPI总线与单片机相连接;在系统软件层面,选择了自顶向下的知识图谱构建方式,并给出了故障知识的数据模式图,基于DNN网络模型训练输出集的特征提升系统分类检测能力。实验结果显示,所提出检测系统设计的故障分类检测能力较强,针对于训练集和故障集的检测率分别为99.53%和99.37%,检测耗时较少。

基于图重构和子图挖掘的僵尸网络检测方法

针对伪装后僵尸网络主机难以检测的问题,提出一种基于图重构和子图挖掘的僵尸网络检测方法(GR-SGM)。首先,将网络数据转化为图数据,并对其进行重构以此增强主机节点特征表示;其次,基于重构图中拓扑结构、节点的特征和位置变化设计僵尸网络子图评分函数,以此捕捉伪装后的特征,提取出僵尸网络子图,并对原始图和重构图进行预检测,以提高检测的准确率和效率,减少重构误差;最后,对预检测结果和僵尸网络子图进行综合评分,以获取完整的僵尸网络信息。在ISCX2014僵尸网络数据集和CICIDS2017僵尸网络数据集上的实验结果表明:GR-SGM的检测准确率分别达到99.98%和99.91%,F 1分别达到99.94%和99.65%,相较于其他僵尸网络检测模型,GR-SGM能更加高效准确地识别僵尸网络节点,同时具有更低的误报率。

肉及肉制品新鲜度检测技术研究进展

肉及肉制品在贮藏运输过程中极易发生变质,产生对人体健康有害的物质,因此监测其新鲜度对保证肉制品质量安全尤为关键。传统评估肉类新鲜度的方法主要包括感官分析、理化指标检测和微生物检测等。随着食品质量检测技术的不断发展进步,多种新颖的肉品新鲜度检测技术应运而生。新型的检测方法包括感官仿生技术、光谱技术等。本文综述肉及肉制品新鲜度检测技术的研究进展,并探讨各种检测技术的优缺点,展望未来研究发展的趋势,为未来的研究发展提供可靠的理论依据。

激光诱导荧光技术与地下水重金属原位检测应用进展

对地下水重金属污染进行现场检测,是快速识别重金属种类和评价污染程度的重要手段。激光诱导荧光技术(LIF)利用特定荧光探针,在目标重金属存在下,通过激光诱导荧光探针产生/猝灭荧光,从而完成对重金属的识别和检测,具有快速甄别地下水重金属污染特性和无损获取其价态的优势。本文在简述LIF检测重金属原理和LIF原位检测地下水重金属装备基础上,重点从荧光探针合成及其在重金属传感检测方法的构建上总结了基于不同荧光探针的LIF现场检测重金属的研究进展。目前可用于重金属检测的荧光探针包括以小分子探针、有机大分子和聚集诱导发光为主的有机荧光探针和以金纳米簇、量子点和金属有机框架材料为代表的纳米荧光探针。这些探针的合成及其对应的传感检测方法的构建表明LIF技术在地下水重金属检测中具有巨大优势。而针对地下水重金属检测的LIF设备研发方面的成果虽不如荧光传感检测方法丰富,但已研制出部分重金属的传感器和检测装备,表现出良好的应用前景。未来研究将会聚焦在地下水重金属主控因子识别和抗干扰技术研发、荧光探针合成与LIF检测方法构建、重金属传感部件和检测装备集成研制,以及检测技术标准化,为后续场地地下水典型重金属LIF检测技术的研究提供参考。

基于改进YOLOv5的复杂场景电动车头盔检测方法

佩戴电动车头盔是安全骑行的重要保障,对电动车驾乘人员佩戴头盔进行有效检测在保障驾乘人员安全方面具有重要意义。电动车头盔检测中存在目标之间相互遮挡、复杂背景干扰、头盔目标小等问题,现有方法尚不能满足复杂场景下电动车头盔检测的要求,因此,提出一种改进YOLOv5的复杂场景电动车头盔识别方法。首先,提出一种新的主干网络结构ML-CSPDarknet53,增强网络的特征提取能力,引入轻量级上采样算子CARAFE,利用特征图语义信息扩大感受野;其次,搭建坐标卷积CoordConv模块,增强网络对空间信息的感知能力,并将WIoU v3作为边界框损失函数,降低低质量样本对模型性能的不利影响;最后,构建了内容丰富的头盔检测数据集对改进算法进行验证。实验结果表明,改进后算法相较于原算法在精确度、召回率、mAP@0.5、mAP@0.5:0.95上分别提升了2.9%、3.0%、3.4%和2.2%,并且性能优于其他主流检测算法,满足复杂道路交通场景下电动车驾乘人员头盔检测的任务要求。

基于目标检测和多视图几何的动态SLAM算法

目前大多数的SLAM系统主要针对静态场景,然而,在实际环境中不可避免地存在许多动态对象,这将大大降低算法的鲁棒性和相机的定位精度。针对动态对象造成的轨迹偏差问题,文中提出一种结合目标检测网络和多视图几何结构的动态SLAM算法。首先,基于YOLOv5算法框架,将骨干网络CSPDarkNet-53替换为轻量型L-FPN(Lite-FPN)结构,并使用VOC2007数据集进行预训练。与YOLOv5s原始模型相比,新网络的计算量减少了45.73%,检测速率提高了31.90%;然后,将检测物体划分为高动态对象、中动态对象以及低动态对象,利用多视图几何方法计算阈值,并根据阈值对中高动态对象进行二次检测,以决定是否剔除预测框中的特征点;最后,在TUM数据集上的实验结果显示,该方法在定位精度上平均提升了82.08%,证明了其在准确性方面的显著改进。

基于红外热成像技术的隧道隐性渗漏检测研究

因隧道安装防火板,导致渗漏水隐蔽在防火板背后而不易被检测。红外热成像技术是一种非接触无损检测技术,因其对表面热辐射敏感而常用来测量表面温度场。基于红外热成像技术,研究了隧道隐性渗漏车载非接触式快速检测的可行性。结合某长江隧道,将红外热成像设备安置在车顶,对隧道内表面实施移动扫描拍照,并通过红外热力图准确识别既有渗漏点。为了进一步验证检测效果,人为在防火板表面涂湿模拟渗漏,该渗漏过程可以被准确识别。通过试验研究,表明红外热成像技术用于隧道隐性渗漏车载非接触式快速检测是可行性的。

基于改进YOLOv8的红外船舶检测

针对现有红外船舶检测算法检测精度低和实时性不足问题,提出一种基于改进YOLOv8的红外船舶检测算法。首先,将设计的MCA机制引入到YOLOv8的主干网络,增强主干网络的多尺度特征提取能力;其次,对YOLOv8的检测头进行共享参数和重参数化设计,以此提升检测头的检测效率;然后,使用BiFPN结构改进YOLOv8的颈部网络,利用双向信息流和可学习权重加强网络的特征表达能力;最后,使用Faster Block对YOLOv8的C2f模块进行改进,保持精度的同时减少参数量,提升算法的检测速度。该算法在红外船舶数据集上测试,mAP值达到了93.1%,相比较原算法提高了2.5个百分点,参数量比原算法减少了32.6%。实验结果表明,改进后的算法比原算法有了较大提升,证明了改进算法的有效性。