改进的基于YOLOv5s苹果树叶病害检测

针对目前在复杂环境下苹果树叶病害检测准确度低、鲁棒性差、计算量大等问题,提出一种改进的基于YOLOv5s苹果树叶病害的检测方法。首先,该方法在YOLOv5s网络基础上,选择考虑方向性的SIoU边框损失函数替代CIoU边框损失函数,使网络训练和推理过程更快,更准确。其次,在特征图转换成固定大小的特征向量的过程中,使用了简单化的快速金字塔池化(SimSPPF)替换快速金字塔池化(SPPF)模块,在不影响效率的情况下丢失的信息更少。最后在主干网络中使用BoTNet(bottleneck transformers)注意力机制,使网络准确的学习到每种病害的独有特征,并且使网络收敛更快。结果表明,相比于基准网络YOLOv5s,改进后的YOLOv5s网络mAP精度为86.5%,计算量为15.5GFLOPs,模型权重大小为13.1 MB,相对于基准YOLOv5s,平均精度提升了6.3百分点、计算量降低了0.3GFLOPs、模型权重压缩了1 MB。并适用于遮挡、阴影、强光、模糊的复杂环境。本研究所提出的方法,在降低了网络大小、权重、计算量的情况下提高了复杂环境下苹果树叶病害的检测精度,且对复杂环境具有一定的鲁棒性。在预防和治理苹果树叶病害上有较高的实际应用价值,在后续研究上,会扩充更多类别的病害数据集,部署到无人机等物联网设备,从而为实现智能果园种植提供技术参考。

基于改进YOLOv5n的轻量化光学遥感图像目标检测

针对光学遥感图像检测时存在背景复杂、目标密集、检测模型参数量和浮点计算量大的问题,提出了基于改进YOLOv5n的轻量化光学遥感图像目标检测方法。在主干网络中通过减少部分模块数量、引入无参数的SimAM注意力机制和Bottleneck Transformer结构,在参数量降低的情况下增强了网络的特征提取能力;引入Ghost卷积和使用同层跨越连接设计特征融合网络,降低模型复杂度和融合更多的特征信息;使用SIoU损失函数加快收敛速度和提升模型精度。通过在NWPU VHR-10和RSOD公开数据集上的实验结果表明,改进后的算法与原算法相比,平均精度均值(mAP0.5)分别提升了2.4%和1.5%,并且参数量减少25.4%,GFLOPs减少了21.4%。

废旧棉纺织品回收过程中小尺寸异纤检测方法

针对废旧棉纺织品在回收过程中小尺寸异纤出现漏检和误检等问题,设计了一种基于改进的YOLOv7小尺寸异纤检测模型。该模型在原始YOLOv7模型的主干网络中嵌入Bottleneck Transformer结构,并对YOLOv7网络结构进行修改,增强模型在浅层网络对小尺寸异纤全局位置信息提取能力,提高小尺寸异纤在深层网络中颜色、纹理等语义信息权重。试验结果表明:改进后模型的mAP值和对小尺寸异纤的检测精度分别达到0.991、0.987。该模型不仅加快了模型的收敛、减小了检测误差,而且还提高了对小尺寸异纤的特征提取能力,能有效解决小尺寸异纤漏检和误检等问题。

基于改进YOLOv5的安检系统算法

针对目前国内外公共场所受到持刀及持枪人员的威胁的问题,提出一种基于深度学习的安检系统。利用深度学习模型对危险物品进行检测,如发现可疑物品则发出警告。在目标检测算法YOLOv5的基础上进行改进,把多头自我注意力机制和EIoU Loss引入到YOLOv5中,改进了backbone中的C3模块以及损失函数,增强了检测精度、提高了检测速度;加入钱包、信用卡、手机和纸币等4类相似物品作为干扰数据,采用PyTorch深度学习框架对刀具、手枪等物品图像进行训练,训练好的模型能有效检测出危险物品。实验结果表明,改进算法后,刀具、手枪、钱包、信用卡、手机和纸币等6类物品的mAP@0.5和mAP@0.5∶0.95可以达到77.5%和52.5%,其中刀具的mAP@0.5和mAP@0.5∶0.95提高到93.7%和57.0%,手枪的mAP@0.5和mAP@0.5∶0.95提高到90.5%和60.1%。

Jinwang Bismuth Industrial Overcomes Resource Bottlenecks and Accelerates Transformation

Recent information about Jinwang Bismuth Industrial reveals that the company has developed the world’s first oxygen-rich sideblown redox duplex furnace technology,solving the long-standing problems of environmental protection and resource recycling in bismuth smelting.It’s learned that the company recovers up to100,000 tons of bismuth-containing lead-