Improved Arithmetic Optimization Algorithm with Multi-Strategy Fusion Mechanism and Its Application in Engineering Design

This article addresses the issues of falling into local optima and insufficient exploration capability in the Arithmetic Optimization Algorithm (AOA), proposing an improved Arithmetic Optimization Algorithm with a multi-strategy mechanism (BSFAOA). This algorithm introduces three strategies within the standard AOA framework: an adaptive balance factor SMOA based on sine functions, a search strategy combining Spiral Search and Brownian Motion, and a hybrid perturbation strategy based on Whale Fall Mechanism and Polynomial Differential Learning. The BSFAOA algorithm is analyzed in depth on the well-known 23 benchmark functions, CEC2019 test functions, and four real optimization problems. The experimental results demonstrate that the BSFAOA algorithm can better balance the exploration and exploitation capabilities, significantly enhancing the stability, convergence mode, and search efficiency of the AOA algorithm.

基于姿态估计的粮仓作业人员摔倒检测研究

近些年时常发生粮仓作业人员因意外跌入粮堆无法自救、熏蒸作业中毒晕倒等安全问题。为了及时获取有效信息,减少对工人的伤害,提出一种自下而上的人体姿态估计方法,建立对粮仓工作人员状态检测模型。首先制作不同角度的粮仓作业视频和摔倒状态公共数据集;接着改进轻量级OpenPose算法,数据集引入算法生成骨骼图像;最后设计摔倒检测算法,得到一种基于姿态估计的粮仓作业人员摔倒检测模型。实验结果表明,检测摔倒状态准确率有所提高,轻量级OpenPose算法计算量较少,内存占用小,可以实时地检测粮仓作业人员摔倒状态。

基于HMM与SVM的运动跌倒预警模型研究——以安徽省老年群体为例

人口老龄化问题日益加重,老年人的身体机能随着年龄的增加而降低.为提升运动跌倒预警的检测率和延长预留时间,提出基于HMM与SVM的运动跌倒预警模型,通过人体行为特征分析和判别算法设计实现运动跌倒的成功预测,并以安徽省老年群体为背景,从中采集实验数据.实验结果表明,SVM模型的检测率为69.5%,基于HMM与SVM的运动跌倒预警模型的检测率为91%,对比结果表明基于HMM与SVM的运动跌倒预警模型针对突发情况的误判率较低,具备良好的泛化能力.基于HMM与SVM的运动跌倒预警模型检测的平均预留时间是245 ms,满足充气机构反应耗时,结果有助于老年人跌倒预警以及人体保护.

基于TSA-SVM的老人跌倒识别算法

针对老人跌倒检测易受环境影响以及检测不够精确易出现误判的问题,提出了一种基于人体动作传感器的老人跌倒识别检测算法,采用被囊群算法(TSA)优化支持向量机(SVM)模型进行跌倒识别.针对人体动作传感器采集的数据,首先进行特征提取、降维等预处理,然后将预处理后的数据输入SVM模型进行训练,同时利用TSA算法寻找SVM最优参数,得到最优的跌倒识别模型,利用该模型即可进行跌倒识别.实验结果表明,本文所提算法的跌倒识别检测正确率可达96%以上,具有一定的优越性.

老年患者跌倒检测系统的设计与实现

目的:设计老年患者跌倒检测系统用以解决老年患者因意外跌倒而未能被及时发现的问题,提高医疗护理效率。方法:基于实时流传输协议(RTSP),结合YOLOv5和Kalman算法,采用Vue及Flask等技术设计老年患者跌倒检测系统,搭建可视化后台系统管理,通过多路视频流综合处理为医疗工作者提供统一管理平台,实现人体跌倒行为的自主检测与报警。选取2020-2022年在空军军医大学西京医院进行跌倒检测的30名健康志愿者,根据模拟行为类别将其分为正常行走组、蹲起组和跌倒组,每组10名,采用检测准确率和检测速度两项评价指标对跌倒检测性能进行评估,验证判断老年患者跌倒检测系统能否达到及时准确的跌倒检测与报警要求。结果:正常行走组、蹲起组和跌倒组的总体跌倒检测速率可达29帧/s,准确率可达95.24%,系统能够及时响应跌倒警报。结论:老年患者跌倒检测系统可辅助医护工作者及时发现并处理跌倒行为的发生,提升老年患者跌倒检测效率,能够满足老年患者跌倒行为的实时检测和报警。

基于逻辑回归法的浙江省低涡型暴雨落区预报研究

大气低涡是造成我国南方地区暴雨洪涝的重要天气系统,大气低涡背景下的暴雨突发性、局地性强,其发生时间、强度和落区一直是气象预报业务的难点。为提高浙江省暴雨预报准确率,本文利用1979—2020年浙江省逐日格点降水观测数据和美国国家环境预测中心气候预测系统再分析数据集,首先分析了浙江省内近42 a由大气低涡造成的区域性暴雨事件(以下简称低涡型暴雨)的气候特征;然后将850 hPa垂直速度、水汽通量散度、速度散度、低空急流、切变线以及700 hPa垂直速度作为预报因子,基于“配料法”并结合逻辑回归方法构建了低涡型暴雨落区预报模型;最后基于该模型利用2021年欧洲中期天气预报中心预报产品进行暴雨落区预报,并使用同期实况降水进行了系统性检验和天气过程检验。结果表明,该模型总体性能较好,提前24 h和12 h时效的暴雨预报能力均有提升,可将12%的准确率和20%左右的命中率分别提升至14%和40%附近,漏报率从75%以上降至60%附近,但存在着一定程度的空报。

计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法研究

轨枕作为固定钢轨和扣件的重要轨道零部件之一,由于长期承受钢轨传来的各种作用力,其端部易出现掉块,造成轨道机械结构稳定性下降,故轨枕掉块缺陷检测对保证列车正常运行起到重要作用。针对轨枕掉块缺陷检测方法存在精度较低和缺陷样本少的问题,提出一种计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法。首先,采用Copy-Pasting数据增强方法增加轨枕图像中掉块小目标数量,解决缺陷样本少的问题;其次,通过降低网络下采样倍数和删除大尺度检测层的方式改进YOLOv5s模型的多尺度检测层,提高轨枕掉块缺陷检测精度和速度;然后,将锚框之间的平均交并比作为距离量度改进K-means聚类算法,并使用遗传算法优化,重新匹配适合轨枕掉块缺陷检测的锚框;最后,使用跨尺度连接结构和双向特征加权融合模块改进YOLOv5s的特征融合结构,增强特征融合能力。实验结果表明,与原模型相比较,改进后的YOLOv5s模型平均精度达到94.1%,提高2.3%,检测速度达到93.3 fps,提高26.6 fps,能够准确且快速地识别轨枕掉块小目标缺陷。

一种基于改进的卷积神经网络人体跌倒检测算法

文章针对高质量公开跌倒数据集较少,导致模型泛化能力较弱、检测准确率低、现有网络全连接层参数量过大收敛速度慢的问题,设计了适用于跌倒检测的迁移学习方法,使用GAP(Global Average-Pooling,GAP)层替换全连接层方法,并在隐藏层加入BN(Batch Normalization,BN)操作,优化网络参数,设置了多组对比实验发现改进的网络模型在不同的数据集上训练时间相比于之前有所提升,均取得了不错的效果,使得神经网络既能够在大规模图像数据集上学习通用的特征又能够在公开跌倒数据集上学习跌倒特征,增强了网络的泛化能力。

基于改进Yolov8的摔倒行为检测算法

为防止发生摔倒行为后得不到及时救助而产生危害生命的风险,提出一种改进Yolov8的摔倒行为检测算法Yolov8-DCN-WIoU-C3P。通过使用可随目标形态进行自适应采样的可变卷积(Deformable Convolutional Networks,DCN),来提高C2f模块(CSP Bottleneck with 2 convolutions,C2f)对不规则摔倒目标的特征提取能力;引入针对交叉熵的单调聚焦机制的损失函数WIoU,来提高算法对低质量摔倒数据的泛化能力;采用减少冗余计算和内存访问的部分卷积Pconv,来解决像素损坏导致计算量上涨的问题,进而使算法识别摔倒行为的性能得到提升。实验结果表明:本文提出的改进算法能有效识别出摔倒行为,对比原始算法(Yolov8算法)在准确率以及平均精度上分别提高了1.6%和2.1%。

FMCW毫米波雷达跌倒检测算法研究

跌倒所带来的伤害威胁着老年人的生命安全,为实时监控造成人体严重损伤的跌倒行为,为减轻子女、养老机构等人员在养老看护方面的压力,对调频连续波(Frequency Modulated Continuous Wave,FMCW)毫米波雷达的跌倒检测算法进行研究,在跌倒检测方面,通过对雷达信号进行预处理,得到距离-速度和多普勒两种特征图像,并使用帧差法去除静态物体干扰,为充分提取距离-速度图像和多普勒图像的特征,提出一种双流融合特征提取网络算法。实验结果表明,所提双流融合特征提取网络算法较其他网络算法,出现误报、漏报情况的概率大大减小,检测准确率高达98.75%,并且系统的整体网络结构简单,在当前环境下具有较大的实用价值。

基于毫米波雷达与情感神经网络的室内人员跌倒检测算法

为了实现室内人员的跌倒检测,提出一种基于毫米波雷达的跌倒检测(Human Fall Detection,HFD)算法。首先,利用环境杂波滤除算法去除雷达数据的杂波信号;其次,在三维笛卡尔坐标系中利用参考质心聚类算法和躯干特征算法得到人物质心状态向量;最后,利用连续径向基情感神经网络(Continuous Radial Basis Emotional Neural Network,CRBENN)推断算法判断人物是否跌倒。实验结果表明,该算法能够在多种动作中实现人物跌倒判断及其定位,其检测准确率为99.28%,数据处理时间不超过35.8 ms,体现出了较好的准确性和实时性。

基于TsFresh-Stacking的毫米波雷达人体跌倒检测方法

针对雷达频谱图空间信息较少,且通过单一机器学习算法进行毫米波雷达人体跌倒行为识别精度低、稳定性差的问题,使用人体空间雷达点云时序数据,提出了融合TsFresh特征提取和Stacking堆叠集成学习的跌倒识别方法。首先,采用TI-IWR6843毫米波雷达采集人体动作对应的人体运动跟踪时序数据,构建包含不同年龄、身高、体重信息、跌倒方式的数据集。其次,结合TsFresh时序特征提取工具和基于随机森林模型的特征重要性提取人体跌倒关键时序特征。最后,提出了融合随机森林、支持向量机、K-最邻近算法、XGBoost和CatBoost 5种单元机器学习模型的Stacking堆叠式集成学习方法。结果表明,与典型单一机器学习算法相比,Stacking集成学习算法具有明显的性能提升,能够有效提升人体跌倒行为识别准确性和泛化性。

基于改进滴水算法的芯片图像粘连字符分割

为克服粘连字符对芯片字符识别的影响,提出一种基于改进滴水算法的粘连字符分割方法。在芯片图像进行必要的预处理后,提取单张芯片的标准字符信息,利用水平投影和连通域分析提取粘连区域。通过垂直投影和上下轮廓得到上下轮廓极值点;分别以粘连区域左右两端为起点,利用标准字符信息对极值点进行筛选,选取方差较小的一组作为候选分割点;通过分割点对应关系补齐遗漏的有效分割点;上下有效分割点分别作为水滴起始点和终止点,定义新的滴落路径对粘连字符进行分割。实验结果表明,该算法可有效解决芯片图像的字符粘连问题,并且在分割精准度上拥有良好的表现。

基于坠落机制的混沌麻雀算法AGV路径规划

针对麻雀搜索算法(SSA)在AGV路径规划中存在收敛速度慢、寻优精度差的缺点,提出一种基于坠落机制的混沌麻雀算法(SSA-CD)解决AGV路径规划算法。首先,引入Sinusoidal混沌映射和变尺度混沌策略对种群进行初始化,提高种群多样性使算法具备跳出局部最优解的能力;其次,引入动态黄金正弦策略增强算法发现者位置更新方式;然后,提出一种坠落机制增强种群随机性;最后,通过埃尔米特插值进一步优化最优解,获得更短更平滑的路径。通过栅格地图进行仿真实验,证明了改进算法的有效性、可行性和鲁棒性。

基于FFT-SCSHO-SVM的老人跌倒检测算法

针对老人跌倒检测精度低的问题,提出一种基于FFT-SCSHO-SVM的老人跌倒检测算法。算法通过Fourier变换(Fast Fourier Transform, FFT)捕获波形信息,在频域下分析振幅因子、波形因子等特征,经多维尺度缩放,降低高维数据存在的稀疏性。同时利用Sine混沌映射初始化和余弦适应度权重改进斑点鬣狗算法(Spotted Hyena Optimizer, SHO),以解决SHO易陷入局部最优和全局搜索能力差的问题,并结合SVM模型实现跌倒检测。研究结果表明:该模型准确率达到98.7342%,精确率和特异性等各项性能指标均在98%以上。

基于GA-BP神经网络的横管降膜蒸发传热系数预测

由于横管降膜蒸发过程中传热系数的影响因素众多,依靠传统的关联式难以描述其复杂的非线性关系,因此提出利用BP神经网络强大的函数拟合能力构建模型以实现对传热系数的预测,并采用遗传算法进一步优化,建立了GA-BP预测模型,其中输入神经网络的参数包括喷淋密度、蒸发温度、管径、管间距和工质盐度。将模型的预测结果与真实值进行对比,同时引入传热关联式作为对照。结果表明,GA-BP模型的平均绝对百分比误差(MAPE)仅为8.10%,相比原始BP神经网络降低了31.93%,预测精度较传统的传热关联式提升70%左右。可见神经网络方法在非线性系统建模方面具有较大优势,能够有效预测横管降膜蒸发传热系数,为进一步优化工况参数、提高蒸发器的传热性能提供了可靠依据。

改进YOLOv5的人体摔倒检测

摔倒是影响老人生命安全的重要问题之一,为提高检测准确率,将YOLOv5模型应用于摔倒检测并做了改进。首先,用K-means聚类算法得到更符合目标形态的anchor长宽比例,使边界框更精确,提高摔倒检测准确率。其次,用EIoU损失函数替换CIoU损失函数,加快收敛速度,使目标定位更准确。实验结果表明,改进后的YOLOv5模型检测效果较好,准确率达到99.1%,mAP值达到99.3%,能够更好地满足摔倒检测的要求。

基于YOLOv5s和改进质心跟踪的人员跌倒检测

针对目标检测器检测跌倒时过于依赖卷积网络分类效果、无法利用运动信息的问题,本文设计了一种基于YOLOv5s和改进质心跟踪的跌倒检测模型。为解决耗费资源问题,用MobileNetV3网络和Slim Neck模块对YOLOv5s进行轻量化,同时将MobileNetV3网络中的SE模块替换为更高效的ECA模块,降低网络复杂度的同时保持较高的精度。引入哈希感知算法改进质心跟踪,增加目标关联的依据,提高跌倒检测的准确性。实验结果显示改进YOLOv5s模型大小下降52.2%,计算量下降51.8%,精度高达90.3%。改进质心跟踪的跌倒检测模型准确率提高了4.3%。结果表明了本文提出模型的有效性和优越性。

老人跌倒检测系统分析与研究

目前,老龄化问题日益严重,跌倒问题已经成为老人生活中遇到的主要安全问题,如果不能及时发现老人跌倒,可能会造成很严重的后果。针对老人的跌倒检测已经成为研究的焦点,研究者开发了很多的智能检测系统。文章针对跌倒检测系统进行了分析和研究,首先分析了感知层数据的获取方式,接着分析了数据处理层采用的智能检测算法,以期为从事跌倒检测的相关研究者提供一定的参考。

自动扶梯乘客摔倒智能识别方法研究

针对乘坐自动扶梯频繁发生乘客摔倒的问题,本文分析乘客摔倒影响因素和摔倒过程受力情况,选取加速度峰值特征作为摔倒识别的特征量。使用摔倒惯性加速度信息采集系统获取摔倒和日常动作的加速度峰值样本,建立多特征集半监督支持向量机(SVM-D-R)算法模型并进行样本训练,测试在日常生活下样本集,对乘客摔倒加速度峰值特征进行识别。实验结果分析,该方法在正常生活环境下监测识别乘客摔倒的过程中受其他影响小,识别结果准确性高。