基于改进YOLOv5s网络模型的火灾图像识别方法

提出了一种基于改进YOLOv5s网络模型的火灾图像识别方法。通过引入注意力机制改进特征提取网络,提高模型对特征的学习能力;通过添加大尺度检测层改进多尺度检测机制,执行K-Means聚类算法改进先验框,增强模型对小目标的识别能力。在实验数据集上的测试结果表明:改进的YOLOv5s网络模型相比原始模型在精确率、召回率和平均精度均值(mAP)指标上均有提升。改进模型的mAP为85.72%,帧率达54.66fps;在置信度上有了明显提升,对多目标和小目标的识别效果更好,并且有效降低了漏检和误检情况。所提出的火灾图像识别方法可适用于安防监控系统或智能机器人。

基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测

针对人工检测斜拉桥拉索表面缺陷效率低、安全性差,而现有目标检测方法速度慢、精度低,受拉索表面污垢干扰容易导致错检、漏检等问题,本文改进YOLOv5s网络以实现拉索表面缺陷快速准确检测。在主干网络增加TRANS模块,获取单幅图像更多特征,提高缺陷检测精度;为减少参数量、提高计算速度,将颈部网络的CSP模块替换为GhostBottleneck模块,同时利用深度可分离卷积代替普通卷积;利用SIOU损失函数减少边界框震荡,提高预测框和真实框重叠度计算结果准确性,增加模型稳定性。实验结果表明:改进YOLOv5s网络的mAP和FPS分别达到94.26%和68 f/s,优于Faster-RCNN、YOLOv4和常规YOLOv5等网络,满足斜拉桥拉索表面缺陷检测精度和实时性要求。

基于YOLOv5s网络模型的手势检测系统

为了解决人们对手势识别的问题,本文对通过YOLOv5s网络模型及Py Qt5框架设计并实现了手势检测的系统,同时具备摄像头检测与文件(照片或视频)检测功能,可以实现在人们做出手势的时候检测手势的类别,在GPU环境下检测速度可达100 fps,平均精度在0.95左右,满足实时检测的要求。

基于YOLOv5s网络的垃圾分类和检测

目的为了实现垃圾自动按类处理,通过研究基于视觉的垃圾检测与分类模型,实现对垃圾的自动识别和检测。方法采用YOLOv5s网络作为垃圾检测与分类的模型,在自制垃圾分类数据集上对网络进行训练,利用训练好的YOLOv5s网络提取不同种类垃圾图像的特征和位置信息,实现垃圾的分类与检测。结果在真实场景中进行了测试,基于YOLOv5s的垃圾分类检测模型可以有效识别6种不同形态的垃圾,检测mAP值为99.38%,测试精度为95.34%,目标检测速度达到6.67FPS。结论实验结果表明,基于YOLOv5s网络的垃圾分类检测模型在不同光照、视角等条件下,检测准确率高,鲁棒性好、计算速度快。同时,有助于促进垃圾处理公司实现智能分拣,提高工作效率。

基于B/S网络构架的科技资源调度可靠性研究

科技资源的可靠性调度问题关系到科研立项和科研项目进度管理,研究一种可靠的科技资源调度和网络构架算法,采用无向图分析方法进行B/S网络结构设计,提高系统的稳定性。提出一种基于B/S网络构架的科技资源可靠性调度算法,计算各传输节点在数据分发中自身对对方的直接信任值和间接信任值,根据合成法则产生综合信任值,实现资源调度模型设计。进行基于可变步长滤波处理单元滤波的资源调度算法设计,基于效益最大化的原则,得到科技资源调度的约束模型,实现算法改进。仿真结果表明,该模型能有效减少科技资源调度的聚集延迟,提高科研课题管理和立项中的资源共享效率,资源分配和调度的可靠性好。

分布式应用程序体系结构到C/S网络数据模型转换机制研究

文章以分布式应用程序体系结构 DAPA(Distributed Application Program Architecture)为基础 ,研究分布计算模型到 C/S网络数据模型的转换机制。文章给出总体设计方案 ,并阐述了相关算法和技术的基本思想 ,在实现 C/S网络数据模型转换的基础上 ,对 B/S网络数据模型转换进行了研究。此项研究直接为

利用C/S网络模式构建远程故障诊断实验平台研究

本文探讨了基于C/S网络模式的远程故障诊断实验平台的构建,从服务器终端的构建、底层通信模块、故障诊断技术实现几个方面对实验平台进行了描述。利用该平台进行实践教学能够让学生更好地理解故障诊断的基本原理,最终提高该类课程的教学质量和教学效果。

基于B/S网络的模糊安全系统研究

本文针对B/S网络模式具有分布式的结构特点,其大量数据信息存储在安全数据库服务器中,在这种网络环境下基于加密技术的数据安全与数据查询性能之间不能达到有效的平衡,因此本文尝试设计一种新的B/S模式下的模糊安全数据库服务器系统,将模糊理论引入到数据加密算法,通过模糊属性集的规划检测技术,实现分布式查询处理。从而有效解决数据加密与数据查询之间的平衡问题。

C／S网络模式下Java文件传输的实现

对于目前流行的越来越多的网络编程语言来说,Java无疑是其中的佼佼者,本文集中论述了采用Java语言如何来实现C／S(客户机／服务器)模式下的文件传输。

基于GPRS网络的ITS智能交通系统

八十年代以来,各发达国家虽然已经基本建成了四通八达的现代化国家道路网,但随着社会经济的发展,路网通行能力日益满足不了交通量增长的需要,交通拥挤、阻塞现象日趋严重,交通污染与事故越来越引起社会普遍的关注。随着计算机、通讯及电子技术等的日益成熟并走向产业化,可以预见,在21世纪多媒体将被应用到社会的各个方面,信息化将成为影响社会经济发展的重要因素。在这样的背景下,日本、美国和西欧等发达国家为了解决共同所面 临的交通问题,竞相投入大量资金和人力。经过长期和广泛的研究,这些国家已从主要依靠修建更多的道路,扩大路网规模来解决日益增长的交通需求,转移到用高新技术来改造现有道路运输系统及其管理体系,从而达到大幅度提高路网通行能力和服务质量的目的。随着研究的不断深入,系统功能扩展到道路交通运输的全过程及其有关服务部门,发展成为带动整个道路交通运输现代化的“智能交通系统(Intelligent Transportation System-ITS)”。

基于C/S网络系统中客户端的时间校正技术

阐述了对基于C/S网络系统的客户端时间校正的意义和方法 ,并给出Socket通讯函数的应用结构以及在PB应用程序中结合WindowsAPI函数校正客户端时间的一种实现技术和部分程序示例。该技术已成功应用于城市指挥网络系统中 ,实践表明是有效可靠的。

基于YOLOv5s网络模型的口罩佩戴检测系统

为解决人工查看人员口罩佩戴情况存在的问题,基于YOLOv5s网络模型和PyQt5框架设计并实现了一个口罩佩戴实时检测系统,具备摄像头检测与视频文件检测功能,可以实时检测人员口罩佩戴的情况,在GPU环境下检测速度可达100FPS,平均精度在0.82左右,满足实时检测的要求。

C／S网络架构在板坯连铸机的运用

随着炼钢现代化的发展，企业生产线的高效生产越来越依靠自动化系统的稳定运行。网络系统作为自动化系统的中枢，其安全稳定性尤显重要。传统点对点的网络架构已不能满足现代化生产需求，C／S网络架构在安全稳定性上具有明显的优势。

网管员有奖征文之六十五、六十六 共享利器——NFS网络文件系统经验谈

我行BAIS储蓄会计集成系统原在一台主机上运行,后因为资源紧张就将一部分数据移入另一台主机,但两台主机都需要对共享数据进行操作,为保证共享数据的一致性、完整性,只能将共享数据放在一台主机上,另一台主机以共享方式操作这部分数据。经反复论证决定采用NFS(Network File System)网络文件系统来实现数据共享。

基于B/S网络结构的嵌入式视频监控系统

针对视频监控领域的需求,采用TI公司C6000系列DSP芯片TMS320DM642作为核心处理芯片,搭建了一套基于B/S网络结构的嵌入式视频监控系统。系统包括多路视频采集、多路视频本地显示、系统存储器扩展、和视频网络传输部分。系统的软件编写采用了TI的嵌入式实时操作系统DSP/BIOS和网络开发套件NDK,对系统各个线程进行有序调度。试验证明该系统满足了视频图像采集和网络视频传输的实时性要求。

基于Java的CS网络应用程序开发

本文以基于Java的CS网络应用程序开发为题目展开相关讨论。首先对Java进行了简要概述,主要分析了Java语言在C/S网络应用程序中的基本开发过程,重点阐述了开发模型、数据库设计、服务器端设计、客户端设计,并对其运行程序进行了介绍,最后评价了整个开发过程。希望通过本文初步论述可以引起更多的关注与交流,同时希望可以为该方面的研究提供一些可资利用的信息,以供参考。

电源网络低频段S参数拓展方法

电源网络S参数与芯片电源模型(Chip Power Module,CPM)级联可实现电源时域噪声仿真,完成电源完整性设计签核。当下部分仿真工具在AC阻抗优化过程中导出的S参数存在低频段无法覆盖的问题,影响时域纹波仿真精度,如果重新对S参数进行提取,又会增加仿真时间降低仿真效率。针对AC阻抗优化过程中导出的S参数无法覆盖低频段的问题,提出了一种电源网络S参数低频段拓展方法,结合电压调节模块(Voltage Regulator Module,VRM)的R-L模型,推导出低频段的S参数可以借用抽取的S参数中最低频点处的S参数实现低频段S参数的拓展。仿真和实验结果表明,通过对低频段S参数进行拓展,电源时域纹波噪声仿真的精度提升31%。同时,低频段的S参数直接借用已抽取的S参数中低频点的数值无须重复提取,在8 GB内存的配置下,仿真时间节约14%左右,提高了仿真效率。

基于改进YOLOv5s的滚动轴承表面缺陷识别算法

为了解决机械设备轴承表面缺陷检测中多目标情形下的小目标漏检率高、检测速度慢、模型精度和特征提取泛化能力不足的问题,提出一种滚动轴承表面缺陷识别网络模型YOLOv5s-CDOD。在卷积操作前,使用B-ConvNeXt网络平衡模型的精度和复杂度,保留轴承表面小目标缺陷的特征,同时提升模型的泛化能力;通过将YOLOv5s网络中的传统卷积模块替换为具有二次深度过参数化卷积的卷积(DOD-Conv)模块,在不增加模型参数的情况下,提高模型的识别精度和速度;最后,在特征处理阶段,使用VariFocal Loss损失函数,增加模型对正样本目标的学习,对轴承小目标缺陷的检测精度进一步提升。实验结果表明:与原YOLOv5s网络相比,优化后的网络参数量减少了10%,使得模型的检测速度明显提升;同时,所提模型的平均检测精度达到了94%,对轴承表面小目标缺陷的识别率也有所提高。

基于YOLOv5s的绝缘子故障检测仿真研究

针对无人机巡检中采集到的绝缘子图片数量庞大、故障难以定位的问题,提出一种基于YOLOv5s网络的绝缘子故障检测算法。利用调整色调、翻转、随机矩形遮挡等操作强化现有的数据集,同时使用K-means++算法重新统计先验框大小,使其对应到大小匹配的特征层;在YOLOv5s骨干网络中添加了SE(Squeeze-and-Excitation)注意力模块,提升需要特征对应通道的权重,抑制其他特征通道的权重;在PANet(Path Aggregation Network)的基础上,引入BiFPN(Bi-directional Feature Pyramid Network)。仿真结果表明,改进后的YOLOv5s在识别不同故障时,准确率均有不同程度提升,对比原YOLOv5s模型,mAP(mean Average Precision)提升3.6%,速度提升5 FPS,且大小仅有13.8 MB,有助于智能巡检工作的展开。