基于改进YOLOv7的工业指示灯状态检测方法

针对现有工业指示灯检测算法存在检测速度较慢、精度不高等问题,提出了一种基于YOLOv7-tiny算法改进的轻量化检测模型,引入CBAM注意力模块强化模型目标识别能力,同时为提高边界框损失的拟合效果,改进回归框损失函数为基于动态非单调聚焦的Wise-IoU,确保该网络在保证检测速度的前提下,能够实现对设备状态灯的高效准确检测。最后,基于Segment Anything Model的AnyLabeling标签工具制作的数据集进行实验,得到改进算法在测试集上准确率（Precision,P）达到99.5%,召回率（Recall,R）达到99.3%,单张图片检测速度达到15.7 ms/张,验证了提出算法在检测精度和速度方面的优越性,有助于提高设备监控的自动化程度。     

基于CenterNet的跑步姿态鉴别系统的设计

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于CenterNet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进CenterNet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN（K-nearest neighbors）算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进CenterNet算法鉴别系统的有效性。结果表明：改进的CenterNet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。     

基于纹理识别的胶印机墨杠故障检测方法

墨杠是一种常见的印刷故障,其产生的原因、诊断和解决方法一直是印刷领域的研究热点。本研究提出了一种基于纹理分析的墨杠检测方法：提取在印刷过程中形成的墨杠所包含的纹理特征,建立纹理图像数据库。通过高速CCD采集待检测印刷图像,求解印刷图像与标准图像的差影图像,从而得到缺陷图像,并求其纹理特征,通过纹理特征比对判断出现墨杠的原因。实验证明了该方法在印刷机墨杠故障诊断中的可行性。     

基于改进YOLOv5的驾驶员疲劳状态检测

为了减少因疲劳驾驶而造成的意外交通事故,提出了一种基于改进的YOLOv5网络模型,对驾驶员的疲劳状态进行检测。首先,使用轻量型网络MobileNetV3替换原YOLOv5主干网络;其次,在颈部网络各个C3模块中融入ECA注意力机制;最后,通过检测网络对眼睛的开合度和嘴巴有无打哈的状态进行定位和识别,使用多指标对驾驶员进行疲劳判定,并自建疲劳检测数据集进行实验。结果表明：改进的YOLOv5模型参数量、计算量、体积分别减小至原模型的48%、38%、50%,解决了原模型参数量、计算量、体积过大的问题;mAP值由98.6%提升至99.1%,精确率由95.9%提升至96.8%,检测速率由115 f/s提升至119 f/s,进一步提高了模型的检测精度和检测速度。改进的YOLOv5模型具备轻量化、高精度、高速率的特点,可为疲劳驾驶预警提供参考。     

基于神经网络的产品突破性创新机遇识别

为了帮助企业在进行技术研发之前识别出最有潜力的技术,提高产品突破性创新的成功概率,提出了一种在模糊前端阶段进行突破性创新机遇识别的定量方法。首先,通过文献研究,确定产品突破性创新的路径特征,并提取产品突破性创新的相关影响因素,通过建立解释结构模型（ISM）提取并构建产品突破性创新机遇识别特征体系。其次,对突破性创新案例和非突破性创新案例进行特征对比,以各特征因素变化趋势为自变量,建立神经网络。最后,对样本数据进行拟合,构建产品突破性创新机遇识别模型。研究结果表明,研究所提模型能够对产品的突破性创新机遇进行有效识别,可应用于产品创新设计过程的模糊前端阶段。研究可为企业在突破性创新项目中更有效地进行机遇识别提供理论指导。     

基于视频的施工作业监护人离岗识别模型

为防范施工作业和石油化工生产作业中监护人离岗带来的安全隐患,使用重新训练的YOLOv8模型智能分析施工现场的监控视频,对施工作业监护人离岗行为进行识别。设计出一套施工作业监护人离岗识别判断流程：接入施工视频后,使用YOLOv8识别出人员、马甲、施工标志物、施工区域标志物等,判断施工作业是否正在进行,确定出施工区域和监护人应在区域,检测监护人并判断监护人是否在施工区域内,一旦监护人离岗即时发出报警信息,实现自动判定施工区域内是否有监护人。该流程中将可变区域识别方法引入YOLOv8中,只对区域内目标进行识别,避免了区域外目标对判断的干扰。施工作业监护人离岗识别模型可对施工时的监护人离岗进行准确高效地识别,识别成功率达到90%,可满足施工安全监管需求。     

基于单目机器视觉的耐火砖检测技术

耐火砖的检测以往需要在艰苦的环境下采用手工操作来完成。对传统的检测方法进行改进,将单目视觉检测技术和图像处理技术应用于耐火砖的尺寸测量。先用高分辨率的摄像机采集耐火砖的图像,再对图像进行边缘提取、连接、分割与拟合计算,提取出砖块图像的特征信息,最后根据目标平面和图像平面间的映射关系精确地计算出耐火砖的长度和宽度。实验结果表明,该测量系统结构简单、性能稳定,能够快速准确的对耐火砖实现尺寸测量。     

基于数字图像处理的指针仪表识别技术研究

针对以往指针式仪表识别技术的缺陷,提出一种基于数字图像处理技术的识别方法。该方法基于霍夫变换原理,采用双阈值设置简化计算过程,实现了高效的指针式仪表自动识别。识别过程共分为原始图像灰度化、滤波、图像分割与细化3个步骤,能够很好地识别出指针所在的颜色区域。以灭火器指针式仪表识别为例,对这一识别方法进行验证,结果表明该方法识别快速、识别精度高,具有广泛的应用前景。     

基于OCR识别技术的自动阅卷系统的研究

利用光学字符识别(OCR)技术,设计的自动阅卷系统,不仅能够实现对答题卡的自动阅卷工作,还可以完成成绩的统计和成绩单的打印工作,已在实际中得到应用。结果表明该系统提高了考试阅卷工作的效率,与一般的自动阅卷系统相比,有着独特的优点,应用前景广阔。     

面向小样本的遥感影像目标识别技术

为了解决深度学习方法网络模型在小样本遥感图像目标识别场景下过拟合、性能急剧下降等问题,设计了基于度量学习的小样本目标识别方法RS-DN4.在度量模块中选择前k个具有代表性的特征进行目标相似度的计算;引入元学习中阶段式训练理念,执行上万次任务级迭代训练;基于互联网开源遥感影像数据集和自有遥感影像数据集,构建了一套包含21...     

基于人像识别技术的护照鉴定系统技术报告

陈述了《基于人像识别技术的护照签定系统》的一些主要技术细节。是一套集“护照图像预处理”、“护照种类和字符自动识别”、“人像自动识别”和“海量信息检索、比对”等高新技术于一体的实用性强、适用范围广的护照鉴别系统。     

基于卷积神经网络的宠物猫品种分类研究

为了提高宠物猫品种分类的准确率,提出了一种卷积神经网络融合的方法进行特征提取。首先,基于堆叠卷积自动编码器的域自适应技术,采用反卷积操作丰富特征图;其次,利用Inception结构增加网络的宽度来提取多尺度信息的特征图;最后,使用Softmox函数对图像进行分类,在Oxford-ⅢT数据集中进行实验分析。实验结果表明,利用改进后的模型对宠物猫进行分类,准确率高于对比模型,达到了84.56%,损失值为0.015 0。所提出的卷积神经网络融合方法不仅能通过丰富特征图、加深网络深度更好地表达特征,还能提高分类性能和收敛性能,较好地解决了宠物品种识别中由宠物相似所带来的识别率低的问题,还可以推广应用到其他图像相似问题的应用场景中。     

基于YOLOv3的H型钢表面缺陷检测系统

为了提升H型钢的表面质量和安全系数,设计了一种基于YOLOv3算法的型钢表面缺陷检测系统.设计的检测系统由硬件系统和软件系统组成:硬件系统包括八角架式图像采集装置、电动控制系统和通信系统;软件系统采用YOLOv3目标检测算法.现场测试结果表明:1)检测系统可实时采集图像,并根据H型钢的规格型号能够自动调节图像采集装置结...     

基于机器视觉的铁路信号灯检测技术

为解决铁路安全运输问题,对基于机器视觉的铁路信号灯检测方法进行仿真图像和视频检测实验研究。阐述了铁路信号灯图像在不同颜色空间下的特性及其对铁路信号灯识别的影响,将其由RGB颜色空间转换为HSV颜色空间。通过Canny算子、腐蚀膨胀以及开闭运算等技术提取铁路信号灯图像的几何特征,通过Hough检测,对图像中铁路信号灯进行定位。对定位的信号灯进行颜色提取,从而识别出信号灯的类别。根据多种天气情况下的铁路信号灯图像进行仿真实验分析,进一步对采集的列车行驶视频进行实验分析,优化检测方法。研究结果表明,提出的铁路信号灯检测模型,能够支持复杂背景下的铁路信号灯类别的有效识别。通过机器视觉技术实现铁路信号灯的检测和识别,是提高铁路运输安全性的一种有效方法。     

基于像素级估计的视频显著性检测

为了减少背景噪声干扰,准确地从复杂视频中提取显著目标,提出一种具有时空一致性的视频显著区域检测算法。将视频帧划分为超像素,以超像素为基本单元提取光流特征,在时空一致性原则指导下动态融合颜色、边界信息和光流特征,获取视频显著图。在此基础上,借助视频帧的细节和区域特征对视频显著图进行细化增强。实验结果表明,算法的准确率[CD*2]召回率曲线在复杂图像数据库中高于传统经典算法,具有足够高的鲁棒性,能够减少相机运动和背景运动以及突变情况对跟踪检测的影响。所提方法能够在各种运动模式下和外观复杂场景中较为完整地提取显著目标,可作为预处理技术,改善目标跟踪、行为检测、视频压缩等的性能。     

语音识别技术在军用话务台中的应用模拟系统研究

介绍了在军用人工话务台系统中实现语音电话簿的基本框架结构,并详细描述了采用微软语音识别技术实现军用电话号码语音识别的详细流程,最后从识别率方面对该识别系统进行测试和分析,实验表明,该语音电话簿系统是稳定和实用的,在一定程度上减轻了话务员的训练和工作强度。     

基于注意力变分自编码器的时序异常检测算法

基于时间序列的异常检测对于多领域的应用场景至关重要,目的是从时间序列的样本分布中识别出异常样本,设计该识别算法的根本挑战是学习一个能有效区分异常的表示。提出一种基于注意力变分自编码器的无监督时间序列异常检测算法,编码器采用卷积与自注意力机制进行特征提取、采用对称结构进行特征重建,通过隔离状态的数据集来计算重建损失从而确定异常阈值。通过与现有5种方法的对比实验表明,该方法在Precision、Recall和F1-score三个指标上均有提升,有效提升时间序列无监督异常检测的准确率。     

基于消费心理的产品包装识别设计

由消费心理入手,分析了产品包装设计的识别形式、内涵和个性,并结合目前市场上较为成熟的包装识别设计现象,着重从文字、色彩、造型、图形四个方面对包装安全识别、共性识别和个性识别进行深入地阐述,表明了共性识别和个性识别在产品包装设计中的重要性。     

基于学生自主学习的高职数学新课堂

高职院校是培养高素质、高技能的教育领地,数学是教育体系中的重要组成部分。然而,在高职数学教学过程中还存在着诸多不足与问题,影响着教学质量提升。同时,教师也忽略了对学生自主学习意识培养,促使学生自主学习意识薄弱,数学学习能力较差。因此,本文将基于高职数学新课堂培养学生自主学习的意义,分析高职数学培养学生自主学习意识现状,进而提出学生自主学习的培养途径,以此提升高职数学教学成效,促进学生自主学习意识提升,从而提升学生数学综合能力。     

基于物联网技术的智能购物车设计

为了有效解决超市中出现的排队等待结账难、手推购物车不方便、寻找目标商品难等问题,设计了基于超高频率射频识别技术和超宽带室内定位技术,并辅以手机网页和云端大数据库完成的智能购物车系统,在车载自助结账系统、购物车智能跟随系统、云端大数据库自主导航系统3个方面做了突破。首先,顾客进入到超市之后,只需要扫码领取一辆智能购物车,然后便可以在手机上完成对购物车的操控,同时手机的网页也会实时显示顾客的购物信息,最后,顾客不再需要排队等待结账,只需要在手机网页上完成支付即可。设计结果表明,智能购物车可以有效解决超市中存在的问题,实现购物过程的全自助。设计方案可应用于智能超市,取代传统超市的人工结账和导购,可以有效缓解超市人员的工作压力。