轻量化YOLOv4的安全帽佩戴检测方法

为了平衡深度学习网络在网络深度、模型效果和易用性之间的关系,针对安全帽佩戴检测,提出一种基于轻量化模块的改进YOLOv4网络。在主干网络中,采用深度可分卷积和压缩激励机制所组成的模块替换残差块,在不进行内部堆叠的情况下,减少网络的深度和参数量;在聚合网络中,采用反向注意力机制模块增加目标物体的显著信息,使网络获取的特征包含更丰富的细节信息。在公开的安全帽佩戴图像数据集上进行的实验表明,提出方法的模型大小为106.4 M,相比原网络减少了149.9 M,网络检测的平均精确度均值比原网络有所提升,验证了轻量化目标检测方法及其在安全帽检测应用中的有效性。     

基于改进的YOLOv5安全帽佩戴检测算法

针对安全帽佩戴检测中存在的误检和漏检的问题，提出一种基于YOLOv5模型改进的安全帽佩戴检测算法。改进模型引入多尺度加权特征融合网络，即在YOLOv5的网络结构中增加一个浅层检测尺度，并引入特征权重进行加权融合，构成新的四尺检测结构，有效地提升图像浅层特征的提取及融合能力；在YOLOv5的Neck网络的BottleneckCSP结构中加入SENet模块，使模型更多地关注目标信息忽略背景信息；针对大分辨率的图像，添加图像切割层，避免多倍下采样造成的小目标特征信息大量丢失。对YOLOv5模型进行改进之后，通过自制的安全帽数据集进行训练检测，mAP和召回率分别达到97.06%、92.54%,与YOLOv5相比较分别提升了4.74%和4.31%。实验结果表明：改进的YOLOv5算法可有效提升安全帽佩戴的检测性能，能够准确识别施工人员的安全帽佩戴情况，从而大大降低施工现场的安全风险。     

基于改进YOLOv4颈部优化网络的安全帽佩戴检测方法

针对安全帽佩戴检测时易受复杂背景干扰，解决YOLOv4网络检测速度慢、内存消耗大、计算复杂度高、对硬件性能要求较高等问题，引入改进YOLOv4算法优化安全帽佩戴检测方法。引入MobileNet网络轻量化YOLOv4、跨越模块特征融合，实现高层语义特征和低层语义特征有效融合。针对图像中小目标分辨率低，信息特征少，多尺度并存，导致在连续卷积过程中易丢失特征信息等问题，采用改进特征金字塔FPN和注意力机制等颈部优化策略聚焦目标信息，弱化安全帽检测时背景信息的干扰。仿真结果表明，基于改进的YOLOv4颈部优化网络安全帽佩戴检测算法在CPU平台下的检测速度为34.28 FPS，是基础YOLOv4网络的16倍，检测精度提升了4.21%，检测速度与检测精度达到平衡。     

基于语音识别的机车自动过分相装置的研制

针对现有电力机车自动过分相装置成本高、维护不便等问题,提出了一种基于语音识别的电力机车自动过分相装置。利用专用语音识别模块对列车运行监控记录装置输出的语音信息进行识别,主控制模块根据识别结果和机车安全信息检测装置输出的串行数据帧,计算当前位置到达分相标的距离,并对距离进行补偿,当机车通过分相区时,机车受电弓自动断开。试验结果表明,该装置能够准确地识别列车运行监控记录装置输出的语音信息,保障机车安全、可靠地通过分相区,降低现有过分相装置的制造成本和维护费用。     

基于改进YOLOv5s的行人车辆目标检测算法

针对传统的行人车辆目标检测算法因参数量大和计算复杂度高而在现实应用中受限的问题,基于轻量化深度学习网络提出改进的YOLOv5s行人车辆目标检测算法.首先,选用ghost模块替换主干网络中部分卷积模块进行模型剪枝,同时向网络中引入注意力机制,使得网络在减少模型参数量和提升模型性能两方面实现更好的平衡;其次,采用边界框的宽高差值计算代替边界框回归损失函数中宽高比距离的计算,加速网络的收敛;最后,通过构建真实交通场景下的行人车辆目标检测数据集检验模型的准确性和实时性.实验结果表明,在保持原算法较高精度的同时,改进后YOLOv5s算法的参数量下降28%,模型大小降低27%,节省了硬件成本,拓宽了YOLOv5s算法的应用场景.     

基于YOLOv5s的智慧工地安全管理系统的实现

建筑行业是一种高危行业。在建筑安全中,安全帽的佩戴可以在一定程度上保障施工人员的安全。针对施工人员的安全帽佩戴问题,设计并实现了一款基于YOLOv5s算法模型的智慧工地安全管理系统。将训练好的算法模型通过RT-Thread操作系统部署于嵌入式硬件平台,在施工现场智能识别未佩戴安全帽的人员并提出报警。在进行推理测试后得出结果,基于YOLOv5s的算法模型可以有效地区别出施工人员有无正确佩戴安全帽,测试精度达到92.3%。当IoU为50时,mAP值达到93.1%。实验结果表明,基于YOLOv5s的算法模型在人群密集和小头检测等问题上准确率高,实时性强,均已达到实际使用需求,同时有助于降低施工风险,减少不必要的人力监督,实现工地人员智能安全管理。     

基于轻量化卷积神经网络的苹果目标检测算法

针对当前苹果检测算法模型参数多、检测实时性差的问题,提出一种基于轻量化卷积神经网络的苹果目标检测算法.首先,用经典轻量化卷积神经网络ShuffleNet V2替换YOLO v5s的主干网络,实现模型的轻量化;然后,用stem模块取代主干网络的图像处理层进行初始特征提取并且嵌入SPPF结构,弥补轻量化带来的精度损失;最后,在边界框的回归损失函数中引入α幂化指标,进一步提高边界框的定位精度.试验结果表明,改进后算法模型的平均精度均值达到95.8%,网络参数量降低了85.6%,在GPU上的单张平均检测时间仅10 ms,满足苹果采摘任务对检测精度和实时性的要求.     

基于轻量化YOLO的X射线焊缝图像信息检测

为了对X射线焊缝图像上包含许多信息的识别标记进行准确识别,提出了YOLO-G网络和YOLO-D网络.设计基于YOLO(you only look once)的X射线焊缝图像信息检测方法,并通过引入多种轻量化技术大幅降低了网络模型的参数量与计算量,在保证高检测精度的同时加快检测速度,降低对高算力硬件的依赖性.同时根据检测...     

基于ZigBee JN5139模块无线抄表系统的节点设计

针对传统的抄表方式存在：入户抄表难、采集数据时间跨度大、采集数据的准确性低等缺点,本文提出了一种基于ZigBeeJN5139模块的无线抄表系统节点．该节点硬件设计简单,降低了节点的成本和功耗,软件采用ZigBee协议,降低了网络的复杂性．该节点还具有很高的可靠性,极大的提高了数据传输的可靠性．     

基于改进型Yolov4的室内安全帽佩戴状态检测算法

为实现智能检测室内作业人员是否佩戴安全帽，提出了一种改进的Yolov4算法．首先，针对目前室内安全帽佩戴状态检测实验数据较为匮乏的问题，自建了一个用于室内场景的安全帽佩戴状态检测数据集．随后，为提升室内监控图像中模糊、微小目标的安全帽佩戴状态检测准确率，设计了自校准多尺度特征融合模块并将其嵌入原Yolov4网络中．该模块首先通过深度超参数化卷积从上至下、从下至上融合不同尺度下的特征，加强待检测目标的特征纹理，使得模型能够检测出这两类目标．再通过特征自校准模块对融合后的特征进行过滤，加强或抑制特征图上的每一像素点，使得模型可以在融合后的特征图上进行精确的检测．此外为加速模型收敛，使用解耦合的检测头替换原Yolov4中的耦合检测头，使目标定位任务与安全帽佩戴状态的分类任务相互独立．最后为提升模型对于重叠目标的检测能力，提出了软性非极大值抑制后处理算法Soft-CIo U-NMS．实验结果表明，该改进的Yolov4模型能够准确地识别出室内作业人员是否佩戴安全帽，准确率达到了95.1%．相比于原Yolov4模型，该模型对位于监控摄像头远端的模糊、微小目标和监控图像中重叠目标的检测能力有明显提升...     

基于STA-YOLOv5的水利建造人员安全帽佩戴检测算法

在大型水利建造工程现场，存在高空坠物、塔吊转动、墙体坍塌等问题，对于建造人员人身安全造成巨大威胁，佩戴安全帽是保护建造人员的有效措施，作为工程作业中的安全管理，对建造人员进行安全帽佩戴的精确检测很有必要。针对现有安全帽检测算法在大型水利建造场景下对小且密集的安全帽目标存在漏检、检测精度较低等问题，提出一种基于STA-YOLOv5的安全帽佩戴检测算法，该算法将Swin Transformer和注意力机制引入到YOLOv5算法中，提高模型对安全帽的识别能力。实验结果表明，STA-YOLOv5算法具有更精确检测结果，识别准确率达到91.6%，较原有的YOLOv5算法有明显提升。     

基于改进Mask R-CNN模型的电力场景目标检测方法

为了解决电力施工现场中安全帽佩戴情况以及危险区域行人入侵检测问题,提出一种基于改进Mask R-CNN模型的目标检测方法。首先依据迁移学习策略对Mask R-CNN主干网络进行参数初始化,以提取图像基本特征;然后引入特征金字塔结构进行自下而上的特征图提取,完成多尺度特征融合;接着,通过多尺度变换方法对区域推荐网络进行调整,获取锚点进行回归计算完成检测实验;最终对结果进行分析评价,多目标平均准确率达到了95.22%。将改进后的Mask R-CNN模型用于监控视频分析,针对监控视频像素过低问题,加入拉普拉斯算法锐化边缘,精准率提高到90.9%,验证了拉普拉斯算法对低质量监控视频检测的有效性。     

图像管理系统在学籍管理中的运用与完善

传统的学籍管理方式效率低、保密性差,不利于查找、更新和维护。使用计算机对学生信息进行管理,能够极大地提高学生管理的效率,节约教育经费,这也是适应学校信息化建设发展的需要。便捷高效的图像管理系统将伴随着网络化的发展在学籍管理中发挥越来越重要的作用,未来的学籍管理工作将会以图像管理为构建基础,搭建更完善、更高效、更全面的学籍管理系统。     

构建经济适用的校园网

校园网的建设是信息化教育环境的硬件保障，应根据需求分析确立建校园网的目标及原则。经济实用的校园网包括教学教务模块、信息模块与管理模块，其应用环境包括技术资源建设模块、人力资源建设模块与信息资源建设模块。     

基于TCP/IP协议的智能小区管理系统设计

论述了一种采用低成本单片机为核心、基于TCP/IP协议的智能小区管理系统的设计方法,详细分析了系统的硬件模块组成和软件通讯实现方案,该系统实现了小区的网络化智能管理.     

IPv6环境下的网络故障管理研究

针对在IP(Internet Protocol)v6环境下可能发生的网络故障,通过分析IPv6 MIB（Management Information Base）,利用Java实现了一个IPv6环境下网络故障管理的模型,开发出针对IPv6环境下的网络故障管理软件。研究结果表明,该故障管理系统在现代网络中具有可行性和高效率,在现有网络环境下具有实用价值。     

高校实验室构建EHS管理体系的探讨

EHS管理体系为三位一体的管理体系.从管理机构、软件建设、硬件配置和人员培训等方面对高校实验室如何构建该体系进行了探讨.该管理体系对于高校实验室的管理有重要意义.     

基于嵌入式系统的汽车制动参数采集与监测系统

为解决汽车在行驶过程中的制动参数难以获取问题,基于硬件检测单元以及labview虚拟仪器开发了汽车制动参数采集与监测系统,系统中的硬件部分由GPS导航模块、制定参数检测装置构成,基于labview开发的软件部分由数据采集端、服务器以及客户端三部分构成,基于TCP网络通信协议将车辆在行驶过程中的位置信息、运行速度、制动行为数据以及车辆纵向减速度数据进行实时采集、存储、远程监控以及在线分析。系统具有便于编程和操作、成本低廉、扩展性强、安全可靠的特点。实车试验结果表明,该系统可实现汽车在行驶过程中的制动参数的数据采集与远程监控,为相关方面的研究提供数据支持。