检索结果-南通市图书馆

基于改进YOLO V5s网络的视频图像桥梁施工部件检测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

交通世界 2024年第18期 145-147页

作者：李战江杨军强姜智国左丽朱军西成客专陕西公司西康指挥部陕西西安710000 中铁七局集团第三工程公司陕西西安710000 西南交通大学地球科学与环境工程学院四川成都611756

利用视频图像进行桥梁施工部件自动检测对提高施工过程管理效率具有重要意义,但施工现场环境复杂,导致检测效率较低。针对上述问题,提出了一种改进yolov5s网络的视频图像桥梁施工部件检测方法。首先提出了知识引导的桥梁施工部件数据集... 详细信息

利用视频图像进行桥梁施工部件自动检测对提高施工过程管理效率具有重要意义,但施工现场环境复杂,导致检测效率较低。针对上述问题,提出了一种改进yolov5s网络的视频图像桥梁施工部件检测方法。首先提出了知识引导的桥梁施工部件数据集构建方法,用于确定多时段数据采集对象;其次,引入了注意力机制simAM和轻量化模块,融合桥梁部件特征和降低模型参数量,并结合桥梁形态约束对预测框进行优化;最后,建立了桥梁施工部件检测数据集,并与其他经典模型进行对比实验。实验结果显示,该方法的mAP@0.5达到92.46,相对于现有优秀网络模型提高了1.07%~47.13%。同时,模型参数数量比yolov5s降低了13.02%,在保证较高检测精度的同时提高了效率。

关键词：桥梁施工部件检测改进yolov5s 知识引导轻量化网络

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于嵌入式的塔机吊运监控系统研究

基于嵌入式的塔机吊运监控系统研究

作者：洪俊豪西安理工大学

学位级别：硕士

建筑业作为国家支柱产业,承担经济高质量发展重要使命,但由于施工现场管理手段落后,导致建筑施工企业效益损失。塔式起重机(以下简称塔机)是建筑业常用的施工设备,主要用于吊运施工物料,塔机工作效率直接影响施工进度,为了解决工地施工... 详细信息

建筑业作为国家支柱产业,承担经济高质量发展重要使命,但由于施工现场管理手段落后,导致建筑施工企业效益损失。塔式起重机(以下简称塔机)是建筑业常用的施工设备,主要用于吊运施工物料,塔机工作效率直接影响施工进度,为了解决工地施工精细化管理问题,提高企业效益,本文研究基于嵌入式的塔机吊运监控系统,实时监测塔机工作循环以及对应的吊重、吊物类型,为施工现场物料以及进度管理,提供技术手段,具有重要的工程应用价值。本文的具体工作如下:(1)基于嵌入式的塔机吊运监控系统设计。根据施工现场精细化管理的目的,给出了塔机吊运监控系统的功能需求和关键技术,在此基础上,基于瑞芯微RV1109开发平台设计了监控系统的硬件,同时,完成塔机吊运监控系统软件流程设计,包括塔机工作循环检检测,吊物类型以及吊重检测等功能。(2)施工现场非细长吊物类型检测算法研究。塔机主要用于施工现场各种物料的运输,其中铁框、钢卷、混凝土砖块、小车以及模板等属于非细长物料,考虑该类吊物尺寸变化大,而且施工现场吊物背景复杂,本文提出一种基于yolov5s改进的施工现场非细长吊物检测方法。首先引入simAM注意力模块,增加非细长吊物关注度,解决复杂背景下吊物检测漏检和误检等;其次,将原特征融合模块替换为BiFPN模块,提高小尺度非细长吊物的检测精度和检出率,同时,降低模型参数量,有利于模型的嵌入式部署。实验结果表明:改进后的施工现场非细长吊物检测模型较原模型mAP提高1.60%,参数计算量减少3.5G,检测速度提高6fps。(3)施工现场细长吊物类型检测算法研究。钢筋和钢管是施工现场重要的物料,该类物料长宽比大,属于细长类目标识别问题,同时,而且由于塔机工作特点,物料在吊运过程中由于转矩作用产生旋转运动,基于上述特点,本文提出一种基于yolov5-OBB改进的细长吊物类型检测方法。首先将骨干网络中的Conv模块替换为GhostConv模块使算法轻量化,提高检测速度;其次引入simAM注意力模块,增加网络对细长吊物关注度;将yolov5-OBB损失函数替换为sIoU函数,提高模型收敛速度和检测精度。使用细长吊物验证集进行验证实验,实验结果表明:改进后的施工现场细长吊物检测模型较原模型mAP提高2.68%,参数计算量减少4.6G,检测速度提高9fps。(4)塔机吊运监控系统实施。综合施工工程所需选择瑞芯微RV1109为系统实施平台,完成嵌入式端的硬件设计,模型和系统运行环境搭建,转换非细长吊物和细长吊物类型检测模型格式并部署到瑞芯微RV1109平台,完成模型的移植和推理测试。在不同硬件平台进行模型推理实时性验证,结果显示,模型在嵌入式端的推理速度满足工程应用实时性要求,最后为便于精细化管理设计塔式起重机吊物监管软件。

关键词：塔机吊运监控系统改进yolov5s 改进yolov5-OBB 嵌入式部署

基于机器视觉的导光板缺陷检测与识别系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的导光板缺陷检测与识别系统研究

作者：张环宇东北石油大学

学位级别：硕士

导光板作为背光模组的核心组件广泛应用于家电、汽车仪表等各行各业之中。目前,导光板质量的检测基本都以人工视检为主,近年来机器视觉技术高速发展,在工业领域广泛应用。本课题以此为切入点,通过研究实现了一种高速且高准确率的导光板... 详细信息

导光板作为背光模组的核心组件广泛应用于家电、汽车仪表等各行各业之中。目前,导光板质量的检测基本都以人工视检为主,近年来机器视觉技术高速发展,在工业领域广泛应用。本课题以此为切入点,通过研究实现了一种高速且高准确率的导光板缺陷检测与识别软硬件系统,具有重要的研究价值。本文以12-17寸的大尺寸导光板为研究对象,针对目前导光板缺陷检测领域存在的问题以及难点,综合使用需求,开发了一套以缺陷检测为核心的导光板缺陷检测与识别软硬件系统。最后通过实验验证了本文缺陷检测系统的可靠性,具体研究内容如下:（1）针对导光板的光学特性以及缺陷特征,设计了一套导光板缺陷检测视觉方案,确定了机器视觉系统的硬件选型方案:线阵相机、线阵相机适配镜头、多角度线光源、运动平台。通过系统硬件平台的搭建来获取导光板图像。（2）针对检出率99%和12s/pcs的实际生产需求,综合考虑准确率和实时性因素对导光板缺陷检测算法展开研究。本文首先设计了一种基于传统数字图像处理的算法,通过中值滤波、阈值分割、形态学处理等操作进行导光板缺陷检测。然后针对传统检测算法准确率低、适应性差的问题,研究了基于深度学习的导光板缺陷检测算法,分别对几种经典的深度学习算法进行比较研究,通过自建导光板缺陷数据集上的测试结果,选择准确率最高的yolov5s模型进行改进。（3）提出了一种改进的yolov5s网络用于大尺寸导光板缺陷检测。首先,将导光板图像进行分图处理,然后在主干部分和特征融合部分集成Transformer和注意力机制Coordinate Attention,并选择Meta-ACON激活函数。最后,基于自建数据集LGPDD进行了大量实验。实验结果表明,LGP缺陷检测算法的平均精度（m AP）可以达到99.20%,并且FPs可达77。（4）依托上述研究结果,设计并实现了导光板缺陷检测与识别系统软件,成功完成系统部署与集成,对一类客户的热压线上的导光板进行测试后,结果表明本系统能够在11s/pcs对尺寸为17英寸的导光板中的亮点、划伤、异物、磕碰伤、脏污等缺陷具有99%准确率的实际检测效果,满足导光板实际的生产需求。

关键词：机器视觉导光板缺陷检测数字图像处理深度学习改进yolov5s

基于深度学习的无接触式奶牛体况评分系统及装备开发

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的无接触式奶牛体况评分系统及装备开发

作者：曾鹏博西北农林科技大学

学位级别：硕士

奶牛体况评分是奶牛胖瘦程度的一种鉴定方式,过瘦或过胖的奶牛体况很大程度影响着泌乳期奶牛的健康及生产能力,提前掌握奶牛的体况一定程度可以提高牧场效益减少不必要的损失。本文针对规模化奶牛养殖场中,对奶牛群体进行体况人工评分... 详细信息

奶牛体况评分是奶牛胖瘦程度的一种鉴定方式,过瘦或过胖的奶牛体况很大程度影响着泌乳期奶牛的健康及生产能力,提前掌握奶牛的体况一定程度可以提高牧场效益减少不必要的损失。本文针对规模化奶牛养殖场中,对奶牛群体进行体况人工评分任务艰巨,基于机器视觉的奶牛体况评分方法尚未得到有效应用,自动化程度低,提出了一种奶牛体况自动评分系统,本文通过选取奶牛挤奶厅入口通道作为研究场景,以奶牛斜后上方视图作为研究对象,以深度学习目标检测算法作为技术支持,设计并验证了基于视频的奶牛个体体况自动获取,并完成了奶牛体况评分与个体身份识别一体化装备开发及奶牛体况综合信息服务平台的搭建,为未来规模化奶牛养殖场提供了新的方案和技术支持,主要工作及结论如下:(1)构建了一套基于深度学习的奶牛体况评分模型。搭建了用于采集挤奶厅奶牛后躯图像的数据获取装置,制作了奶牛体况数据集用于训练模型,以yolov5s作为基础模型,并在原始yolov5s网络模型的基础上引入了DPN网络结构及CBAM注意力机制,增强了模型对奶牛体况相关特征的提取能力,通过采用深度可分离卷积替换原始网络Head端的CBs模块,减小了模型参数同时也提高了模型总体评分效果。试验结果显示,本文所提出的yolov5s+DW-CDPN奶牛体况评分模型具有较高的准确率、较小的浮点运算量,该模型在对单个奶牛图像评分试验上显示评分精确率、召回率、平均精度值分别为94.3%、92.5%、91.8%,较原始yolov5s网络分别提高了3.1%、2.7%、4.2%。(2)针对视频中的奶牛个体分离定位问题,提出了基于时空先验的视频帧中奶牛后躯自动检测定位及分割算法,用于准确获取奶牛体况分数。首先,通过改进的yolov5s+DW-CDPN模型自动检测到奶牛后躯部位;然后根据时空先验及坐标跟踪实现视频中每头奶牛的个体分割;最后获取每头奶牛在视频中的最佳评分结果。该算法能够在挤奶厅通道相对比较复杂的环境中,有效实现一批奶牛的个体分割及体况准确评分,在10段完整的视频测试中,该算法总体的奶牛准确检测率达到94.2%,准确检测到的奶牛中体况评分准确率为92.5%,视频中总体的奶牛体况评分准确率为87.1%。(3)为了实现该方法在实际中的应用及推广,完成了奶牛体况自动评分装备的开发。首先通过Deep stream及Tensor RT完成奶牛体况评分模型的部署;其次采用Jetson Xavier NX主控设备、网络摄像头、超高频RFID读写单元及WIFI模块完成相应的嵌入式开发,其中超高频RFID读写单元及网络摄像头分别获取奶牛ID信息及奶牛后躯图像,并通过主控设备快速完成图像中奶牛体况评分,实现每头奶牛体况和ID信息的融合;最终将结果通过WIFI发送至云端服务器,在云端构建奶牛体况综合信息服务平台,实现奶牛体况的信息获取及溯源。综上所述,本研究搭建了一套数据采集装置,完成了奶牛体况评分模型的构建,并针对视频中奶牛实现了奶牛后躯的自动分割及个体奶牛体况自动获取,设计完成了模型验证及奶牛体况评分与个体身份信息融合、奶牛体况信息服务平台的开发,为规模化奶牛养殖场中群体奶牛体况评分提供了重要技术方案。

关键词：奶牛体况评分系统改进yolov5s 分割算法嵌入式开发