检索结果-南通市图书馆

农业机械学报 2023年第10期54卷 234-245,293页

作者：李尚平郑创锐文春明李凯华甘伟光李洋广西民族大学电子信息学院南宁530006 广西高校智慧无人系统与智能装备重点实验室南宁530006

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种,针对工厂化切种任务的特点,提出了一种基于改进YOLO v5s的甘蔗茎节特征边缘端识别与定位方法。首先,利用张正友相机标定法对摄像头进行畸变矫正;然后对甘蔗茎节数据集进行数据... 详细信息

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种,针对工厂化切种任务的特点,提出了一种基于改进YOLO v5s的甘蔗茎节特征边缘端识别与定位方法。首先,利用张正友相机标定法对摄像头进行畸变矫正;然后对甘蔗茎节数据集进行数据增强,利用原始的YOLO v5s模型进行训练和测试,结果显示数据增强能一定程度上提高检测精度。针对茎节特征目标小以及模型体积大导致检测精度低、部署难度高等问题,对YOLO v5s的骨干网络进行改进,在SPPF特征融合模块前引入坐标注意力(Coordinate attention,CA)模块和Ghost轻量化结构,在Head网络中剔除P5大目标检测头,得到了改进后甘蔗茎节检测模型YOLO v5s-CA-BackboneGhost-p34,测试结果表明该模型优于其他主流算法和原始模型,具有高精度、小体积等优势。其中,平均精度均值1和平均精度均值2分别提高5.2、16.5个百分点,模型浮点数计算量和内存占用量分别降低42%和51%。最后,为了提高检测速度和实时性,将模型部署于边缘端,利用TensorRT技术加快检测速度,并在传送速度为0.15 m/s的甘蔗智能横向切种工作站上完成实际切种实验。实验结果表明,加速后茎节检测速度达到95 f/s,实时检测定位平均误差约为2.4 mm,切种合格率为100%,漏检率0.4%,说明本文提出的模型具有高度可靠性和实用性,可以为甘蔗横向切种工作站的工厂化、智能化以及标准化应用提供有效的技术支持。

关键词：甘蔗智能横向切种工作站茎节识别与定位 YOLO v5s 边缘端部署

来源：

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

边缘端重参数神经网络架构搜索算法优化与目标检测模型设计

边缘端重参数神经网络架构搜索算法优化与目标检测模型设计

引用

作者：吴瑞霞东南大学

学位级别：硕士

目标检测作为计算机视觉中的一项重要任务,是语义分割、场景理解等其他视觉任务的基础,通常在云端及边缘端部署目标检测模型以拓展其应用。在边缘端资源有限的前提下,利用神经网络架构搜索技术搜索高精度的目标检测模型具有重要意义。... 详细信息

目标检测作为计算机视觉中的一项重要任务,是语义分割、场景理解等其他视觉任务的基础,通常在云端及边缘端部署目标检测模型以拓展其应用。在边缘端资源有限的前提下,利用神经网络架构搜索技术搜索高精度的目标检测模型具有重要意义。本文分析现有目标检测主网络,筛选其中最常用的Res Net网络及轻量化Det NAS网络利用神经网络架构搜索的方式进行改进。在架构搜索技术中,首先设计了重参数搜索空间及重参数分支选择算法完成分支组合的自动选择与模型搭建;其次为了使得网络模型的宽度及深度适配重参数分支结构,设计了模型态射算法来进行调整;最后利用低保真度性能评估策略对模型性能进行排序,选择帕累托前沿算法筛选出在精度、参数量、计算量三个指标下的最优模型。在训练阶段,主网络模型利用架构搜索的方式对卷积核大小大于1的卷积操作进行了重参数分支扩展,在推理阶段,需将重参数分支融合进原卷积操作,以减少推理模型的计算量及参数量。利用上述重参数架构搜索方法,在Image Net数据集上设计出的Rep Res Net分类模型,相对Res Net50的Top1准确率提升了1.4;在MS COCO数据集上优化的目标检测模型Rep Res Det相对先进的FPN在参数量基本不变前提下,平均精度上升了1.55;轻量化目标检测模型Rep Det NAS相对FPN在平均精度仅差0.23时,参数量下降了53.5%。利用模型部署工具Tensor RT对Rep Res Det的推理进行加速,单张图像平均识别速度达到0.072s。将识别模型部署在人工智能嵌入式平台Jetson TX2上,推理速度平均可达每帧0.32s。本文设计的目标检测模型具有低参数量、计算量同时又兼具高精度的特点。在产品质检、安防等领域有潜在的应用价值。

关键词：重参数技术神经网络架构搜索目标检测边缘端部署

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOv5s的甘蔗横向切种茎节特征识别定位技术

引用

农业机械学报 2023年

作者：李尚平郑创锐文春明李凯华甘伟光李洋广西民族大学电子信息学院广西高校智慧无人系统与智能装备重点实验室

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种，针对工厂化切种任务的特点，提出了一种基于改进YOLOv5s的甘蔗茎节特征边缘端识别与定位方法。首先，利用张正友相机标定法对摄像头进行畸变矫正；然后对甘蔗茎节数据集进行... 详细信息

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种，针对工厂化切种任务的特点，提出了一种基于改进YOLOv5s的甘蔗茎节特征边缘端识别与定位方法。首先，利用张正友相机标定法对摄像头进行畸变矫正；然后对甘蔗茎节数据集进行数据增强，利用原始的YOLOv5s模型进行训练和测试，结果显示数据增强能一定程度上提高检测精度。针对茎节特征目标小以及模型体积大导致检测精度低、部署难度高等问题，对YOLOv5s的骨干网络进行改进，在SPPF特征融合模块前引入坐标注意力（Coordinate attention，CA）模块和Ghost轻量化结构，在Head网络中剔除P5大目标检测头，得到了改进后的甘蔗茎节检测模型YOLOv5s-CA-BackboneGhost-P34，测试结果表明该模型优于其他主流算法和原始模型，具有高精度、小体积等优势。其中，平均精度均值1和平均精度均值2分别提高了5.2和16.5个百分点，模型计算量和内存占用量分别降低了42%和51%。最后，为了提高检测速度和实时性，将模型部署于边缘端，利用TensorRT技术加快检测速度，并在传送速度为0.15m/s的甘蔗智能横向切种工作站上完成实际切种试验。试验结果表明，加速后的茎节检测速度达到95f/s，实时检测定位的平均误差约为2.4mm，切种合格率为100%，漏检率0.4%，说明本文提出的模型具有高度可靠性和实用性，可以为甘蔗横向切种工作站的工厂化、智能化以及标准化应用提供有效的技术支持。

关键词：甘蔗智能横向切种工作站茎节识别与定位 YOLOv5s 边缘端部署

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种基于边缘端的视频信号分析系统

引用

电脑与信息技术 2022年第5期30卷 43-45页

作者：张莉张畅聂红梅湖南农业大学图书馆湖南长沙410128

为解决深度学习在实际视频信号分析和应用部署上的不足,提出一种基于边缘端的视频信号分析系统来实现目标检测和行为识别。系统以TPU芯片BM1684为核心,提出了视频分析的实现原理和步骤,介绍了目标检测算法YOLOv5和行为识别算法Co3D CNNs... 详细信息

为解决深度学习在实际视频信号分析和应用部署上的不足,提出一种基于边缘端的视频信号分析系统来实现目标检测和行为识别。系统以TPU芯片BM1684为核心,提出了视频分析的实现原理和步骤,介绍了目标检测算法YOLOv5和行为识别算法Co3D CNNs,并将这两种算法部署在该芯片内,同时在实验环境和不同的实际场景中对该系统的性能进行了验证,结果表明本系统能够正确进行多种目标检测和行为识别。

关键词：深度学习目标检测行为识别边缘端部署

来源：

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

基于视频流的火情检测技术研究

基于视频流的火情检测技术研究

引用

作者：宁阳西安电子科技大学

学位级别：硕士

随着经济发展与技术进步,利用视频监控进行火情检测的方式已被广泛应用于生产生活的各个方面,及时地对早期火灾进行检测能够最大程度上降低其造成的危害。近年来,基于图像处理的火情检测方法因其监控范围广、发生火情可以实时报警和具... 详细信息

随着经济发展与技术进步,利用视频监控进行火情检测的方式已被广泛应用于生产生活的各个方面,及时地对早期火灾进行检测能够最大程度上降低其造成的危害。近年来,基于图像处理的火情检测方法因其监控范围广、发生火情可以实时报警和具备高度智能化的特性,成为了当下科研人员的研究热点。但由于火情目标的视觉特征比较复杂,轮廓极不规则,采用传统图像处理的方法难以应对充满干扰的复杂环境,极易出现漏检等情况。深度学习的方法无需人工手动设计特征,能够摆脱对特征提取复杂性和目标背景多样性的局限,具有更强大的鲁棒性,是目前最主流的检测方法。不过其需要巨大的运算量,尤其针对视频流的实时检测,将其直接应用还有待进一步的深入研究。鉴于此,本文提出一种基于YOLOX的目标检测网络,并针对烟火目标特点进行了改进。首先采用注意力机制,一方面通过对特征图的重要区域加以权重,强化对目标贡献更大的特征,另一方面又引入软阈值化思想,进一步抑制了冗余的背景噪声。此外,还提出一种高底层注意力特征融合结构,有效改善了对多尺度目标的特征提取能力,最后针对感受野固定造成的对可形变目标适应性差的问题,引入了可变形卷积,进一步提高了网络的检测精度。为加速视频检测,本文还根据视频流数据特点,提出一种双路特征融合检测算法。区别于对输入视频图像按顺序逐帧输入网络来检测的方式,该算法以火焰目标形变量为依据,在线地将视频划分为关键帧与非关键帧,对关键帧采用常规网络进行检测,而信息冗余的非关键帧只使用轻量的浅层网络进行特征提取,整体上降低了计算量。并且通过实验证明,该算法在提高了检测速度的同时还有效抑制了误检情况。在此基础上,本文利用视频检测结果,提出一种火情分析方法,通过将视频检测得到的火焰区域像素数组成火势发展序列,再经过数据平滑和异常值处理后,采用基于关键点的序列分段和线性拟合算法来寻找火势发展中的关键信息与整体趋势。另外在序列分段的过程中,也提出了一种自动确定关键点的方法,使得分段数量和分段准确度之间能够达到最佳平衡。最后本文将上述火情检测方法部署到了边缘计算设备Jetson Xavier NX上,设计了一套火情检测系统,可对监控区域进行快速检测。另外,本系统还采用B/S架构,基于Flask框架搭建了软件平台,包括实时检测、本地视频检测和本地图片检测三大模块,最终可实现用户在移动端实时查看检测结果,以便消防人员及时快速地展开救援工作。

关键词：图像处理烟火检测视频检测加速火情分析边缘端部署软件平台

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的火情检测技术研究与系统实现

基于深度学习的火情检测技术研究与系统实现

引用

作者：赵兵兵西安电子科技大学

学位级别：硕士

火的出现对人类文明的发展进步有着举足轻重的影响。然而,在日常生产生活中,火情的发生不仅会造成人们巨大的财产损失,甚至危及生命安全。因此,对于火情检测技术的深入研究具有重要的理论意义和实际应用价值。传统的基于传感器的火情检... 详细信息

火的出现对人类文明的发展进步有着举足轻重的影响。然而,在日常生产生活中,火情的发生不仅会造成人们巨大的财产损失,甚至危及生命安全。因此,对于火情检测技术的深入研究具有重要的理论意义和实际应用价值。传统的基于传感器的火情检测技术主要使用包括温度、烟雾等传感器进行现场环境信息收集,通过判断检测值是否超过报警阈值来检测是否有火情发生,这类火情检测技术的使用范围受限。基于图像处理的火情检测技术利用不同颜色空间进行特征匹配和分析,将多种特征融合综合考虑判别火情是否发生,但是由于火焰的视觉特征非常复杂,轮廓结构不规则,只能针对具体的应用场景实现火情检测,误检、漏检率较高。基于深度学习的火焰检测技术使用卷积神经网络模型对输入图像进行自动提取特征信息,在特征图的基础上推理预测是否存在火情。但目前用于火焰检测的网络模型结构复杂,参数量和模型权重文件较大,对硬件存储资源有较高的要求。主干网络对输入图像特征信息提取利用不充分,在复杂环境下火焰检测效果较差,小目标火焰漏检严重。此外,在实际应用中,一般采用边缘端采集图像,回传到主机端进行检测的模式,传输数据量大,且有一定的延时。在一些较为偏远的地区,缺少4G/5G等公共无线网络平台,也给火情信息的回传带来了困难。鉴于上述问题,本文对火情检测技术进行了研究,提出一种基于深度学习卷积神经网络的火焰检测算法,并构建一套火情信息远程监测系统,实现对火情的智能化、自动化监管。本文在以下方面进行了研究和创新:以卷积神经网络为基础,综合考虑网络模型参数量及检测精度,提出一种基于深度学习的火情检测网络。采用密集连接机制设计主干特征提取网络,密集层使用双通道卷积残差块融合不同尺度感受野信息,引入注意力模块进行密集块的通道权重调整。基于Center Net网络对火焰特征图通过关键点筛选预测火焰中心点,回归预测火焰宽高,获得火情检测结果。构建场景多样、标签完善的火情数据集,通过目标检测模型评价指标及实际火情检测效果对比实验,充分验证本文提出的火情检测网络模型的检测准确度。将火情检测网络模型部署到嵌入式系统,实现边缘端的火焰检测。针对室内外、山林及偏僻地带的不同应用环境,设计实现Wi Fi无线网络和北斗短报文的双通道火情信息传输方案,将边缘端火情检测结果图像和火情检测信息传输到主机端。在主机端基于Django框架设计实现火情监测系统软件平台,在浏览器页面中对火情信息进行管理和展示,从而构建了完整的火情监测系统。

关键词：深度学习火情检测边缘端部署无线网络北斗软件平台

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：