检索结果-南通市图书馆

基于热红外图像的奶牛乳房炎自动检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于热红外图像的奶牛乳房炎自动检测方法研究

作者：郭荣美河北农业大学

学位级别：硕士

奶牛乳房炎的早期快速检测对乳房炎防控、奶牛养殖业的健康发展及提高奶牛福利具有重要意义。随着红外热成像技术的发展,无接触、快速、准确地检测奶牛乳房炎已成为当前研究的热点。目前国内外基于热红外图像的奶牛乳房炎检测大多数存... 详细信息

奶牛乳房炎的早期快速检测对乳房炎防控、奶牛养殖业的健康发展及提高奶牛福利具有重要意义。随着红外热成像技术的发展,无接触、快速、准确地检测奶牛乳房炎已成为当前研究的热点。目前国内外基于热红外图像的奶牛乳房炎检测大多数存在人工提取温度的问题,此法耗时耗力,难以在大型规模养殖场推广。而自动提取温度依赖于奶牛关键部位的位置信息,为此,深度学习的迅速发展为奶牛关键部位的检测提供了技术支持。本研究以养殖场的奶牛为研究对象,提出将红外热成像技术和深度学习相结合,为奶牛乳房炎的自动检测提供了一种有效的方法。本文的主要工作如下:(1)构建奶牛热红外数据集。根据养殖场周围环境、奶牛日常活动、挤奶时间、挤奶厅情况等,设计搭建了奶牛侧面热红外采集平台,获得奶牛热红外视频,经过对视频进行分帧处理,筛选得到本研究所需要的数据集。(2)以Rainbow HC奶牛热红外图像为研究对象,提出了一种基于改进yolov4的奶牛关键部位检测方法。针对yolov4网络参数量和计算量比较大,且小目标检测精度较低的问题,引入改进的MobileNetV3网络和深度可分离卷积降低参数数量,添加倒残差模块、SimAM注意力机制提高网络检测精度。实验结果表明,与yolo v4、yolo v5、Faster R-CNN 和 SSD 相比,改进后的 yolo v4 模型 mAP 达到了98.55%,模型参数为14.24M,浮点数计算量为5.87GFLOPS,均优于其他模型,表明改进的yolo v4模型实现了网络轻量化和检测精度的平衡,可以实现奶牛关键部位的精准定位。(3)以Gray奶牛热红外图像为研究对象,提出了一种基于改进yoloX的奶牛关键部位检测方法。针对原yoloX定位损失函数IOU回归精确度不够的问题,使用DIoU损失函数代替IoU,提高奶牛关键部位识别精度。实验结果表明,与yoloX-tiny、yoloX-nano和CenterNet相比,改进后的yoloX对奶牛关键部位的检测精度达到98.73%,均高于其他模型,速度达到了 45帧/s,满足奶牛关键部位的实时检测要求。(4)利用上述两种改进后的网络分别在两种不同的调色板上进行对比实验,结果表明,改进的yolo v4和改进的yoloX模型分别在Rainbow HC和Gray奶牛热红外图像上表现更佳。分别通过两种改进后的网络获取到奶牛关键部位的位置信息,使用红外热成像技术对奶牛的眼睛、乳房进行温度提取,然后基于眼乳温差进行奶牛乳房炎检测试验,并与得到的牛奶体细胞计数法检测结果进行对比。在Rainbow HC和Gray奶牛热红外图像中,分别随机挑选35头奶牛进行乳房炎检测试验,结果表明,前者奶牛乳房炎分类精度为82.86%,后者奶牛乳房炎分类精度为85.71%。因此本文方法可以用于奶牛乳房炎的快速检测,对养殖环境下奶牛乳房炎的疾病检测具有重要意义,为后续建立奶牛乳房炎预警模型提供了数据支持。

关键词：热红外图像深度学习奶牛关键部位检测 YOLO模型眼乳温差乳房炎检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂环境下课堂多人状态检测算法研究

电子测量与仪器学报 2021年第6期35卷 53-62页

作者：冯文宇张宇豪张堃费敏锐徐胜南通大学电气工程学院南通226007 南通大学张謇学院南通226007 上海大学机电工程与自动化学院上海市电站自动化技术重点实验室上海210053 南通职业大学电子信息工程学院南通226007 华东理工常熟研究院有限公司苏州215500

新冠肺炎疫情背景下课堂多人佩戴口罩及姿态识别问题,提出了基于yolo和OpenPose模型的课堂多人状态检测算法。提出的Efficient-YOLO模型,通过采用CBAM注意力模块、SPNET-NEW模块,解决了多人遮挡和无规则化目标的口罩佩戴检测精度问题。... 详细信息

新冠肺炎疫情背景下课堂多人佩戴口罩及姿态识别问题,提出了基于yolo和OpenPose模型的课堂多人状态检测算法。提出的Efficient-YOLO模型,通过采用CBAM注意力模块、SPNET-NEW模块,解决了多人遮挡和无规则化目标的口罩佩戴检测精度问题。此外,提出了一种轻量化的Class-OpenPose模型检测学生上课姿态,该算法在OpenPose模型基础上,使用ShuffleNetV2-NEW对传统模型在底层特征提取方面进行改进,实现了复杂环境下关键姿态点的实时准确检测。实验表明,在课堂多人异常状态检测任务中,Class-OpenPose模型平均准确率高于传统模型,为79.0%,检测速度达到13.5 F/s;Efficient-yolo口罩识别模型达到83.1%的平均准确率,检测时间仅需31.54 ms,为课堂学生状态检测提供了不错的算法思路。

关键词：多人异常检测姿态识别口罩识别 YOLO模型 OpenPose模型

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

基于深度学习网络的奶牛面部识别研究

基于深度学习网络的奶牛面部识别研究

作者：刘杨启航西北农林科技大学

学位级别：硕士

在奶牛现代化养殖过程中,快速准确地识别奶牛个体对于选配、饲养、产奶量记录等日常管理工作十分重要。随着摄像设备的普及,使得基于图像生物特征实现奶牛个体无接触、无应激的识别成为可能,同时,人工智能技术的发展为奶牛面部个体识别... 详细信息

在奶牛现代化养殖过程中,快速准确地识别奶牛个体对于选配、饲养、产奶量记录等日常管理工作十分重要。随着摄像设备的普及,使得基于图像生物特征实现奶牛个体无接触、无应激的识别成为可能,同时,人工智能技术的发展为奶牛面部个体识别提供了技术支持。本文以养殖场自然环境下的奶牛个体为检测目标,利用深度学习技术开展奶牛面部识别研究,为精准养殖中的奶牛个体识别提供了有效的方法参考。主要工作如下:（1）建立了奶牛面部数据集。利用手持摄像机对包含不同姿态、生育期、光照和泌乳阶段的奶牛进行拍摄,通过视频分帧、图像筛选等一系列预处理,构建了奶牛有耳标注和无耳标注数据集。其中有耳标注数据集包含71类17263幅奶牛面部图像,无耳标注数据集包含95类14740幅奶牛面部图像。（2）以有耳标注的奶牛面部数据为研究对象,提出了一种融合坐标信息的改进yolo v4奶牛面部识别模型。首先,将坐标注意力机制添加在yolo v4网络的特征提取层来提升奶牛面部对位置的敏感性,然后在检测头部分添加坐标卷积模块来进一步增强奶牛面部的位置信息,最后采用不同模型对奶牛面部数据集进行识别,并对比了不同遮挡以及不同花色奶牛的识别效果以验证改进模型的识别性能。实验结果显示,改进yolo v4模型的m AP达到了93.68%,平均帧率达到了19帧/s,检测速度快;改进yolo v4模型在面部遮挡情况下的m AP为89.43%,可鲁棒地应对不同养殖环境对奶牛面部遮挡的挑战;改进yolo v4模型在黑色和黑白相间的奶牛面部图像的m AP分别为90.42%和96.45%,表明改进yolo v4模型具有较强的奶牛面部识别能力。（3）以无耳标注的奶牛面部数据为研究对象,提出了一种融合注意力机制的改进yolo x-s奶牛面部识别模型。首先,为更好提取奶牛面部特征,在模型的特征融合部分通过迭代注意力特征融合模块来替代原始yolo x-s模型的部分Concat操作,然后添加金字塔切分注意力模块来提高模型的识别精度。实验结果表明,改进yolo x-s模型的m AP达到了95.74%,平均帧率达到了23帧/s;在面部遮挡数据集中,改进yolo x-s模型的m AP达到了90.70%;在不同花色的奶牛面部识别结果中,改进yolo x-s模型在黑色和黑白相间的奶牛面部图像的m AP分别为93.35%和98.46%,表明改进的yolo x-s模型能够很好地识别不同环境下具有不同颜色特征的奶牛面部。

关键词：奶牛面部识别深度学习 YOLO模型目标检测精准养殖

列车运行障碍物识别与设备故障检测系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

列车运行障碍物识别与设备故障检测系统的设计与实现

作者：张中晓北京交通大学

学位级别：硕士

铁路系统是我国货物运输的重要媒介,在交通运输领域中占主导地位。近年来,我国的铁路行业发展迅猛,高速铁路建设全面铺开,更多的人因间隔时间短、无污染等特性,选择列车作为出行方式,列车行车安全也愈发受到重视。铁路轨旁设备的健康状... 详细信息

铁路系统是我国货物运输的重要媒介,在交通运输领域中占主导地位。近年来,我国的铁路行业发展迅猛,高速铁路建设全面铺开,更多的人因间隔时间短、无污染等特性,选择列车作为出行方式,列车行车安全也愈发受到重视。铁路轨旁设备的健康状况与轨道异物入侵是威胁列车安全的重要因素。传统铁路障碍物检测依靠人工与基于非视觉传感器的方式,检测范围有限,设备安装维护困难。而基于视觉传感器的方式,多使用传统图像处理的方法,容易受到环境因素的影响。传统轨旁设备检测采用人工与基于信号数据分析处理的方式,代价高昂,且无法及时实现对设备外观缺陷故障的检测。因此,本文提出了一个列车运行障碍物识别与设备故障检测系统,通过引入图像处理与深度学习技术,实现对列车运行障碍物的识别与轨旁设备外观缺陷故障的检测,并完成对图像信息的系统化管理。本文分别对现有的列车运行障碍物识别与轨旁设备故障检测方法进行了研究和分析,并在此基础之上完成了列车运行障碍物识别与设备故障检测系统的设计与实现。系统包含登录与权限认证、用户管理、图像管理、基础信息管理以及异常检测五大功能模块。系统基于MVC设计模式进行设计,研发采取前端与后端分离的形式,后端采用Spring Boot框架进行开发,并使用Spring Security实现对用户身份的认证与权限鉴别。对于系统工作过程中产生的数据信息,通过My SQL数据库存储,并应用Redis缓存中间件,实现对特定数据信息的缓存。异常检测是系统的核心模块,包含运行障碍物识别与设备故障检测算法。列车运行障碍物识别算法基于yolov4算法设计实现,为了进一步提升检测速率,引入Mobile Net V3,并利用SE注意力机制平衡主干网络修改造成的影响。设备故障检测算法通过RANSAC与SURF算法实现图像和模板的匹配与对齐操作,并通过筛选匹配后的异常区域,实现对轨旁设备故障的检测。本系统目前已经通过了各项测试指标,系统运行状况良好,为未来的列车运行障碍物识别与轨旁设备故障检测算法的深入研究提供了平台支撑。

关键词：障碍物识别设备故障检测 YOLO模型 SURF算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于yolov5的倒地检测

吉林大学学报（信息科学版） 2024年第2期42卷 378-386页

作者：何乐华谢光珍刘柯翔吴宁张浩澜张忠睿吉林大学通信工程学院长春130012

为提高传统目标检测的识别效果和准确率,并加快运算速度,提出了一种具有更强大特征学习和特征表达能力的卷积神经网络(CNN:Convolutional Neural Network)模型和相关的深度学习训练算法,并将其应用于计算机视觉领域的大规模识别任务。... 详细信息

为提高传统目标检测的识别效果和准确率,并加快运算速度,提出了一种具有更强大特征学习和特征表达能力的卷积神经网络(CNN:Convolutional Neural Network)模型和相关的深度学习训练算法,并将其应用于计算机视觉领域的大规模识别任务。首先详细分析了传统目标检测算法,如V-J(Viola-Jones)检测器、 HOG(Histogram of Oriented Gradients)特征结合SVM(Support Vector Machine)分类器和DPM(Deformable Parts Model)检测器的特点。然后提出了深度学习算法,如RCNN(Region-based Convolutional Neural Networks)算法和yolo(You Only Look Once)算法,并分析了其在目标检测任务中的应用现状。针对倒地检测任务,使用yolov5(You Only Look Once version 5)模型对不同身高体型目标人群的行为进行训练。通过使用不同的交并比(IOU:Intersection over Union)、准确率(Precision,P)、召回率(Recall,R)和PR曲线等评估指标,对yolov5模型进行了分析,评估了其在检测站立和倒地两种活动方式的实际效果。同时通过预训练和增强处理,增加了训练样本数量并提高了网络的识别准确率。实验结果表明,倒地识别率达到了86%。可将其应用于灾区探测救援类机器人的设计中,以辅助识别和分类受伤倒地人员,提高灾区救援效率。

关键词：目标检测卷积神经网络 YOLO模型计算机视觉深度学习

基于深度学习算法的尿素泵体用铝型材表面瑕疵检测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

流体机械 2020年第8期48卷 47-52,77页

作者：陈亮张浩舟燕浩安徽省科学技术研究院合肥230001 合肥工业大学机械工程学院合肥230009

尿素泵为机动车尾气后处理系统的核心设备,泵体材料一般为铝型材,在铝型材生产过程中,受工艺等因素的影响会产生各种瑕疵,影响铝型材的质量。传统人工检测,质检的效率和准确率难以满足生产需要。本文将深度学习算法引入到缺陷检测中,结... 详细信息

尿素泵为机动车尾气后处理系统的核心设备,泵体材料一般为铝型材,在铝型材生产过程中,受工艺等因素的影响会产生各种瑕疵,影响铝型材的质量。传统人工检测,质检的效率和准确率难以满足生产需要。本文将深度学习算法引入到缺陷检测中,结合迁移学习原理,使用小批量数据集,利用改进的YOLO模型进行训练,预测铝型材表面瑕疵。试验结果显示,尽管在小批量训练的条件下,验证集mAP值为87.43%,仍取得了98.2%的准确率,比拟人工检测的准确率,并可以快速、准确的定位缺陷部位。此技术有望革新现有质检流程,自动完成质检任务,保证产品的质量;另外,基于深度学习算法表面缺陷检测方法,鲁棒性好,具有一定的普适性,可以推广到相关的其他应用领域。

关键词：深度学习迁移学习表面瑕疵检测 YOLO模型 DCNN

基于yolo的公共区域人群社交距离检测方法

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

人工智能与机器人研究 2023年第3期12卷 199-208页

作者：陈冰戴世亮叶彬雅浙江工业大学之江学院信息工程学院浙江绍兴

针对人流密集的公共区域,本论文提出了一种基于YOLO模型的人群社交距离检测方法,旨在进行有效的人流控制和预防疫情传播。该方法首先利用YOLO模型对公共区域的视频进行行人检测,获取每个行人的位置关键点信息。接着,通过KD-tree算法检... 详细信息

针对人流密集的公共区域,本论文提出了一种基于YOLO模型的人群社交距离检测方法,旨在进行有效的人流控制和预防疫情传播。该方法首先利用YOLO模型对公共区域的视频进行行人检测,获取每个行人的位置关键点信息。接着,通过KD-tree算法检测每个行人的邻居行人,并估计它们之间的距离。根据预设的安全距离阈值,对行人的社交距离进行风险评估,包括危险、安全或需要注意的状态。为了更好地呈现结果,本文将危险状态标识为红色危险标识,安全状态标识为绿色安全标识,而中间状态则标识为紫色注意标识。实验结果表明,所提出的行人社交距离检测方法具有较高的实时性和准确性。

关键词： YOLO模型社交距离目标检测风险评估

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的办公室吸烟行为检测

人工智能与机器人研究 2023年第2期12卷 55-61页

作者：魏袁慧吴四九刘天锴谭熙成都信息工程大学计算机学院四川成都

吸烟有害健康,为优化办公环境以及保证办公室人员身心健康。随着深度学习中卷积神经网络(Convolutional Neural Network, CNN)在目标检测领域上的发展,其目标检测方法有:单阶段检测(yolo、SSD、RetinaNet等)、双阶段检测(Fast RCNN、Fas... 详细信息

吸烟有害健康,为优化办公环境以及保证办公室人员身心健康。随着深度学习中卷积神经网络(Convolutional Neural Network, CNN)在目标检测领域上的发展,其目标检测方法有:单阶段检测(yolo、SSD、RetinaNet等)、双阶段检测(Fast RCNN、Faster RCNN、Cascade RCNN等)。相比于传统的手工设计特征算法,基于深度学习的方法通过学习大量标注数据来自行进行特征的学习和提取,并预测或识别出结果,基于深度神经网络的目标检测方法具有更好的特征提取能力和分类识别效果。本文设计了采用yolo深度学习算法的办公室吸烟行为检测方法。通过网络公开数据集收集的吸烟数据集,经过对数据集的整合与调整形成最终进行实验的吸烟行为检测数据集。用吸烟行为检测数据集分别训练yolov5,yolov6,yolov7,yolox四个模型,通过对比训练产生的结果得到办公室吸烟行为检测的最佳训练模型。实验结果表明,在办公室吸烟行为检测实验中,yolov5为检测效果最优异的模型,其精确度均值(mAP):76.6%,平均推理时间:17.1 ms。

关键词：深度学习吸烟检测 YOLO模型

基于PaddlePaddle深度学习框架的盲文学习体系

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

电脑编程技巧与维护 2024年第5期 115-117页

作者：巫奕婷武汉理工大学机电工程学院武汉430070

针对目前盲文教育书籍中存在的大、厚、耗材等问题,根据基于PaddlePaddle深度学习框架构建的yolo卷积神经网络模型,设计了一套盲文学习体系,并且通过设计由大到小过渡的盲文显示模块和语音输出模块来实现听触结合,同时达到刺激初学者通... 详细信息

针对目前盲文教育书籍中存在的大、厚、耗材等问题,根据基于PaddlePaddle深度学习框架构建的yolo卷积神经网络模型,设计了一套盲文学习体系,并且通过设计由大到小过渡的盲文显示模块和语音输出模块来实现听触结合,同时达到刺激初学者通过触觉由浅入深学习的目的,从而大大提高了盲文的学习效率的目的。另外,通过图传和PaddlePaddle平台实现高效翻译盲文,促进盲文教育发展。

关键词：盲文翻译 YOLO模型深度学习卷积神经网络 PaddlePaddle平台