检索结果-南通市图书馆

基于航拍数据的互通隧道小净距路段运行速度模型

在线全文

学校读者我要写书评

暂无评论

长安大学学报（自然科学版） 2024年第2期44卷 136-150页

作者：张驰高艳阳杨榕玮刘昌赫谢子龙靳引利长安大学公路学院陕西西安710064 陕西省交通规划设计研究院陕西西安710065 长安大学电子与控制工程学院陕西西安710064

为探究车辆在隧道出口-互通出口小净距路段运行速度变化规律,改善当前山区高速公路小净距路段行车安全性不足现状,开展小净距路段车辆运行速度模型研究。首先,基于无人机航拍获取西汉(西安—汉中)高速等4处隧道出口-互通出口小净距路段... 详细信息

为探究车辆在隧道出口-互通出口小净距路段运行速度变化规律,改善当前山区高速公路小净距路段行车安全性不足现状,开展小净距路段车辆运行速度模型研究。首先,基于无人机航拍获取西汉(西安—汉中)高速等4处隧道出口-互通出口小净距路段车辆实测数据,利用yolo-v5算法编写航拍视频数据提取程序,输出车辆在目标路段的实时速度数据和轨迹数据,同时结合驾驶仿真模拟系统对试验进行对照组数据补充。其次,统计车辆在该区域运行情况及断面速度分布并进行宏观分析,确定构建运行速度模型的自变量。最后,应用非线性曲线拟合软件1stOpt对分析数据进行回归,分别建立小型车、大型车在出口小净距路段主线行驶、驶出主线的运行速度预测模型,并依托西南山区某小净距工程实际路段开展预测模型的有效性验证。研究结果表明:出口小净距路段车辆运行速度与主线半径、车辆距隧道洞口距离和净距长度存在显著正相关关系;建立的运行速度预测模型通过了拟合优度检验、统计学残差检验和相对平均误差检验,模型预测值与实测值的相对误差平均值均小于10%,回归模型满足精度要求。本研究能应用于实际工程中的隧道出口-互通出口小净距路段,能准确表征车辆在此区域的速度变化规律,在预测车辆运行速度和表征速度变化规律方面具有一定的参考价值。

关键词：道路工程运行速度模型 yolo-v5算法小净距路段航拍数据

基于yolo-v5和ResNet的舱底水液位识别算法

在线全文

学校读者我要写书评

暂无评论

船海工程 2020年第6期49卷 39-43页

作者：王坤房玉吉刘华龙刘帅余淞洋海装沈阳局驻大连地区第一军事代表室辽宁大连116001 中国舰船研究设计中心武汉430064

针对船舶破损浸水后无法快速识别的问题,提出一种基于yolo-v5和ResNet算法的舱底水液位识别算法,测试结果显示,该方法的准确率和响应速度基本达到实际使用需求,随着训练样本数量增加,该舱底水液位识别算法的精度将继续提高,并具备在船... 详细信息

针对船舶破损浸水后无法快速识别的问题,提出一种基于yolo-v5和ResNet算法的舱底水液位识别算法,测试结果显示,该方法的准确率和响应速度基本达到实际使用需求,随着训练样本数量增加,该舱底水液位识别算法的精度将继续提高,并具备在船舶损害管制系统中应用的可能。

关键词： yolo-v5算法 ResNet算法图像识别液位识别

基于yolo-v5的矿车桁架铆接孔定位技术研究

在线全文

学校读者我要写书评

暂无评论

现代制造工程 2022年第5期 115-121页

作者：程亚彬张宏伟王新环郭子路河南理工大学电气学院焦作454150 平顶山市安盛机械制造有限公司平顶山467000

在矿车车厢自动化生产中,采用机器视觉技术来实现自动铆接工艺。为了对铆接孔进行准确识别与定位,采用深度学习中的yolo-v5算法对铆接孔进行实时检测,结合最小二乘拟合圆法,在弥补了检测结果缺陷的同时,利用提取的铆接孔边缘坐标,实现... 详细信息

在矿车车厢自动化生产中,采用机器视觉技术来实现自动铆接工艺。为了对铆接孔进行准确识别与定位,采用深度学习中的yolo-v5算法对铆接孔进行实时检测,结合最小二乘拟合圆法,在弥补了检测结果缺陷的同时,利用提取的铆接孔边缘坐标,实现了对铆接孔所在位置的准确定位。通过试验,证明了该方法的可行性与鲁棒性。通过对比试验,证明了算法的优越性。

关键词：自动铆接机器视觉 yolo-v5算法最小二乘拟合圆法

基于神经网络的难选夹层磷矿石预分选理论研究

在线全文

学校读者我要写书评

暂无评论

有色金属(选矿部分) 2023年第6期 125-131页

作者：陈希阳李佳楠张翼顾玉成武汉工程大学资源与安全工程学院武汉430074

针对传统的夹层磷矿石人工分选工艺繁琐复杂,智能化程度低,浪费大量人力物力,导致生产处理成本增加等问题,引入了图像处理神经网络,提出了一种基于yolo-v5的目标检测方法进行分选。首先将主干网络替换为Mobilenet-v2网络,达到缩小模型... 详细信息

针对传统的夹层磷矿石人工分选工艺繁琐复杂,智能化程度低,浪费大量人力物力,导致生产处理成本增加等问题,引入了图像处理神经网络,提出了一种基于yolo-v5的目标检测方法进行分选。首先将主干网络替换为Mobilenet-v2网络,达到缩小模型体积的效果,后对Mobilenet-v2进行改进,引入SE模块,提高网络对有效信息的敏感度,以得到更多的特征信息,从而提高最终的检测精度;其次对模型的预测网络进行改进,将藕头检测方式替换为解耦头检测,并采用混合通道策略构建更高效的解耦,达到提升检测速度的目的。结果表明,yolo-v5-RM2比yolo-v5的模型参数量减少了41%,并且在不影响模型精度的情况下,检测速度提升了68.9%,利用该模型进行检测分类并对结果进行化验分析,I类矿石品位得到了较为明显的提升,能够满足磷矿石预分选需求,实现磷矿预富集的目的。

关键词：目标检测 yolo-v5算法磷矿预分选