针对桥梁缺陷检测中存在的识别精度不足、嵌入式部署困难与系统集成度有限的问题,提出一种基于轻量化模型YOLOv5s与Transformer特征增强模块(C3TR)的无人机检测系统。方法上在YOLOv5s主干网络中引入C3TR,以融合全局注意力与局部卷积特征...针对桥梁缺陷检测中存在的识别精度不足、嵌入式部署困难与系统集成度有限的问题,提出一种基于轻量化模型YOLOv5s与Transformer特征增强模块(C3TR)的无人机检测系统。方法上在YOLOv5s主干网络中引入C3TR,以融合全局注意力与局部卷积特征,并设计STM32与Raspberry Pi 4B双主控架构,集成激光测距避障、图像拼接和可视化管理平台。实验结果表明:改进模型在总体数据集上的mAP@0.5达到0.718,Precision为80.4%,Recall为68.2%,较基线YOLOv5s分别提升11.5%、4.5%和2.3%;在Raspberry Pi 4B上实现端到端6~8 FPS的实时推理。与现有YOLOv4、YOLOv3等改进方法相比,本系统在保持轻量化的同时兼顾多类缺陷识别与工程化应用,验证了其在无人机嵌入式巡检中的可行性与实用价值。展开更多
随着社会的快速发展,园艺爱好者等群体需要更加便捷高效的植物养护方案。为满足该需求,该研究按照智慧农业理念,以环境发展为导向,设计了一种智能土壤监测和植物护理花盆,其以Arduino UNO R3单片机为监测与调控管理的核心,对土壤湿度传...随着社会的快速发展,园艺爱好者等群体需要更加便捷高效的植物养护方案。为满足该需求,该研究按照智慧农业理念,以环境发展为导向,设计了一种智能土壤监测和植物护理花盆,其以Arduino UNO R3单片机为监测与调控管理的核心,对土壤湿度传感器、BH1750光照强度传感器、DHT11温湿度传感器和YW03液位传感器收集到的数据进行处理后,发出信号,调整生长环境至适宜植物生长状态,实现对水资源的高效利用。此外,该花盆还可通过ESP8266模块与手机相连,实现与客户端小程序交互。该研究成果可为植物生长提供良好的环境,并提高资源利用率,使绿色理念深入人心。展开更多
文摘针对桥梁缺陷检测中存在的识别精度不足、嵌入式部署困难与系统集成度有限的问题,提出一种基于轻量化模型YOLOv5s与Transformer特征增强模块(C3TR)的无人机检测系统。方法上在YOLOv5s主干网络中引入C3TR,以融合全局注意力与局部卷积特征,并设计STM32与Raspberry Pi 4B双主控架构,集成激光测距避障、图像拼接和可视化管理平台。实验结果表明:改进模型在总体数据集上的mAP@0.5达到0.718,Precision为80.4%,Recall为68.2%,较基线YOLOv5s分别提升11.5%、4.5%和2.3%;在Raspberry Pi 4B上实现端到端6~8 FPS的实时推理。与现有YOLOv4、YOLOv3等改进方法相比,本系统在保持轻量化的同时兼顾多类缺陷识别与工程化应用,验证了其在无人机嵌入式巡检中的可行性与实用价值。
文摘随着社会的快速发展,园艺爱好者等群体需要更加便捷高效的植物养护方案。为满足该需求,该研究按照智慧农业理念,以环境发展为导向,设计了一种智能土壤监测和植物护理花盆,其以Arduino UNO R3单片机为监测与调控管理的核心,对土壤湿度传感器、BH1750光照强度传感器、DHT11温湿度传感器和YW03液位传感器收集到的数据进行处理后,发出信号,调整生长环境至适宜植物生长状态,实现对水资源的高效利用。此外,该花盆还可通过ESP8266模块与手机相连,实现与客户端小程序交互。该研究成果可为植物生长提供良好的环境,并提高资源利用率,使绿色理念深入人心。
