期刊文献+
共找到22篇文章
< 1 2 >
每页显示 20 50 100
基于YOLO-Pipe和ByteTrack的排水管道缺陷检测 被引量:1
1
作者 凌同华 贝政豪 +2 位作者 张胜 张亮 江浩 《中国给水排水》 北大核心 2025年第3期125-130,共6页
城市排水管道检测作为城市管理的重要组成部分,对保障城市安全运行具有重要意义。针对现有模型对排水管道检测存在的复杂度高、精度低等问题,采用C3_PConv结构、PIoUv2损失函数和层自适应幅度剪枝算法对YOLOv5n进行优化,构建了轻量化的Y... 城市排水管道检测作为城市管理的重要组成部分,对保障城市安全运行具有重要意义。针对现有模型对排水管道检测存在的复杂度高、精度低等问题,采用C3_PConv结构、PIoUv2损失函数和层自适应幅度剪枝算法对YOLOv5n进行优化,构建了轻量化的YOLO-Pipe模型。并将YOLO-Pipe模型与ByteTrack追踪算法进行融合,提出了一种基于排水管道检测视频的Pipe-Track缺陷追踪算法。结果表明,YOLO-Pipe模型缺陷检测的mAP@50达94.8%,推理时间为28.2 ms。与其他模型相比,YOLO-Pipe在兼顾实时检测的同时取得了更高的检测精度。融合的Pipe-Track算法实现了对视频数据集的检测,并且缺陷平均锁定率达到了92.3%,展现出了良好的缺陷检测效果。 展开更多
关键词 排水管道 缺陷检测 yolo模型 视频检测 ByteTrack算法
原文传递
YOLO系列算法在电力行业目标检测领域的应用与发展趋势 被引量:3
2
作者 张豪 高林 +1 位作者 龚宇翔 伏德粟 《湖北民族大学学报(自然科学版)》 2025年第1期86-93,共8页
为了研究你只看一次(you only look once, YOLO)系列算法在电力行业目标检测领域的应用情况,分析其未来在该行业的发展趋势。首先分析了较新的YOLO版本10(YOLO version 10,YOLOv10)算法的网络结构,然后探讨了YOLO系列算法在电力行业从... 为了研究你只看一次(you only look once, YOLO)系列算法在电力行业目标检测领域的应用情况,分析其未来在该行业的发展趋势。首先分析了较新的YOLO版本10(YOLO version 10,YOLOv10)算法的网络结构,然后探讨了YOLO系列算法在电力行业从发电、输电、变电到用电环节中目标检测的应用,最后从潜在改进方向、与大模型的融合2方面分析了YOLO系列算法的发展趋势。研究发现,YOLO系列算法在检测速度和精度方面取得了明显进展,特别是在电力行业的缺陷检测、故障检测、设备监控、智慧管理、安全监测等方面表现出极大的潜力;但在复杂背景下,该系列算法仍存在检测精度不高的问题。YOLO系列算法要在电力行业中实现更广泛的应用,还需进一步优化算法的速度与精度以应对实际应用中的挑战。 展开更多
关键词 人工智能 yolo系列算法 电力行业 目标检测 改进模型 未来趋势
在线阅读 下载PDF
面向电力系统的YOLO算法与单目视觉导线检测技术研究
3
作者 蒋正湘 邓远宁 +2 位作者 黄抚君 陶剑 杨戴程 《电力系统装备》 2025年第4期22-24,共3页
随着经济的发展,电力需求持续攀升,电网建设规模不断扩大,10~110 kV输电线路的安全稳定运行变得至关重要。然而,传统裸导线型号识别方法依赖人工登杆测量,效率低且存在安全隐患,同时因导线外径差异细微易误判,导致台账管理困难。基于此... 随着经济的发展,电力需求持续攀升,电网建设规模不断扩大,10~110 kV输电线路的安全稳定运行变得至关重要。然而,传统裸导线型号识别方法依赖人工登杆测量,效率低且存在安全隐患,同时因导线外径差异细微易误判,导致台账管理困难。基于此,文章针对LGJ–120/25、LGJ–300/40、LGJ–400/50和LGJ–630/45这4类导线,展开YOLO算法与单目视觉导线检测技术研究。通过优化YOLO算法检测导线纹理、利用单目视觉测量导线线宽,并将两者融合判定导线型号,旨在开发一套精准高效的导线型号识别系统,提升电网管理智能化水平,确保输电线路安全稳定运行,为电力系统运维提供有力技术支持。 展开更多
关键词 yolo算法 单目视觉 导线检测 电力系统 型号识别
在线阅读 下载PDF
基于YOLO模型的车流量实时采集系统研究 被引量:6
4
作者 王金环 李宝敏 《计算机技术与发展》 2024年第9期209-214,共6页
对于一座现代化城市来说,合理的交通规划是一个城市高效运行的关键,作为交通规划的关键信息的城市车流量信息,原本需要人工进行识别、获取、验证的提取方式,随着计算机视觉技术的蓬勃发展弊端尽显,终将退出历史的舞台。为了提高城市车... 对于一座现代化城市来说,合理的交通规划是一个城市高效运行的关键,作为交通规划的关键信息的城市车流量信息,原本需要人工进行识别、获取、验证的提取方式,随着计算机视觉技术的蓬勃发展弊端尽显,终将退出历史的舞台。为了提高城市车流量信息的准确性和及时性,利用现有的计算机技术设计一种基于YOLO模型的车流量实时采集系统。该系统基于YOLO视觉检测模型,采用DeepSORT算法对检测到的目标车辆进行跟踪识别、判断车辆的运行状态、实现当前路段的车流量统计、对已记录车流量信息进行可视化展示以及数据输出等。该系统可以有效地代替传统消耗人力的死板工作,实现自动化数据收集以及道路交通情况的快速监测。该系统操作简单,交互性强,为城市的交通管理和交通规划提供准确实时的信息数据。 展开更多
关键词 目标检测 目标跟踪算法 数据处理 yolo模型 车流量 实时采集
在线阅读 下载PDF
基于YOLO融合Vibe算法在AOI检测的研究
5
作者 郑韬 袁晓燕 张磊 《现代传输》 2024年第6期42-46,共5页
随着工业自动化和智能制造的深入发展,自动光学检测(AOI)技术的重要性日益凸显。因此,这里将结合国内外相关技术文献深入研究如何借助人工智能视觉算法技术实现AOI技术实时检测PCB电路缺陷。本文提出一种基于YOLO目标识别算法融合Vibe... 随着工业自动化和智能制造的深入发展,自动光学检测(AOI)技术的重要性日益凸显。因此,这里将结合国内外相关技术文献深入研究如何借助人工智能视觉算法技术实现AOI技术实时检测PCB电路缺陷。本文提出一种基于YOLO目标识别算法融合Vibe预处理前景算法的方案,实现快速完成对缺陷目标的锁定与判断。这里将通过对实验数据的分析来验证该方案应用在PCB缺陷检测的可行性和优越性。 展开更多
关键词 yolo Vibe算法 背景模型 自动光学检测 缺陷检测 目标检测
在线阅读 下载PDF
基于改进YOLOv8的输电线路故障识别方法 被引量:1
6
作者 李宁 程旭 +2 位作者 卢景才 梁河雷 时洪刚 《河北电力技术》 2024年第4期56-63,共8页
针对输电线路巡检难度大且巡检信息处理可靠性不佳等问题,提出了一种基于改进YOLOv8的输电线路故障识别方法。首先,设计智能化单兵巡检装备,包括智能巡检头盔和智能信息装备服,并通过无人机获取输电线路的实时运行情况。然后,提出一种... 针对输电线路巡检难度大且巡检信息处理可靠性不佳等问题,提出了一种基于改进YOLOv8的输电线路故障识别方法。首先,设计智能化单兵巡检装备,包括智能巡检头盔和智能信息装备服,并通过无人机获取输电线路的实时运行情况。然后,提出一种增量八叉树空间检索算法用于激光雷达等图像信息的处理,得到输电线路全景图像。最后,构建改进C2f模块、残差注意力模块以及改进损失函数优化YOLOv8模型,将其用于全景图像的学习,从而得到输电线路的故障类型。基于Pytorch平台对所提方法进行实验分析,结果表明,其识别结果的平均精度均值达到了92.03%,且识别时间仅为28ms,能够满足智能化单兵巡检装备的工作需求。 展开更多
关键词 智能化单兵巡检装备 增量八叉树空间检索算法 全景图像 输电线路 yolov8模型 故障识别
在线阅读 下载PDF
基于深度学习模型联合的长视频行为数据统计
7
作者 魏英姿 杨文静 《通信与信息技术》 2025年第5期44-48,共5页
监控长视频数据分析是城市智能化进步的有效手段,采用将YOLO目标检测模型、DeepSort目标跟踪算法以及SlowFast行为识别模型相结合的方法,提取并分析长视频数据中行人行为特征。联合模型采用双通道设计策略,分别对视频帧进行特征提取,采... 监控长视频数据分析是城市智能化进步的有效手段,采用将YOLO目标检测模型、DeepSort目标跟踪算法以及SlowFast行为识别模型相结合的方法,提取并分析长视频数据中行人行为特征。联合模型采用双通道设计策略,分别对视频帧进行特征提取,采用动态检测头的YOLO目标检测模型,并在SlowFast行为识别模型中融入注意力机制,以增强各特征元素间的关联性,确保帧信息得以充分保留。在行为分析判别过程中,采用独热编码方法,再经过主成分分析(PCA)方法进行分析,实验结果显示该方法在处理长视频行为数据方面的有效性。 展开更多
关键词 yolo目标检测模型 DeepSort跟踪算法 SlowFast行为识别 主成分分析
在线阅读 下载PDF
基于Darknet框架下YOLO v2算法的车辆多目标检测方法 被引量:26
8
作者 李珣 刘瑶 +2 位作者 李鹏飞 张蕾 赵征凡 《交通运输工程学报》 EI CSCD 北大核心 2018年第6期142-158,共17页
针对道路车辆目标检测传统方法需随场景变化提取不同特征,检测率较低与鲁棒性差的问题,提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法;根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进,基于ImageNet数据集和... 针对道路车辆目标检测传统方法需随场景变化提取不同特征,检测率较低与鲁棒性差的问题,提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法;根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进,基于ImageNet数据集和微调技术获得分类训练网络模型,对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数,最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法;为验证检测方法的有效性和完备性,采用不同车流密度进行了车辆多目标检测试验,并与经典YOLO-voc、YOLO9000模型进行了对比;采用改进YOLO-vocRV网络模型,选取20 000次迭代,分析了多目标检测结果。试验结果表明:在阻塞流样本条件下,YOLO9000网络模型检测率为93.71%,YOLO-voc网络模型检测率为94.48%,改进YOLO-vocRV网络模型检测率达到了96.95%,因此,改进网络模型YOLOvocRV检测率较高;YOLO-vocRV模型精确度和召回率均聚集在0.95,因此,在获得较好精确度的条件下损失的召回率明显较小,达到了很好的折中;采用混合样本训练后,基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%,同步流状态下可达97.62%,阻塞流状态下可达到97.14%,具有较小的误检率和良好的鲁棒性。 展开更多
关键词 交通信息工程 深度学习 多目标检测 Darknet框架 yolo v2算法 网络模型
原文传递
基于YOLO-TridentNet的车辆检测方法 被引量:9
9
作者 朱茂桃 邢浩 方瑞华 《重庆理工大学学报(自然科学)》 CAS 北大核心 2020年第11期1-8,共8页
针对YOLOv3算法在检测小尺度目标和较远处车辆时存在漏检现象的问题,在分析该算法检测原理的基础上,对其网络结构进行了修改,提出了一种YOLO-TridentNet网络,将三个平行分支网络进行了参数共享;基于KITTI数据集,训练了YOLOv3和YOLO-Trid... 针对YOLOv3算法在检测小尺度目标和较远处车辆时存在漏检现象的问题,在分析该算法检测原理的基础上,对其网络结构进行了修改,提出了一种YOLO-TridentNet网络,将三个平行分支网络进行了参数共享;基于KITTI数据集,训练了YOLOv3和YOLO-TridentNet车辆检测模型,比较了两个模型的查准率、查全率、平均精度和每秒检测帧数,验证了模型的有效性。实验结果表明:相比YOLOv3算法,基于YOLO-TridentNet的车辆检测算法的查全率提高了2.2%,达76.5%;查准率下降了0.4%,为98.3%;模型检测速度稳定在15帧/s,下降了2帧;同时,在阈值为0.5的情况下,平均精度为92.35%,提高了1.06%,说明YOLO-TridentNet车辆检测模型能够改善小尺度目标的检测精度。 展开更多
关键词 车辆检测 yolov3算法 yolo-TridentNet模型 小尺度目标
在线阅读 下载PDF
基于改进YOLO v3模型与Deep-SORT算法的道路车辆检测方法 被引量:33
10
作者 马永杰 马芸婷 +1 位作者 程时升 马义德 《交通运输工程学报》 EI CSCD 北大核心 2021年第2期222-231,共10页
针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题,提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法;为提高模型对道路车辆的检测能力,采用K-meansSymbolk@pSymbolk@p聚类算法对目标候选框进行聚类分析,选择合适的... 针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题,提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法;为提高模型对道路车辆的检测能力,采用K-meansSymbolk@pSymbolk@p聚类算法对目标候选框进行聚类分析,选择合适的Anchor box数量,并在网络浅层增加了特征提取层,可提取到更精细的车辆特征;为加强网络对远近不同目标的鲁棒性,在保留原YOLO v3模型输出层的同时,增加了一层输出层,将52像素×52像素输出特征图经过上采样后得到104像素×104像素特征图,并将其与浅层同尺寸特征图进行拼接,实现车辆目标的检测;为了降低目标遮挡对检测效果的影响,提高对视频上下帧之间关联信息的关注度,将改进YOLO v3模型和Deep-SORT算法相结合,以此来弥补两者之间的不足。试验结果表明:改进YOLO v3模型有效地提高了车辆检测的性能,与在网络浅层增加特征提取层的模型相比,平均精度提高了1.4%,与增加一层输出层的模型相比,平均精确度提高了0.8%,说明改进YOLO v3模型提取的特征表达能力更强,增强了网络对小目标的检测能力;改进YOLO v3模型在引入Deep-SORT算法后,查准率和召回率分别达到90.16%和91.34%,相比改进YOLO v3模型,查准率和召回率分别提高了1.48%和4.20%,同时保证了检测速度,对于不同大小目标的检测具有良好的鲁棒性。 展开更多
关键词 交通图像识别 卷积神经网络 车辆检测 yolo v3模型 Deep-SORT算法 K-means++聚类算法
原文传递
面向小型无人机目标的快速视觉检测与跟踪算法
11
作者 底佳浩 铁俊波 +1 位作者 周理 王永文 《计算机工程与科学》 北大核心 2025年第10期1819-1829,共11页
小型无人机在多个领域展现出巨大潜力,但可能导致如非法测绘、侦察及干扰航空秩序等滥用行为,因此亟需有效的检测与跟踪策略。传统雷达在复杂城市环境中跟踪小型无人机存在局限,而基于视觉的深度学习方法虽具高精度,但计算开销大。为解... 小型无人机在多个领域展现出巨大潜力,但可能导致如非法测绘、侦察及干扰航空秩序等滥用行为,因此亟需有效的检测与跟踪策略。传统雷达在复杂城市环境中跟踪小型无人机存在局限,而基于视觉的深度学习方法虽具高精度,但计算开销大。为解决上述挑战,提出一种基于轻量化YOLOv3-tiny与交互式多模型卡尔曼滤波(IMM-KF)的检测与跟踪算法。YOLOv3-tiny用于低频检测,IMM-KF通过高频预测以及多运动模型的状态更新实现跟踪,有效降低算力需求,并且能应对目标被遮挡时的丢失问题。实验结果显示,该算法在复杂城市环境中检测与跟踪精度达98.33%,实时覆盖率达73.6%,显著提升了跟踪效率及稳定性,满足无人机监管需求。 展开更多
关键词 交互式多模型卡尔曼滤波器 视觉跟踪 yolo算法 XTDrone环境
在线阅读 下载PDF
基于深度学习的球团矿生产过程中粒度识别监测模型
12
作者 刘一民 文姗姗 +2 位作者 梁叶 何志军 高立华 《钢铁》 北大核心 2025年第4期36-43,57,共9页
在中国全力推进绿色低碳冶金的大背景下,钢铁工业正面临转型挑战与绿色发展要求,这迫切需要对高炉炉料结构进行深度调整与优化,以实现节能降碳与污染减排的双重目标。在现代冶金生产中,球团矿对比烧结矿,其自身生产的节能减排更优,对球... 在中国全力推进绿色低碳冶金的大背景下,钢铁工业正面临转型挑战与绿色发展要求,这迫切需要对高炉炉料结构进行深度调整与优化,以实现节能降碳与污染减排的双重目标。在现代冶金生产中,球团矿对比烧结矿,其自身生产的节能减排更优,对球团矿质量和数量的准确检测至关重要。在钢铁制造企业中,操作人员依赖筛分检测等经验手段来评估球团矿的粒径状态,测量时间长、准确率低。采用全自动化的监测与测量系统对球团矿粒径进行优化管理显得尤为迫切和重要。提出YOLOv5+U-Net结合的算法,与Deeplabv3+以及FCN神经网络模型进行对比试验,得出3种算法各自的优点和局限性。Deeplabv3+算法采用无卷积内核和基于无卷积的空间金字塔池(ASPP)架构,较大和较小采样率的空洞卷积可以捕捉球团整体和细节部分。FCN算法对图像中的噪声、变形和环境光变化等具有一定的鲁棒性,通过学习到的特征来克服干扰因素,准确地进行分割。YOLO算法经过多年的迭代和发展,将目标检测转化为回归问题并且引入归一化,检测精度进一步提高。验证了YOLOv5+U-Net神经网络模型在计算机深度学习、图像处理技术对球团粒径进行检测识别的方案。在检测生球粒径试验中,准确率达到97%以上,召回率达到66.8%。基于本文所提出的球团检测方法在工业自动化和质量控制等领域具有广阔的应用空间,为球团检测技术的发展提供了新的思路和方法。 展开更多
关键词 球团矿生产 圆盘造球机 卷积神经网络 图像处理 yolo算法 深度学习 球团粒度 模型
原文传递
深度学习算法在二维图谱EMGs的手势中的应用
13
作者 黎峻玮 《长江信息通信》 2025年第5期41-43,51,共4页
为了提高二维图谱EMGs的手势识别能力,构建一种改进YOLO算法模型,将该模型应用到二维图谱手势图像异常检测与评估中,利用异常检测模型完成线路中故障特征的识别和分类,在YOLO算法模型上融合了骨干网络构建异常检测模型,并加入空间金字... 为了提高二维图谱EMGs的手势识别能力,构建一种改进YOLO算法模型,将该模型应用到二维图谱手势图像异常检测与评估中,利用异常检测模型完成线路中故障特征的识别和分类,在YOLO算法模型上融合了骨干网络构建异常检测模型,并加入空间金字塔池化(Spatial Pyramid Pooling,SPP)模块将局部细节特征与全局特征相融合,提高了图像信息的分析与计算能力。实验结果显示,该研究系统模型的准确率最高为0.89,二维图谱手势图像异常检测与评估能力大大提高。 展开更多
关键词 二维图谱手势图像 yolo算法模型 异常检测 图像融合
在线阅读 下载PDF
基于YOLO-v3模型压缩的卫星图像船只实时检测 被引量:13
14
作者 陈科峻 张叶 《液晶与显示》 CAS CSCD 北大核心 2020年第11期1168-1176,共9页
常见的目标检测模型由于模型参数量较大,往往难以部署在无人机、卫星等移动嵌入式设备上。为了对船只进行实时监测,将目标检测模型部署在计算能力较弱的设备上,对基于计算机视觉的卫星图像船只目标检测方法进行研究。针对卫星图像中船... 常见的目标检测模型由于模型参数量较大,往往难以部署在无人机、卫星等移动嵌入式设备上。为了对船只进行实时监测,将目标检测模型部署在计算能力较弱的设备上,对基于计算机视觉的卫星图像船只目标检测方法进行研究。针对卫星图像中船舰的形状长宽比例特点,采用K-means++聚类算法选取初始的锚点框;接着对模型进行多尺度训练,将多尺度金字塔图像作为模型训练的输入;将YOLO-v3目标检测算法的批归一化层的尺度因子作为通道重要性的度量指标,对YOLO-v3模型进行剪枝压缩。实验结果表明,采用的模型剪枝和压缩方法能有效地对模型进行压缩,模型的参数量减少了91.5%,模型检测时间缩短了60%,极大地减少了系统计算性能的开销。当采用的初始锚点框个数为6个时,平均准确率(mAP)达到77.31%,满足了卫星图像船舰实时性检测的需求。 展开更多
关键词 船只检测 yolo-v3 聚类算法 模型压缩 通道剪枝
在线阅读 下载PDF
融合改进YOLO和背景差分的道路抛洒物检测算法 被引量:6
15
作者 周勇 张炳振 +1 位作者 张枭勇 刘宇鸣 《交通信息与安全》 CSCD 北大核心 2022年第5期112-119,共8页
针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题,探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上,对模型结构进行修改以满足实时性需求。具体地,使用... 针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题,探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上,对模型结构进行修改以满足实时性需求。具体地,使用卷积优化YOLO中的降采样模块,采用Ghost网络替代原始的特征提取网络以减少计算量,根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框,在检测框周围设定感兴趣区域,并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比,排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明,改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms,比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明,在没有抛洒物训练数据情况下,传统混合高斯模型算法平均精度值为0.51,采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78,算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms,可实现抛洒物的实时检测。 展开更多
关键词 交通工程 抛洒物识别 目标检测 yolo算法 混合高斯模型
在线阅读 下载PDF
基于深度学习YOLO模型的植物图像识别算法研究 被引量:1
16
作者 剧成宇 师艳 孙步阳 《矿山测量》 2022年第1期78-82,共5页
为提高YOLO模型进行植物图像快速识别的准确率,对基于深度学习YOLO模型算法进行研究。在传统网络模型的基础上,引入了可变形卷积,将损失函数加入分类函数层中,有效的提高了模型的泛化性能,结合cuDNN库进行并行计算,提高了算法的效率。... 为提高YOLO模型进行植物图像快速识别的准确率,对基于深度学习YOLO模型算法进行研究。在传统网络模型的基础上,引入了可变形卷积,将损失函数加入分类函数层中,有效的提高了模型的泛化性能,结合cuDNN库进行并行计算,提高了算法的效率。采用改进的YOLOv3网络模型结合公开数据集进行测试,实现了102种植物的有效识别,平均检测时间为1.275 s,在Top-2、Top-3准确率上均达到96%,与传统YOLO算法相比,识别的准确率和效率均有提高。结果表明,所建立的基于深度学习YOLO模型,在复杂多种类植物识别方面有推广应用价值。 展开更多
关键词 识别算法 植物图像 yolo模型 卷积神经网络
在线阅读 下载PDF
基于航拍数据的互通隧道小净距路段运行速度模型 被引量:4
17
作者 张驰 高艳阳 +3 位作者 杨榕玮 刘昌赫 谢子龙 靳引利 《长安大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第2期136-150,共15页
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... 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。 展开更多
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
原文传递
基于可见光机器视觉的危险行为图像识别方法 被引量:1
18
作者 张晓璐 《河北北方学院学报(自然科学版)》 2024年第9期24-30,共7页
目的探讨一种基于可见光机器视觉的危险行为图像识别方法。方法通过拉普拉斯分解处理低通滤波图像,减轻奇异点邻域振荡,随后引入区域生长算法生成新区域。采用光谱与形状差异度量准则控制种子区域扩展,并利用差分进化算法优化边界阈值,... 目的探讨一种基于可见光机器视觉的危险行为图像识别方法。方法通过拉普拉斯分解处理低通滤波图像,减轻奇异点邻域振荡,随后引入区域生长算法生成新区域。采用光谱与形状差异度量准则控制种子区域扩展,并利用差分进化算法优化边界阈值,实现危险区域精确分割。随后使用YOLO模型结合特征金字塔技术增强卷积效果,精确提取人员位置。同时,结合联合学习与嵌入范式,提取人员、物体及其时序特征,并采用异步交互聚合网络更新特征信息,最终实现危险行为的识别。结果所提方法在危险区域分割和危险行为识别上均表现出显著优势。分割结果边界清晰、完整,识别结果准确率高,mAP值明显优于其他对比方法。结论该方法有效解决了复杂场景下危险行为识别的问题,具备强鲁棒性和适应性,为危险行为监测提供了高效、智能化的解决方案,具有广阔的应用前景。 展开更多
关键词 可见光机器视觉 yolo模型 危险行为识别 区域生长算法 特征金字塔
在线阅读 下载PDF
基于卷积神经网络的目标检测 被引量:6
19
作者 付珍艳 宋宇 纪超群 《长春工业大学学报》 CAS 2021年第4期343-351,共9页
为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合。将YOLO网络模型结构以及算法函数进行了优化调整。为了保留视频时间信息,引入了卷积神经网络反馈时间维度。采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优... 为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合。将YOLO网络模型结构以及算法函数进行了优化调整。为了保留视频时间信息,引入了卷积神经网络反馈时间维度。采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解。 展开更多
关键词 yolo网络模型 目标检测优化 卷积神经网络 梯度算法
在线阅读 下载PDF
基于深度学习的服务区危化品车辆识别算法研究 被引量:4
20
作者 曹鑫胜 《山西电子技术》 2019年第3期84-86,96,共4页
近年来,随着我国工业化进程的加快,危化品的使用量也在不断地增长,特别是长途运输过程中在高速公路行驶的危化品车辆也越来越多,进入服务区的危化品车辆也在逐年增加。本文通过对进入高速公路服务区危化品车辆的实时识别,使服务区人员... 近年来,随着我国工业化进程的加快,危化品的使用量也在不断地增长,特别是长途运输过程中在高速公路行驶的危化品车辆也越来越多,进入服务区的危化品车辆也在逐年增加。本文通过对进入高速公路服务区危化品车辆的实时识别,使服务区人员能够在第一时间得知危化品车辆进入服务区,对进一步做好安全管理工作具有一定的指导性意义。 展开更多
关键词 危化品车辆识别 yolo模型 FasterRCNN算法
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部