简介：摘要：目标检测算法在不断更新迭代，从20世纪90年代至今，目标检测领域已经发生了翻天覆地的变化。本文简要梳理了目标检测算法的发展历程，重点对YOLOv1和YOLOv3两代算法进行了详细讨论，同时还探讨了YOLO算法在农业、工业、医学和遥感监测等领域的广泛应用，并展望了其未来的发展潜力。

简介：摘要：本文综述了近年来基于深度学习的PCB缺陷检测方法的研究进展，分析了不同方法的优缺点和适用场景，并提出了了一种基于YOLOv7的PCB缺陷检测方法。本文详细介绍了YOLOv7的网络架构和实现细节，并将其应用于PCB缺陷检测的任务，通过实验验证了其在PCB缺陷检测上的有效性和实用性。

简介：摘要：YOLO V8（You Only Look Once V8）是一种用于目标检测的高性能算法。本文主要研究了YOLO V8的数据结构和算法，并对其进行了分析和优化。首先，我们介绍了YOLO V8使用的锚框（anchors）数据结构，这是一组预定义的矩形框，用于表示目标的位置和尺寸。然后，我们详细探讨了YOLO V8的算法，其基于深度卷积神经网络（CNN），通过一次前向传递实现多目标的位置和分类预测。此外，我们还研究了YOLO V8中使用的非极大值抑制（NMS）算法，用于筛选重叠的检测结果。为了提高检测性能，我们对YOLO V8进行了一系列优化，包括卷积核的大小和数量、激活函数的选择和损失函数的设计。

简介：【摘要】随着城市化进程的加快，各地建筑数量与规模日渐攀升。随之而来的是城市建筑火灾事故步履，火灾极易导致毁灭性与灾难性后果，造成巨额经济损失的同时，危及公众生命财产安全。因此提升火灾预测准确性，必须借助智能火灾检测方法。本文基于yolo算法，设计出一种火灾检测智能机械臂小车，旨在实现火灾的实时检测，并在最短时间内应对可能的火灾安全隐患。

简介：

简介：摘要：针对传统的火焰及烟雾传感器对火灾发生初期预警效果不理想等问题，提出了一种软硬件相结合的视频图像智能检测方法。该方法基于YOLOv5算法模型，通过对火焰样本数据集进行标注，并输入到YOLOv5的训练算法，生成pt格式的权重模型，利用该权重模型进行测试，能够在短时间内对火焰进行特征提取，同时辅以高精度的烟雾传感器提高对火灾预防的准确性，实现了有效的灾情预防效果。

简介：摘要：草坪障碍物的检测是智能割草机械不可避免的问题，它关系到割草机能否安全、稳定、高效的运行。考虑到障碍物检测的实时性以及嵌入式平台的应用，本文搭建了一个草坪异物检测平台，建立一个异物图片数据集，提出了一种简单高效的方法用于生成图片中垃圾目标物的简易真值热力图。基于 YOLOv5网络，以真值热力图为量化标准，设计并实验得出一种用于生成异物目标物预测热力图的分支结构。随后将预测热力图送回 YOLOv5的 backbone 结构，增加目标检测网络前向传播过程中特征图的空间注意力权重，以提高整个目标检测网络的性能。通过拍照将数据上传到平台，使用神经网络图像识别技术进行特征提取。与数据集里收集的异物图片特征进行对比，将对比结果及时反馈给平台，草坪管理人员可以通过检测结果及时进行草坪清理，既保障群众在草坪上的安全性，也能够保护草坪环境。

简介：

简介：摘要：为了识别养殖场里是否有牲畜和人，通过摄像头将图像信息传给STM32芯片，芯片通过算法分析图像来检测是否有人和牲畜，在没有人和牲畜的情况下自动开启消杀。YOLO是一种现有较为成熟的目标检测算法，具有检测精度高、速度快的特点，且使用端对端的训练方式和预测手段，具备较高的灵活性。STM32芯片控制的系统当前被越来越多的应用于各个领域，它能够在使用过程中更加方便快捷。

简介：摘要：随着电力设施的复杂性和覆盖范围的扩大，对其的维护和监控变得越来越关键。传统的人工巡检方法既耗时又可能存在漏检风险。无人机作为一种高效、全面的巡视工具，配合先进的人工智能技术，为此提供了高效的解决方案。本文主要探讨如何利用YOLO算法在无人机巡视数据中快速发现可能造成电力线路故障的挖掘机等隐患。

简介：

简介：摘 要：垃圾造成的环境污染日益严重，现有的垃圾分类技术难以对大规模垃圾进行有效分类，因此人工智能技术在垃圾分类领域的应用成为近期的热点。本文分析了现有的智能垃圾分类模型，采用最新的YOLO v8目标检测算法对垃圾进行智能分类。该模型可以实现垃圾的智能识别、分类和回收，有效提高了智能垃圾分类领域的垃圾识别和分类效率。

简介：摘要：针对目前常用的目标检测算法检测PCB板表面缺陷具有定位不准确、细小缺陷难以检测等问题，本文提出了多尺度特征融合的YOLO V3（Multiscale Feature Fusion，MFF-YOLO V3）PCB缺陷检测方法。受YOLO V3模型启发，通过设计卷积神经网络提取多尺度图像特征，将生成的多尺度特征进行融合以生成单尺度图像特征，然后运用聚类方法以实现对PCB板缺陷的准确定位。与YOLO V3不同在于，通过提高多尺度图像特征的分辨率并进行融合，提高了模型对PCB板微小缺陷的检测能力；为实现PCB板缺陷的精准定位，采用以AvgIOU为金标准的K-means算法实现候选目标区域的重定义。同时，由于MFF-YOLO V3实现了单输出以实现特征的提取，减小卷积层的层数，从而减小网络训练的计算量。通过在DeepPCB数据集上进行测试，其mAP较YOLO V3提升了9.2%，准确率达到了87.9%。实验表明，多尺度特征融合YOLO V3的PCB板表面缺陷检测方法能够更有效的检测PCB板缺陷，基本满足工业检测要求。

简介：摘要：数据结构作为计算机科学的核心，已经成为人们必须掌握的一切信息知识。作为经典的最短路径算法，Dijkstra算法数据结构被在生活中的各方面都有所体现。本文从数据结构和最短路径算法的定义入手，介绍了Dijkstra算法的算法优缺点和算法实例，最后阐述了最短路径算法在现实生活中的作用，说明该算法的重要意义。

简介：摘要：本研究基于YOLO V7算法，针对建筑施工人员事故数据，设计了一种检测模型。首先，进行了YOLO V7算法原理回顾，为后续模型设计奠定基础。其次，提出了基于该算法的建筑施工人员事故检测模型，并设计了模型训练与优化策略。实验结果表明，该模型在精度、召回率和F1值等指标上均取得了良好表现。进一步的实验结果分析与讨论显示，模型在检测建筑施工现场事故方面具有较高的可靠性和效率。

简介：摘要：本文介绍了传统NAS-RIF算法的原理，针对NAS-RIF算法对噪声敏感的不足，加入正则化参数，改进了NAS-RIF算法，实验结果证明，与传统的复原算法相比，改进后的算法图像复原效果较好，峰值信噪比和复原后的视觉效果较优，图像细节清楚度有所提高，证明了改进算法的有效性。

简介：[摘要] PID控制算法是经典的工业工程控制算法之一，增量式PID控制算法是对传统PID控制算法的优化，但其存在静态误差无法消除的影响，因此本文引入遗传算法对其进行进一步优化，并给出了优化步骤，同时给出了一个用遗传算法进行单环系统增量式PID控制器优化设计的仿真实例，并克服了其静态误差无法消除的问题。

简介：摘要：在物联网技术日趋成熟的今天，利用地理位置信息进行资源配置最佳化室内定位系统的研究起到了很大的作用。位置信息是必要的辅助工具，在屋内取得地点资料的方案中，在IEEE802.11WiFi标准中，无线网络中的信道状况资料被定义为一个参数，是目前无线网络研究的一个热点。但是，现有的以信道状况资料为基础的定位系统，会造成多个错误的积累。目前还很难满足物联网和智慧家庭对精准度的要求。在室内进行高精度定位，还有很多问题亟待解决。因此，迫切需要研究能够有效解决上述问题的新方法、新技术，从而进一步提升室内高精度定位的精度与可靠性。

简介：摘要：本文介绍了一种新的高效优化方法“基于教与学的优化”。该方法研究了教师对学习者的影响。与其他受自然启发的算法一样，TLBO也是一种基于总体的方法，并使用大量的解决方案来进行全局解决方案。人口被认为是一组学习者或一组学习者。TLBO的过程分为两部分：第一部分是“教师阶段”，第二部分是“学习阶段”。“教师阶段”指向教师学习，“学习者阶段”指通过学习者之间的互动来学习。

简介：摘要：数据结构和算法设计的研究有助于解决电子软件中的复杂问题，如图像处理、数据压缩、信号处理以及网络分析等。通过合理选择和设计数据结构，可以提高算法的执行效率，降低内存占用，并提供快速、可靠的解决方案。算法设计与数据结构的相互关联也为解决实际问题提供了指导和支持。