简介：摘要：随着深度学习的不断进步，已经将应用延伸到光电跟踪设备，优质的检测跟踪算法决定光电跟踪设备的工作效率。本文提出一种改进YOLOv4的检测跟踪算法，结合空洞卷积对其网络结构进行改进，加入空洞空间金字塔池化模型，以此增大感受野，聚合多尺度上下文信息。然后，通过 K-means聚类方法生成更适合目标检测的初始候选框。其次，提出一种对象选择器，用来选择检测和跟踪轨迹中的最优候选框；最后，将最优候选框和跟踪轨

简介：摘要：针对水下裂纹采集的图片清晰度、对比度低的问题，本文提出了利用计算机视觉技术对水下裂纹进行检测，首先利用二值化对采集的水下裂纹图像进行出里，再利用改进的YOLOV4算法进行目标检测。将水下拍摄的裂纹视频提取出单独的帧；利用二值化将采集到的水下彩色图像转化成二值图像，将二值化得到的图片利用中值滤波方法进行去噪处理；将处理后的图片送入到改进后的YOLOV4网络进行训练。结果表明，该方法在对水下坝体裂纹检测的平均精确度可达94.67，速度可达33.7fps。使得水下坝体裂纹检测的准确率和运算速率都得到了很大的提升。

简介：

简介：摘要：仓库管理活动中，常常伴随着设备货物行为、人员行、人员与货物交互行为等活动，行为复杂，分布场景广泛，结合视频监控技术，采用OLOv4物体检测算法、融合OpenPose检测人骨骼点，实现仓库环境中物品拿取行为的监测。模拟试验表明这种算法识别的方法能有效解决仓储场景中物品拿取的识别监测。

简介：摘要

简介：

简介：摘要：YOLO（YouOnlyLookOnce）系列算法作为目标检测领域的里程碑，自2015年首次提出以来，以其高速度和高准确率受到了广泛关注。本文综述了YOLO算法从YOLOv1到YOLOv10的发展历程，详细探讨了每个版本的关键特性和技术改进，并分析了YOLO算法在不同领域的应用及其面临的挑战和未来发展方向。

简介：摘要：在公共场所吸烟的行为不仅危害吸烟者本身的健康，同时不规范的吸烟行为也是火灾发生的隐患，每年约20%的火灾是由吸烟引起的。随着吸烟人群的逐年增加以及禁烟执法力量的严重不足，室内吸烟行为仍屡禁不止。为了确保禁烟政策的实施，社会迫切需要能够有效检测吸烟行为的智能方法来辅助禁烟。传统的吸烟检测方法是烟雾检测，常见于室内，还有基于光电烟雾传感器的吸烟报警器，常见于高铁、列车等禁烟的公共场所，这类检测方法只能检测出大概范围，无法精确地识别吸烟对象。随着社会发展，吸烟与人们对生活健康的矛盾日益凸显。基于大量数据的深度学习目标检测算法学习目标特征和规律来监测吸烟行为以取缔灵敏度低下的烟雾传感器。近年来，深度学习的目标检测算法被广泛应用于各个领域。本文基于YOLOv7算法，在Windows10系统下搭建了深度学习环境，建立数据集，训练并评估模型，根据评估结果有针对性的对YOLOv5进行了结构改进和参数寻优。

简介：摘要：目标检测是目前计算机视觉领域倍受关注的研究热点之一，基于YOLOv3-Tiny进行目标检测和是一类较快速且检测准确率较高的方法，业界针对该方法进行了深入而广泛的研究。本文结合YOLOv3-Tiny的网络结构、算法思路，探讨了多种改进方法的优缺点和侧重点，为相关课题的研究提供参考。

简介：摘要：针对复杂路面情况下道路路面病害识别检测精度低且检测模型过大的问题，提出一种基于yolov8的道路路面病害识别检测算法。通过在算法结构中引入AFPN自适应空间融合结构，提高了道路路面病害检测的平均精度均值和检测准确率，且此方法在实际道路路面病害检测与识别中能够快速的检测出路面的破损位置及类型。

简介：摘要：

简介：摘要:随着无人机技术的不断发展，它在多个领域中的应用也越来越广泛 。航空影像获取是其中一项重要的应用，这使得车辆检测变得更加便捷、实时和高效。

简介：摘要：行人目标检测广泛应用于汽车自动驾驶、安防监控、入侵识别等领域，对检测算法的实时性提出了较高要求。由于城市道路等场景背景复杂，行人目标尺寸小且易被遮挡，导致算法运算量大，对系统计算资源要求高。本文提出了基于YOLOv3的轻量化行人检测算法。将传统YOLOv3算法的骨干网络替换为轻量化骨干网络，运算量降低了71%，模型参数量降低了62%，同时具备较高的行人检测精度，适用于计算能力较低、存储空间较小的嵌入式设备，便于前端部署。

简介：摘要：溺水事故在中国是一个严重的问题，每年都造成大量的死亡和伤亡，大部分溺水事故发生在水库、池塘、河流、溪边和湖泊等地。为了减少溺水死亡人数和人力成本，本文提出了一种智能化的无人救生艇，旨在改善传统救生圈存在的问题。该救生艇可以自动监测水域情况，并提供自动救援，有效提高救生效率和减少人为风险。本研究的结果将有助于改善溺水事故的预防和救援技术，保护人们的生命安全。

简介：摘要：随着船运流量的增加，也出现了相应的管理问题，例如对海上非法捕鱼、海盗行为、贩毒、非法货物运输的严厉打击，以及针对海上事故的救援。因此海域管理必须依靠船只巡航以及设备的监控、检测，形成一套实时监测系统，对我国的海洋管理具有重要的理论意义和应用价值。针对海上环境复杂多变、船舶目标检测精度不足和效率低下的问题，提出基于改进yolov5的船舶目标检测算法，在主干网络添加坐标注意力机制，以提升算法的特征提取能力；使用DIOU_Loss代替原有的损失函数，增加检测准确度和定位精度；应用GhostConv卷积，减小模型量的同时而保持精度基本不变。实验结果表明，相比与改进前的yolov5，改进算法的平均精度均值（mAP）、精准率（P）和召回率（R）分别提升了2.0%、1.7%、1.5%，验证了改进算法对船舶识别有很好的效果。

简介：摘要：复杂场景中检测交通标志对于智能导航与自动驾驶具有重要研究意义与实用价值，针对目前交通标志检测率较低的问题，本文提出了基于深度学习网络的交通标志检测系统，系统包括图像采集模块、交通标志检测模块和导航模块。其中交通标志检测模块采用最新YOLOv6网络为基础，基于重参数化结构，提升了检测准确率，通过软件界面可以在视频中实时准确的标志出交通标志。经过实验验证，本文交通标志检测系统有更高的检测准确率，具有较好的应用价值。

简介：摘要：针对目前灾害发生后的救援需求，本文开发了一款基于yolov5目标检测技术的两栖侦察设备。机载摄像头通过图传设备将灾后现场实时传递到地面工作站，运行算法对画面进行实时检测。本设备凭借自身两栖的机械优势，可以深入救援人员无法到达的区域进行勘测，帮助救援人员判断灾情，锁定被困人员的位置。目标检测效果良好，能够较好地反映实际情况，帮助救援人员快速开展救援行动。该无人机可以有效地提高灾后搜救效率，能一定程度上实现救援的智能化、信息化。

简介：摘要：复杂场景中检测交通标志对于智能导航与自动驾驶具有重要研究意义与实用价值，针对目前交通标志检测率较低的问题，本文提出了基于深度学习网络的交通标志检测系统，系统包括图像采集模块、交通标志检测模块和导航模块。其中交通标志检测模块采用最新YOLOv6网络为基础，基于重参数化结构，提升了检测准确率，通过软件界面可以在视频中实时准确的标志出交通标志。经过实验验证，本文交通标志检测系统有更高的检测准确率，具有较好的应用价值。

简介：摘要：工厂内违规吸烟可能引起重大的安全事故。为检测是否有人违规吸烟，提出一种可以快速准确检测吸烟的算法。该算法主要基于YOLOv5模型对摄像头输入的视频流进行实时处理。具体来说包含以下两个步骤：首先，选用合适的数据集，并对数据集的标注框进行优化；其次，使用decoupled head来调整模型的网络结构使其更好地适应吸烟检测场景的需求。实验结果表明，优化标注框的数据集召回率可以提升4.4，而改进后的算法相较于原始YOLOv5精确度提高3，召回率提升3.1，可以提供更高的检测准确率和更低的误报率。同时，在实际应用中，该算法具有较高的性能和稳定性，可以有效地用于工厂内吸烟检测的场景。

简介：摘要： 本文将使用改进YOLOv5s网络的PCB板缺陷检测算法，该网络基于YOLOv5s网络进行优化改造，不仅解决上述问题，还具有轻量化、鲁棒性高等优点，同时针对于PCB各类缺陷不易检测的难点，在优化后的网络中加入K-means+聚类算法，从而提高对于PCB小目标缺陷的检测精度。通过实验得出在 6 种 PCB 缺陷类型中对于漏孔类型缺陷检测精度达到 98.9%，所有类别 PCB可达 95.4%。实验结果表明，YOLOv5 算法可以满足工业生产中缺陷检测的需要。