简介：摘 要：YOLOv5是一种目标检测算法，它在多个数据集上取得了优秀的表现，是目前最先进的目标检测算法之一。传统YOLOv5算法用于变电站鸟类视频识别场景时，由于鸟类为小目标类型，容易出现预测框和真实框不相交，无法进一步学习训练的情况，需要对此算法进行改进并辅助以卡尔曼滤波目标跟踪算法，来达到对鸟类目标的识别及跟踪效果。

简介：摘要：本文分析了目标检测算法YOLOv5网络结构的优缺点，提出了一种轻量化网络模型YOLOv5s-lite，对原来的YOLOv5s进行了模型加速，用分组卷积、深度可分离卷积和通道混洗操作代替网络中部分普通卷积，并在自制的螺栓模板数据集上验证了检测性能和模型复杂度，在基本不改变检测精度的情况下将网络模型减小了将近一半。

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：电力系统的正常运行离不开电力设备的检修维护，检修人员在检修维护作业时有可能进行违规操作，导致一定的安全风险，现有的检修监控系统存在一定的问题，无法及时精确定位跟踪捕捉到视野边缘或者距离太远的作业人员清晰的操作过程。为了提高监控系统的监视效率，减轻监控操作人员的负担，本文提出一种基于YOLOv5和Deep SORT算法的电力检修维护人员智能变焦跟踪监控系统，该系统能够实现对作业人员的精确识别和目标跟踪，同时通过监控摄像头的自动追踪和智能变焦实现对检修维护人员作业过程的精确监控。

简介：[目的/意义]天然牧场下放牧牲畜数量的准确检测是规模化养殖场改造升级的关键.为满足规模化养殖场对大批羊群实现精准实时的检测需求,提出一种高精度、易部署的小目标检测模型CSD-YOLOv8s(CBAM SP-PFCSPC DSConv-YOLOv8s),实现无人机高空视角下小目标羊只个体的实时检测.[方法]首先,使用无人机获取天然草原牧场中包含不同背景及光照条件下的羊群视频数据并与下载的部分公开数据集共同构成原始图像数据.通过数据清洗和标注整理生成羊群检测数据集.其次,为解决羊群密集和相互遮挡造成的羊只检测困难问题,基于YOLO(You Only Look Once)v8模型构建具有跨阶段局部连接的SPPFCSPC(Spatial Pyramid Pooling Fast-CSPC)模块,提升网络特征提取和特征融合能力,增强模型对小目标羊只的检测性能.在模型的Neck部分引入了卷积注意力模块(Convolutional Blo...

简介：摘要：随着互联网迅速发展和新闻数量的激增，如何准确获取新闻的重点和核心内容已成为一个亟待解决的问题。由于中文新闻文本摘要的关键信息提取准确率较低，因此提出了基于实体感知的生成式摘要算法，旨在全面捕捉新闻中的核心信息。该算法将实体特征融入T5-Pegasus摘要模型中，使模型能够学习新闻中不同词语之间的实体相关性，从而提高摘要的准确性。实验结果表明，与传统的T5-Pegasus模型相比，该模型生成的摘要在ROUGE-1、ROUGE-2和ROUGE-L指标上均有提升，有效提高了事实准确性，生成了更好的文本摘要。

简介：摘要：本研究旨在构建基于大模型智能体的安全风险态势感知框架，以提升安全风险管理的有效性。通过分析相关理论基础，探讨安全风险管理理论、大模型智能体的特征及态势感知的关键技术，设计出涵盖数据层、智能体层和应用层的框架结构。实施策略方面，将提出技术方案和管理措施，以确保框架的有效运行和持续改进。此框架的建立将为安全风险评估和实时监测提供有力支持，为相关领域的实践应用提供理论依据。

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：视频采集和识别技术目前广泛运用于各个领域，赋能增效作用明显，以YOLO为代表的热门目标检测算法，支持视频检测、分割、姿势估计、跟踪和分类等全方位的视觉任务。本文设计了一种基于YOLOv8的视频识别增强系统，可以对多源实时视频和历史视频文件进行内容识别并标注增强显示，对潜在安全威胁进行预警提示，统计记录视频信息和时间标记，并提供内容检索定位功能，能够显著提高监控人员对视频的感知响应能力、统计分析能力和查询定位能力，功能丰富、适用性强，具有良好的应用前景。

简介：摘要：近些年来，我国社会不断进步，随着5G技术以及无线数据互联技术的快速发展,在驾驶领域之中,自动化、智能化的交通系统成为研究热点。智能交通系统可以有效地感知城市中各个街道的车流状况,提升道路利用效率,减少交通堵塞情况的发生。基于卷积神经网络的目标检测方法取得了较好的成果,具有灵活性高以及可以同时检测多条道路等特点。如何减少误检、漏检,提高车辆检测的准确性,是将深度学习应用到车辆检测的关键性问题。以YOLOv5为基础模型,对其进行相关改进。检测改进算法的性能,为车辆检测算法提供理论支撑,增添数据库存储量。

简介：摘要：近年来，随着环保要求的不断提高，钢铁企业的大气污染问题日益突出，严重威胁环境质量和公众的健康。为了更有效地发现和控制钢铁企业的可视污染问题，采用大数据及图像识别技术建立智慧感知模型，实现污染源排放的实时监测和分析，有效地提高了污染物排放管控水平。通过对多个钢铁企业的模型应用部署，该模型可以准确地获取和判断企业的污染排放行为，并及时的通知提醒，大大降低了大气污染物异常排放事件，为企业提供了一种有效的环保解决方案。此项研究可以为钢铁企业环保管理者提供可视化的、实时的和准确的污染排放信息，对大气环境保护和改善具有重要的参考意义。

简介：摘要：经过深入的调查研究，我们发现我国煤矿安全事故频发的主要根源在于煤矿企业的应急管理能力相对薄弱，包括预防突发事故的意识尚待提高、应对措施存在偏差以及应急响应时间不够迅速等问题。综合上述因素考虑，我国煤矿企业急需增强应急管理能力，这对于维护我国经济持续健康发展和社会和谐稳定具有重要的现实意义。本文通过借鉴4R危机管理理念，深度剖析了煤矿应急管理的理论框架，并证实了这种管理模式在煤矿应急管理中的显著适用性。在此基础之上，运用网络分析方法和Super Decision软件，构建了一个以4R理论为指导的煤矿应急救援能力评估指标体系模型。最后，通过实际案例验证了该评价模型的实用价值。

简介：摘要：随着施工现场安全管理工作要求与严格程度的持续提升，以及相关技术操作的加速更新，为解决施工人员安全帽佩戴情况检测与管理难度偏高的问题，本文对安全帽佩戴检测方法进行了研究，提出了一种基于YOLOv3的安全帽佩戴检测方法的设计思路，从基于图像金字塔的多尺度特征检测、k-means维度聚类算法、多尺度训练这三方面入手，分析了该安全帽佩戴检测方法的实现要点，并进行了效果验证，结果表明该方法的应用效果良好。

简介：摘要：随着科技的飞速发展，智能交通系统在人们的日常生活中扮演着越来越重要的角色。但是，在实际应用过程中，由于可能出现光线多变、车牌遮挡以及拍摄角度不同等复杂情况，车牌检测仍存在误测问题。

简介：摘要 ：在当今快速发展的技术时代，人工智能（AI）的潜力已经被应用于各个领域，从自动驾驶车辆到健康诊断。 AI的一个重要且创新的应用是火灾检测，这是一个及时和准确检测可能关系到生死的领域。将AI整合到火灾检测系统中，代表了从传统方法迈向了一个重大飞跃，提供了增强的效率和可靠性。

简介：摘要 : 近年来，人工智能技术广泛应用在各个行业，其中深度学习模型在图像识别任务中表现尤为出色。本文介绍了一种基于YOLOv9（You Only Look Once, Version 9）的实验室菌种识别技术。该方法通过训练卷积神经网络，对实验室菌种图像进行实时分类与统计，改变原有人工统计的方式。实验结果表明，基于YOLOv9的菌种识别系统在准确性和速度上均优于传统方法，具有重要的应用价值。

简介：摘要：为了实现在麦田复杂背景下的小麦赤霉病的快速精准识别，构建了小麦乳熟期小麦赤霉病图像数据集，提出一种基于Yolov5s算法的小麦麦穗赤霉病识别方法。YOLOV5的结构采用了单阶段目标检测模型的设计思路，其目标检测流程包括输入图像预处理、特征提取、特征图处理、目标检测和后处理几个步骤。其中，特征提取是通过卷积神经网络（CNN）实现的，用于提取图像的特征信息，构建特征图。在自建的数据集上进行型验证，结果表明，yolov5s对小麦麦穗赤霉病的检测精度达到75.1%，可在小麦麦田环境下小麦赤霉病的检测提供了参照。

简介：

简介：摘要:全球垃圾问题日益加剧，垃圾分类成为重要的环保任务。本研究结合深度学习与Yolov8图像处理技术，提出创新的智能废旧材料检测方法，通过综述现有智能垃圾分类技术，揭示其在复杂场景中的局限性，并在技术、社会、政策等方面讨论推行智能垃圾分类的可能性。详细介绍了所提方法的模型架构、工作流程、数据收集、训练过程，并通过精度曲线分析展示了模型的高性能。延伸研究验证了模型在多物体检测、各角度准确性方面的出色表现，结合用户调查提供实际应用参考。综合研究结果显示显著进展，为废旧材料处理提供可行解决方案，对未来垃圾分类研究具有重要意义。