摘要：车牌检测与识别作为智能交通管理的重要组成部分,广泛应用于道路监管、停车场管理等场景。为提高车牌识别的准确性,本文构建一种高效快捷的车牌检测与识别系统。将YOLOv8目标检测模型与LPRNet车牌识别网络结合运用,提升模型的精度与鲁棒性。测试的结果表明,系统对车牌检测与字符识别的精度达到85%,平均推理速度为40.30ms,具有较好的有效性与高效性。

摘要：当布匹的背景信息复杂多变时,复杂花色布匹的瑕疵定位与分类较为困难.针对这一问题,文中提出基于级联卷积神经网络的复杂花色布匹瑕疵检测算法.首先,使用双路残差的骨干特征提取网络,在缺陷图和模板图上提取并融合特征.然后,设计密度聚类边框生产器,指导框架中区域候选网络的预检测框设计.最后,通过级联回归方法完成瑕疵的精确定位和分类.采用工业现场采集的布匹图像数据进行训练与预测,结果表明,文中算法的精准率和召回率较高.

摘要：针对浙工贸人工智能专业基础相对薄弱、技术迭代快速,学生的学习(包括理论和实训)都依赖网络且易受多元价值影响等问题,课题组进行了系统设计和实证研究,构建了以立德树人为根本,以学生为中心,产出为导向的课程思政大格局,形成了基于“五合”的人工智能专业课程思政模式。“五合”的核心理念是以契合的思政目标为引领,以政课融合的思政元素为导向,思政教学与课程教学相配合,思政资源与课程资源相聚合,思政效果评价与教学效果评价相结合,开展“五位一体”的课程思政模式实践。