摘要：针对复杂交通监控场景中视频车辆检测模型难以提取丰富的目标特征的问题,本文从充分利用视频图像时空特征信息的角度,新建时空特征融合模块SF-Module,运用Transformer模型中的多头自注意力机制实现视频车辆图像当前帧和历史帧时空特征信息的提取和融合,丰富目标的特征信息;在此基础上,基于YOLOv8网络,在其颈部网络融合新建的时空特征融合模块SF-Module,挖掘视频图像序列的时空特征信息;同时,引入WIoU损失函数作为预测框回归损失,减少低质量标注框产生的有害梯度,设计SFW-YOLOv8视频车辆检测模型。最后,新建的SFW-YOLOv8复杂场景视频车辆检测模型在UA-DETRAC数据集上进行实验,对数据集中的部分图片进行了模拟雨天和雾天的数据增强,提高车辆检测模型的泛化性。实验结果表明,SFW-YOLOv8视频车辆检测模型的MAP50和MAP50:5:95值为79.1%和63.6%,较YOLOv8模型分别提高了1.7%和3.3%,推理速度为11 ms/帧,具有较为优秀的检测性能。

摘要：本文介绍利用闲置的?65挤出机收、放线架和定速牵引轮与绕包头组成绕包机,用于电缆带材的绕包。1电路图绕包头电机采用变频调速,为了方便与?65挤出机定速牵引轮同步控制,我们釆用2.2kW变频电机代替原牵引轮驱动的直流电机,设计了绕包头、牵引轮、收线单动/连动控制电路。下面结合电路图介绍其工作原理。起停控制电路如图1所示。绕包、牵引、收线单动/连动控制接线如图2所示。变频器同步速度控制电路如图3所示。