摘要：为实现双源无轨电车对集电盒的智能识别和挂载,基于第三版传统黑暗网络的主干网络单次检测(yolo-v3)网络模型,提出以轻量化移动网络为主干网络的改进型yolo-v3网络。通过数据集的处理、模型的设计、训练环境的搭建等完成了网络的部署,然后对模型规模、识别精度和处理速度等指标进行比较。结果显示改进型yolo-v3网络使用更小的计算资源得到更优精度。网络部署在FPGA内部中央处理器的分散处理单元中。实车测试结果表明,改进网络明显优于其他传统网络。

摘要：针对中国高速公路传统视频监控系统成本高、维修复杂、数据交互困难等问题,该研究通过利用沿高速公路路边分布的密集部署的摄像机设施,建立了远程视频监控系统。该系统在大数据分析平台上将监视到的沿高速公路的实时视频数据进行可视化处理,针对恶劣空气通过分析空气能见度和监测图像特征的耦合变化来解决能见度值,采用基于深度学习的目标检测算法实现大数据的处理和计算,引入GIoU指标作为边框损失函数对yolo-v3网络模型进行精确度改进,实验表明,相比于传统L1与IoU指标损失函数,GIoU损失值在迭代次数为20000次时只有0.1,综合效果最好。

摘要：目的针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用yolo-v3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果将yolo-v3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。