摘要：家居物品检测是家庭服务机器人执行目标抓取任务的关键,针对日常家居场景背景复杂、家居物品密集、小目标物品类型多而导致检测难度较大的问题,提出一种基于多感知机制融合的家居物品检测方法.首先,在yolox的颈部网络部分加入坐标注意力机制模块,减少繁杂信息带来的影响;其次,采用基于多感知融合的dynamic head对yolox的检测头进行改进,提升对小目标物品的检测精度;最后,在损失函数中加入focal loss,减小因正负样本数量不平衡而带来的误差.在PyTorch环境下,使用自制的家居物品数据集对改进后的yolox算法进行消融实验,并与其他6种目标检测算法进行对比实验.实验结果表明,所提方法对家居物品检测的mAP为58.34%,帧速为45.35帧/s,在满足算法检测实时性的同时,有效地提高了对家居物品的检测精度.

摘要：针对传统嵌入式平台疲劳状态检测系统识别精度低和实时性差的问题,设计了一种基于TDA4VM异构多核处理器的疲劳状态实时检测系统。TDA4VM嵌入式处理器通过摄像头获取图像并进行目标检测,STM32微控制器控制外设模块,包括GPS模块、GSM模块和语音模块。在目标检测算法方面,先在yolox目标检测算法中引入注意力机制模块CBAM(Convolutional Block Attention Module),再对激活函数进行改进,并优化小滑窗替换算法。将训练后的yolox模型部署在硬件平台上,实际车载实验结果表明,在不同环境下疲劳状态检测精度可达到95.3%,同时还实现了30帧/s的实时检测。该检测系统具备精度高、实时性强和教学简易等特点,在实验教学和工程应用方面具有一定的参考价值。

摘要：光分配网络(optical distribution network,ODN)网络是FTTH网络中的重要组成部分,其质量好坏直接关系到客户使用宽带网络的体验。为了对哑资源进行高效精准管理,改善网络质量,提升宽带业务开通效率,降低维护成本,设计优化了哑资源智能检测及清查系统。该系统基于深度学习中的yolox算法,设计改进提出随机梯度下降动量及Nestrov动量(stochastic gradient descent with momentum and nestrov,SGDMN)优化器,该优化器能有效抑制振荡并且在加速训练的同时对梯度进行校正,以此对参数进行更新;在不脱离真实场景的前提下选择数据增强方式,以此实现对分光器、尾纤、标签、二维码等关键信息进行目标检测,进行分类标识,维护人员可基于这些关键信息配合资管系统信息完成哑资源清查。通过其他经典目标识别算法进行对比实验,结果表明改进后的yolox算法精度更高,满足哑资源智能检测及清查实际工程需求。

摘要：随着经济社会发展,城市交通饱和现象引起道路堵塞情况日益增多,阻碍应急车辆通行。为提高应急车辆通行效率,以拉萨市为案例地,在yolox算法和DeepSORT算法的基础上,对现有的信号控制系统进行辅助优化,构建车辆统计监测系统架构。再以预计到达时间(ETA)算法计算并预估到达时间,实现应急车辆与交通信号灯智能联网联控。最终建立多目标交通信号配时数学模型,通过降低应急车辆行驶路径上的道路饱和度,从而使应急车辆能够快速行驶。实例表明在交通流量高峰时段,使用系统后可以使应急车辆平均延误降低41.28%。该系统为城市的交通流量优化、治理水平提高提供新思路,为城市交通智能化的发展提供动力。