摘要：针对当前主流目标检测算法对图像中远距离小目标产生的漏检、误检等问题,提出一种改进yolov5s的小目标检测算法。在模型训练过程中,通过引入Focal-EIOU定位损失函数,加强边界框的定位精度;在骨干网络中,通过添加小目标检测层,提高小目标的检测精度;在Neck结构中,通过优化上采样算子和添加注意力机制,加强小目标的特征信息。实验结果表明,改进后的算法在VisDrone数据集上与yolov5s算法相比,mAP@small提高了3.2%,且检测速度满足实时性的要求,能够很好地应用于小目标检测任务中。

摘要：针对目前生活垃圾检测算法在背景复杂、目标尺寸多样的情况下检测精度低,模型参数量大的问题,提出了基于改进yolov5s的生活垃圾检测算法.基于密集连接与GhostConv,设计了C3_GD与C3Ghost模块,主干中使用C3_GD模块以提升模型在背景复杂、目标遮挡情况下的特征提取能力,颈部的C3Ghost模块用以减少模型参数量.构建融入Involution算子的I-BiC模块,对多尺度特征融合网络进行了优化,提高算法对不同尺寸目标检测能力.引入simAM注意力机制,抑制背景噪声影响.实验结果表明,在自制数据集上,改进后模型较原始模型mAP@0.5提高2.9%,精度提高4.3%,召回率提高2.8%.在公开的TrashNet数据集上,改进模型mAP@0.5∶0.95增加4.9%.改进后模型表现出更好的检测效果,能较好地完成生活垃圾检测任务需要.

摘要：针对绝缘子缺陷巡检过程中,传统算法因背景复杂难以同时兼顾检测精度与模型大小的问题,提出一种基于改进yolov5s的绝缘子缺陷检测模型。首先,采用Bottleneck CsP结构,引入轻量型空间与通道卷积注意力机制,强化绝缘子特征并抑制复杂背景特征;然后,提出一种改进的BiFPN结构,实现多尺度特征融合,提升小目标检测能力;最后,采用K-means++算法重新聚类先验框,并设计轻量型GhostC3和Ghost Conv模块,保证网络精度的同时减小模型大小。实验结果表明:改进算法在Insulator2022数据集上的mAP值达到92.3%,提升了3.6%,参数量减少了26.73%,浮点运算量减少了23.17%,漏检率降低了5.47%;在公开数据集上,缺陷绝缘子mAP值达到99.5%,各项评估指标值优于Faster-RCNN、ssD、yolov3和yolov3-tiny主流算法以及绝缘子检测相关算法。

摘要：为设计一款能够应用于酒店场景且性能良好的智能消毒机器人。根据机器人在酒店不同场所进行消毒的具体情况,确定了其主要的功能和模块。然后,对机器人的主控芯片模块、雾化及消毒模块、红外及超声波模块以及机器视觉等模块进行了系统的硬件和软件设计,并采用yolov5s算法,进行了消毒场所图像识别的精度测试。结果显示,机器人的测试精度基本满足要求,可以为准确的场所消毒提供支持。同时,也表明功能和结构相统一的设计思路,能够提升消毒机器人的设计效率,是一种行之有效的方法。

摘要：为设计出一款性能良好的温室大棚农业机器人,并提升设计效率,在确定机器人功能的基础上,通过整理实现功能的技术手段,构建了形态分析矩阵,得到了288种设计方案。随后,通过对技术手段进行分析论证的方式,筛选出了最佳方案,构建了该方案的三维实体模型并完成了控制系统设计。最后对机器人模型进行性能测试,结果显示,该机器人各项基础功能均满足要求,且采用yolov5s算法后,蒜苗劣质株的识别率也达到了一个较高的精度。由此表明,对于温室大棚农业机器人而言,形态分析法是一种效率较高的创新设计方法。

摘要：研究针对电网带电区域施工人员行为监测存在的难点问题,设计了一种基于目标跟踪的人员行为辨识系统。该系统结合计算机视觉技术和传感器技术,采用双向特征金字塔网络(BiFPN)和优化损失函数的方式对yolov5s进行改进,并引入卡尔曼滤波模型实现对施工人员行为的目标跟踪。结果显示,在NEU Pole和Baidu FsG数据集中的辨识正确率为92%以上,当准确率为0.9时,对应的召回率分别为0.82和0.84。研究系统在两种场景分别正确识别标注13个和44个。对比以上数据可知,研究系统能对电网带电区域施工人员行为进行精确辨识和实时跟踪检测。

摘要：针对火箭弹非金属壳体的缺陷样本少且分布不均衡的问题,提出一种基于DCGAN与yolov5s的缺陷识别方法。在对非金属壳体的X射线缺陷图像实施亮度变换、对比度变换、颜色变换等非生成式数据增强方法的基础上,设计了深度卷积生成对抗网络(DCGAN)扩充缺陷数据集,解决了样本少且分布不均的问题。优化yolov5s网络的C3模块,使用稠密网络代替残差网络,增强网络的特征提取能力。实验结果表明,优化后yolov5s算法的mAP值、精确率、召回率分别提高到85.4%、85.2%、83%,能够较好地识别火箭弹非金属壳体的缺陷。

摘要：针对城市轨道交通(简称:城轨)列车车厢客流密度检测过程中人群密集、乘客间相互遮挡的问题,文章提出一种基于改进yolov5s模型的列车车厢客流密度检测方法。设计了基于车载闭路电视监控(CCTV,Closed-Circuit Television)系统监控进行实时目标检测的列车车厢客流密度检测模型;为解决人群密集及遮挡问题,对yolov5s进行优化,采用了双向特征金字塔网络(BiFPN,Bidirectional Feature Pyramid Network)结构加强网络特征融合,设计了一种损失函数计算方法,改进了非极大值抑制(NMs,Non-Maximum suppression)方法,避免候选框误删除的情况。在标准行人检测数据集和自制地铁车厢乘客数据集上进行实验,结果表明,在两类数据集上,改进模型的检测精度均较原模型有所提升。