摘要：针对现有交通信号灯检测算法计算量和模型大,嵌入式端部署难,且对远距离交通信号灯的检测难度大,漏检率高等问题,设计了一种面向嵌入式端的轻量级交通信号灯检测算法,针对轻量化和实时性要求,采用GhostNet网络Ghost模块和Ghost瓶颈层结构,减少了模型参数量,提升了检测速度;针对特征相似问题,采用加权双向特征金字塔网络结构,使得算法对目标更敏感;使用密集空洞空间金字塔池化,优化全局上下文信息的提取;针对小目标识别问题,通过多尺度检测的改进,增强对小目标的信息提取;通过知识蒸馏,提升模型学习能力,进而提高检测性能。实验结果表明,该检测算法对交通信号灯的识别精度达到了97.0%,召回率达到了99%,较YOLOv5s算法分别提高了2.7和3个百分点,模型大小减小到8.06 MB,是YOLOv5s的58%,识别速率从51帧每秒提升到56帧每秒,通过在嵌入式端的测试,改进后算法对远距离下的交通信号灯能够实时准确地识别。

摘要：无接触式及时监测奶牛发情,发现最佳配种时期有助于奶牛繁殖,提高动物福利。在奶牛发情期其运动量增大,爬跨行为增多,利用几何特征能够直观地描述爬跨行为。针对明显的爬跨行为,根据最小外接矩形框计算多维几何特征,将其作为支持向量机行为识别的重要依据。当识别出爬跨行为后,依据含有爬跨行为的帧数计算爬跨时长,最终将产生爬跨行为的时间和爬跨时长作为模糊逻辑推理模型的输入,发情奶牛最佳配种时期作为其输出。实验结果表明,提出的方法可对实际的视频进行有效处理,对奶牛行为识别的平均准确率能达到97.5%,最佳配种时期与人工决策结果具有98.9%的匹配率,该发情监测系统能够实现管控一体化,为养殖人员提供可视化决策,有效提高奶牛繁殖性能。