摘要：针对实际的废钢回收业务场景,设计了一种旨在判识混杂在钢材中异物的类型与位置的方法。首先,在实际的废钢回收场地,通过架设高度合适的摄像头采集图像,并基于采集的原始图像构造了较大规模的数据集;然后,根据实际情况,定义了10个异物类别,并对所有数据集中的数据进行了详细的人工标注;最后,采用Mask R-CNN(Mask Region Convolutional Neural Network)对图像预处理,以有效减少无关背景的干扰,进一步采用Mosaic数据增强方案增强样本的多样性,提高小目标检测率。综合考虑效率与精度,设计了基于YOLOv5的特征抽取与目标检测方法。实验结果表明,所提方法能取得较高的检测精度,较好地解决了复杂的小目标检测难题,基本实现废钢异物检测。

摘要：智能信息技术的飞速发展,与各行业间的激烈碰撞,进一步催生了各行业的经济发展效益点。文章以智慧环保管理平台建设可视化关键技术为研究对象,在探究智慧环保管理平台设计构想、整体建设目标、设计原则等关键内容的基础上,详细分析了智慧环保管理平台建设可视化设计的建设内容和主要功能设计,最后对智慧环保管理平台的实际应用进行研究,旨在为我国智慧环保管理平台建设的运行提供更扎实的基础。

摘要：针对实际的电石业务场景,基于YOLO系列模型设计了电石检测分割的方法,并开发了相应的系统。首先,通过采集大量的图像样本构建了较大规模的数据集并进行标注;为了节省算力和提高准确率,将检测和分割分为两个模块,模型分别为YOLOv5-l和YOLOv5-seg-m。在实验中,对模型的内部结构进行了一系列的改进,提高了算法的运算速度;并在此基础上对模型进行了参数量化,进一步节省了带宽、降低了模型的存储和运算所需的空间。相比于MaskR-CNN算法,在分割效果接近的情况下,速度得到了极大的提升。很好地完成了检测和分割电石的任务,为后续的生产自动化和无人化打下了基础,填补了相关检测的空白。之后将会针对排除光照影响、提高分割精度和评判电石质量模型继续研究。