检索结果-维普期刊中文期刊服务平台

基于EG-YOLOv5s的矿井人员装备检测算法研究: 1; 作者易蔚勋张磊 +3 位作者陶虹京王佳源王蒙郑玉鸿《山西焦煤科技》 CAS 2024年第5期21-25,共5页; 为了解决矿井人员装备检测算法中存在的精度低、检测速度慢等问题,提出了一种基于YOLOv5s模型的EG-YOLOv5s模型。在骨干网络中引入ECA注意力机制,以突出目标的重要特征。使用GIOU作为损失函数,提高了目标定位的准确性。试验结果表明,改... 展开更多; 关键词矿井人员装备检测目标检测 eg-yolov5s网络模型机器视觉; 在线阅读下载PDF 职称材料

基于YOLOv5s模型的新型道路裂缝检测系统被引量：4: 2; 作者陈嘉锐崔得龙 +1 位作者邱泽环张霖《现代电子技术》 2023年第13期62-66,共5页; 针对现有道路裂缝检测自动化程度低、检测精度低等问题,提出一种基于YOLOv5s模型的新型道路裂缝检测系统。该系统包括基于深度学习网络的路面裂缝检测模块和自主开发的自动驾驶模块。其中,路面裂缝检测模块采用YOLOv5s网络作为裂缝检测... 展开更多; 关键词路面裂缝检测 YOLOv5s模型路面裂缝分类自动驾驶模块数据收集网络训练自主导航; 在线阅读下载PDF 职称材料

基于YOLOv5s的滑雪人员检测研究被引量：3: 3; 作者彭雅坤曹伊宁刘晓群《长江信息通信》 2021年第8期24-26,共3页; 针对滑雪人员目标检测研究中,存在的检测精度低、速度慢,不同姿态识别效果差等问题,采用YOLOv5s网络模型,改进损失函数,增加平衡因子,在自制滑雪人员数据集上对网络进行训练,利用训练好的网络进行图像特征提取,实现滑雪人员的快速检测... 展开更多; 关键词人工智能计算机视觉 YOLOv5s网络模型目标检测滑雪人员检测; 在线阅读下载PDF 职称材料

基于热红外图像的带式输送机托辊故障检测研究被引量：9: 4; 作者郭砚秋苗长云刘意《工矿自动化》 CSCD 北大核心 2023年第10期52-60,共9页; 针对目前带式输送机巡检机器人搭载红外采集设备移动受限,存在不能实时进行数据采集、数据处理并上传至监控终端,无法完成远程故障检测,续航能力不足等问题,提出了一种基于热红外图像的带式输送机托辊故障检测方法。带式输送机巡检机器... 展开更多; 关键词带式输送机托辊故障检测热红外图像 YOLOv5s网络模型带式输送机巡检机器人; 在线阅读下载PDF 职称材料

题名基于EG-YOLOv5s的矿井人员装备检测算法研究: 1; 作者易蔚勋张磊陶虹京王佳源王蒙郑玉鸿; 机构山西大同大学煤炭工程学院; 出处《山西焦煤科技》 CAS 2024年第5期21-25,共5页; 基金山西大同大学2023年研究生科研创新项目(23CX46)。; 文摘为了解决矿井人员装备检测算法中存在的精度低、检测速度慢等问题,提出了一种基于YOLOv5s模型的EG-YOLOv5s模型。在骨干网络中引入ECA注意力机制,以突出目标的重要特征。使用GIOU作为损失函数,提高了目标定位的准确性。试验结果表明,改进模型优于YOLOv5s模型,准确率提升5.6%,均值平均精度提升3.6%,检测实时性达到了106.3 frame/s.; 关键词矿井人员装备检测目标检测 eg-yolov5s网络模型机器视觉; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于YOLOv5s模型的新型道路裂缝检测系统被引量：4: 2; 作者陈嘉锐崔得龙邱泽环张霖; 机构广东石油化工学院; 出处《现代电子技术》 2023年第13期62-66,共5页; 基金国家自然科学基金项目(62273109) 广东省创新科技专项资金(pdjh2022b0345)。; 文摘针对现有道路裂缝检测自动化程度低、检测精度低等问题,提出一种基于YOLOv5s模型的新型道路裂缝检测系统。该系统包括基于深度学习网络的路面裂缝检测模块和自主开发的自动驾驶模块。其中,路面裂缝检测模块采用YOLOv5s网络作为裂缝检测与分类的模型,实时获取路面裂缝图片作为数据集并在此数据集上对网络进行训练,利用训练好的网络提取不同类型裂缝图像的特征信息,实现路面裂缝的分类与检测。自动驾驶模块使用自主设计的工程作业车作为载体,搭载激光雷达、高清摄像头等设备,结合云端后台搭建一套功能完善的路面裂缝检测系统。实验证明该系统具有路面裂缝识别、自主导航、联网、定位、远程控制等功能,适用于常规与特种道路的安全检测工作。; 关键词路面裂缝检测 YOLOv5s模型路面裂缝分类自动驾驶模块数据收集网络训练自主导航; Keywords pavement crack detection YOLOv5s model pavement crack classification autonomous driving module data acquisition network training autonomous navigation; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于YOLOv5s的滑雪人员检测研究被引量：3: 3; 作者彭雅坤曹伊宁刘晓群; 机构河北建筑工程学院信息工程学院; 出处《长江信息通信》 2021年第8期24-26,共3页; 基金河北省技术创新引导计划项目-科技冬奥专项资助《基于5G的VR场景下冰雪突发事故高精度定位技术研究》(20470302D)。; 文摘针对滑雪人员目标检测研究中,存在的检测精度低、速度慢,不同姿态识别效果差等问题,采用YOLOv5s网络模型,改进损失函数,增加平衡因子,在自制滑雪人员数据集上对网络进行训练,利用训练好的网络进行图像特征提取,实现滑雪人员的快速检测。基于YOLOv5s的滑雪人员检测模型可以有效识别不同姿态下的滑雪人员,mAP值达到99.87%,Recall值达到97.66%,检测速度可以达到7ms/帧。实验结果表明,改进的YOLOv5s滑雪人员检测模型,检测速度快,检测精度高,鲁棒性强,有较好的可扩展性,既满足检测精度要求,又满足检测速度要求。; 关键词人工智能计算机视觉 YOLOv5s网络模型目标检测滑雪人员检测; Keywords Artificial intelligence Computer vision YOLOv5s network model Target detection skier's detection; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于热红外图像的带式输送机托辊故障检测研究被引量：9: 4; 作者郭砚秋苗长云刘意; 机构天津工业大学电子与信息工程学院天津工业大学机械工程学院天津工业大学工程教学实习训练中心; 出处《工矿自动化》 CSCD 北大核心 2023年第10期52-60,共9页; 基金国家自然科学基金面上项目(NSFC51274150) 天津市重点研发计划科技支撑项目(18YFZCGX00930)。; 文摘针对目前带式输送机巡检机器人搭载红外采集设备移动受限,存在不能实时进行数据采集、数据处理并上传至监控终端,无法完成远程故障检测,续航能力不足等问题,提出了一种基于热红外图像的带式输送机托辊故障检测方法。带式输送机巡检机器人搭载托辊故障检测器及红外热像仪,红外热像仪将采集的托辊热红外图像序列与温度数据传输给托辊故障检测器进行托辊故障检测,检测结果由托辊故障检测器内置的WH-L101无线传输模块发送给上位机。提出了一种带式输送机托辊故障检测算法:利用YOLOv5s目标检测算法提取托辊热红外图像的感兴趣区域(ROI),采用维纳滤波和自适应中值滤波算法对ROI图像进行滤波,利用自适应直方图均衡化和图像锐化算法对滤波后的ROI图像进行增强,采用基于形态学的Otsu图像分割算法对增强后的ROI图像进行图像分割,得到待检测的托辊图像,利用Harris角点检测算法提取托辊图像特征,获得托辊位置信息,提取相应位置的温度信息,并采用基于相对温差法的托辊故障检测算法判定托辊故障。实验结果表明:①YOLOv5s网络模型提取托辊ROI的目标检测结果平均准确率为99.12%。②提出的托辊故障检测算法对托辊故障(无故障、轴承锈蚀、托辊卡转、筒体磨穿)检测的平均准确率为97.625%,帧率为16帧/s。③将检测结果通过无线传输模块传送至上位机,可显示故障类型及关键区域温度,并进行报警。; 关键词带式输送机托辊故障检测热红外图像 YOLOv5s网络模型带式输送机巡检机器人; Keywords belt conveyor roller fault detection thermal infrared image YOLOv5s network model inspection robot for belt conveyor; 分类号 TD634.1 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于EG-YOLOv5s的矿井人员装备检测算法研究	易蔚勋张磊陶虹京王佳源王蒙郑玉鸿	《山西焦煤科技》 CAS	2024	0	在线阅读下载PDF 职称材料
2	基于YOLOv5s模型的新型道路裂缝检测系统	陈嘉锐崔得龙邱泽环张霖	《现代电子技术》	2023	4	在线阅读下载PDF 职称材料
3	基于YOLOv5s的滑雪人员检测研究	彭雅坤曹伊宁刘晓群	《长江信息通信》	2021	3	在线阅读下载PDF 职称材料
4	基于热红外图像的带式输送机托辊故障检测研究	郭砚秋苗长云刘意	《工矿自动化》 CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料