基于改进YOLOv5的多任务安全人头检测算法

针对目前监控摄像头预置检测算法存在人脸隐私泄露风险的问题,提出一种基于YOLOv5结构的多任务安全人头检测算法Privacyface-YOLO及轻量级检测版本Privacyface-YOLO （Light）。Privacyface-YOLO的主干网络采用带残差结构的跨阶段局部网络ResCSP,通过残差结构降低特征学习的复杂度,提升网络对人头特征的提取能力。轻量级版本Privacyface-YOLO （Light）使用深度可分离卷积替换ResCSP模块,以减少计算量并提升网络的运行速度。模型的颈部模块引入特征金字塔与路径聚合网络,实现跨层多尺度信息交流,提升模型在复杂人头与小目标场景下的鲁棒性。对提取出的特征进行三分支输出,其中目标定位分支用于定位人头坐标,人头分割分支生成覆盖人头的掩膜以保证人脸隐私,人数回归分支获得图像中的人头总数,通过多任务三分支结构保护人脸隐私同时满足更加复杂的场景需求。实验结果表明,Privacyface-YOLO算法能够有效完成实时人头检测任务并保护人脸隐私,相较目前主流人头检测算法,在人头数据集HollywoodHeads和Brainwash上,该算法的平均查准率AP50指标分别提升11.8%和5.8%,平均查准率AP70指标分别提升20.2%和35.2%。     

超高效液相色谱法定量检测干果中20种酸性染料

该研究建立了超高效液相色谱-二极管阵列检测器法测定干果中20种酸性染料的方法。方法采用乙腈-水(体积比17∶3)为提取溶剂，提取液经凝胶色谱柱净化，以及选用C18柱进行分离，经二极管阵列检测器进行目标痕量水平检测。结果表明，该方法具有良好的线性范围(10～50μg/mL),相关系数(r)大于0.988 3,检测限为0.01～0.26μg/g,回收率为71%～114%,相对标准偏差(n=6)为0.80%～7.5%。经检验，该方法具有高灵敏度和可靠性，可同时检测食品中的20种酸性染料。