一种基于小波变换的YOLOv5火灾检测改进算法

由于复杂环境下类烟火物体的干扰,常导致火灾检测误判。为了提高图像中火灾信号的检测精度,减少火灾误报,利用传统光谱分析在火灾图像检测技术中的优势,提出了一种基于小波变换的YOLOv5火灾检测改进算法。该算法利用二维Haar小波变换提取图像的光谱特征,将其输入到YOLOv5s的主干网络CSPDarknet中,与卷积层进行通道上的特征融合,增强烟火的纹理细节特征;通过嵌入CA注意力机制的CAC3模块,对融合小波特征后的网络层的位置信息进行增强,提高网络的信息提取和定位能力;为明确衡量边界框宽高的真实差,平衡烟火难易样本,采用α-EIOU损失函数替换原本的CIOU,提高框定位准确性。在公开的火灾数据基础上结合自制火灾数据构建火灾数据集,并进行模型训练和推理。实验结果表明,改进后算法的mAP比原YOLOv5s提升了2.3%,实现了对火灾场景烟火目标较好的检测效果。     

基于感受野增强与并行坐标注意力的航拍小目标检测

针对航拍图像小目标占比多、背景复杂、存在检测精度低的问题。提出一种基于感受野增强与并行坐标注意力的航拍小目标检测算法，设计一种感受野增强模块，使用不同大小的空洞卷积扩大感受野范围并融合有效通道注意力机制来提高网络的特征提取能力；改进特征融合结构来提高算法对小目标的检测能力；设计一种并行坐标注意力模块用以提高航拍密集小目标检测以及抗背景干扰能力。采用不同输入分辨率在VisDrone数据集上进行实验，实验结果表明，所提算法的mAP0.5相较于YOLOv5算法提高了5.4%,mAP0.5:0.95提高了4.2%,在输入分辨率1 536×1 536下的mAP0.5可达54.9%,可以实现较好的小目标检测效果。     

地方应用型高校行业专业人才创新能力培养与城市产业发展——基于知识溢出效应的研究

培养行业专业创新人才推动城市产业发展是地方应用型高校人才培养的重要目标。文章基于知识溢出理论,在对地方应用型高校行业专业人才创新能力培养现状进行调研、整理和分析后,构建了地方应用型高校行业人才创新能力与城市产业发展的知识溢出效应关联模型,在此基础上归纳、总结知识溢出、地方应用型高校行业人才创新能力培养对于推动城市产业发展的路径和效应,为地方应用型高校行业专业人才创新能力培养提出了对策建议。     

基于网络表的PCB自动检测系统

本文介绍了以印刷电路板的网络表为基础,运用电子测量和计算机控制技术,实现了对印刷电板上的连线质量进行由程序控制的自动化检测,检测数据经计算机处理得出检测结果。系统设计采用模块化,可实现功能的扩展和升级。