基于O-YOLOv3 的无人机森林火灾识别研究

为解决传统森林火灾检测误报率高、响应速度慢等问题,提出了以无人机作为探测平台,地面站作为火灾识别系统,实现森林火灾的自动探测、识别和定位。开发了六旋翼无人机平台,通过所搭载的红外摄像机和机载计算机获取森林火灾现场图像并实时传回地面。利用地面站对所接收到的火灾图像进行处理,实现对森林火场的在线监测。在森林火灾识别算法方面,提出了O_YOLOv3 算法,采用Darknet 框架进行网络训练,使用K_means 方法自动生成锚点,有效提高火灾识别精度与响应速度。将O_YOLOv3 算法与其他几种算法进行对比实验验证本文算法的有效性。实验结果表明：O_YOLOv3 火灾识别算法能够快速、精准识别森林火灾;所研制的基于O_YOLOv3 的无人机森林火灾探测系统能够用于实际森林火灾探测。     

基于YOLOv3的无人机建筑物空间特征提取方法研究

随着智慧城市的发展,对建筑空间特征的采集速度和精度要求越来越高,针对市面上常见的空间特征提取方法灵活性差、智能化程度低、人力成本高等问题,本文提出了一种基于无人机扫描与YOLO识别的检测方法,完成了建筑物窗户构件的实时识别与提取。本文对YOLOv3算法进行了优化调整并运用自制的数据集对算法模型进行训练,使用Nginx搭建RTMP(Real Time Messaging Protocol)推流服务器接收无人机扫描信息,在地面平台显示实时识别结果,该方法大大提高了识别效率,降低了推流传输延迟,在无人机检测实验中体现出了实时、高效、智能的特点,借助无人机的灵活性,能够高效地满足建筑构件实时检测的需要。     

基于YOLOv3算法的危险区域工人识别

土木工程施工现场是一个复杂多变且事故发生率较高的作业环境,同一个工程场地存在着多个危险区域。对该区域传统的管理方式是派专职人员进行看守和管理,这种人工管理的方式易出错且不能够及时发现人员的进入情况。对于动态危险区域,操作人员在操作机械的同时还要兼顾周围环境情况,这不仅会降低工作效率且不利于发现该区域存在的工人。为了解决这个问题和提高监管的效率,计算机视觉的融入将会是很好的选择,该方法首先需要根据相关规章制度去确定危险区域,然后在合适的位置布置摄像头,最后运用YOLOv3(You Only Look Once,是一种快速和准确的实时对象检测算法,发展到YOLOv3实现了算法上的突破,在精度和速度上也实现了质的飞越)目标识别算法实现智能监管。本文介绍了该算法的基本原理和具体的目标识别实现途径,并针对危险区域的范围不同设计了两种训练集的制作方式,最后用实验去验证该方法的可行性与准确性,结果表明,该方法对于工人的识别具有较高的正确率,故把该方法用于危险区域的工人识别将会大大降低事故发生概率,弥补了单纯人工监管的缺陷,丰富了安全管理的手段。     

基于YOLOv3的深度学习交通标志识别系统

介绍采用深度学习算法中的目标检测网络模型在禁令交通标志识别研究方面的难点以及国内外对此类问题的相关研究成果;阐述基于YOLOv3目标检测网络模型以及其训练方法;通过测定平均精度及平均召回率对研究结果进行评估。     

一种基于YOLOv3的绝缘子串图像快速检测方法

为了提高高压输电线路中对绝缘子串检测的实时性,提出了一种基于YOLOv3目标检测算法网络结构的绝缘子串图像快速检测网络结构.根据高压输电线路中绝缘子串目标在图像中所占比例较大的特点,通过去除大特征图上的检测环节达到了精简原始YOLOv3网络结构的目的 ;同时,由于在高压输电线路中的绝缘子串一般情况下长宽比值较大,通过聚...     

基于YOLOv2-Tiny的无人机火灾检测与云台跟踪研究

针对PC(Personal Computer)在无人机火灾检测应用中的环境受限问题,提出了一种基于YOLOv2-Tiny的无人机火灾检测与云台跟踪方法.首先,在改进的YOLOv2-Tiny模型上进行预训练获得最优YOLOv2-Tiny模型,并在K210开发板上部署最优YOLOv2-Tiny模型;其次,将检测到的火灾图像...     

基于YOLOv5算法的目标检测与车牌识别系统

本文首先介绍了实时目标检测网络(YOLOv5Net)提取车辆图像相关特征并通过训练进行实时目标检测,接着阐述了车牌识别神经网络(LPRNet)对车牌进行实时识别,通过对实时目标检测网络提取的特征进行分析,利用与视觉任务强相关的测试样本集对目标检测模型与车牌识别模型进行测试。实验结果表明,当测试样本场景与视觉任务相关度越高,且样本中车辆目标的形变越小,得到的目标检测模型与车牌识别模型的效果越好,能够为交通车辆识别与管理等作业提供可靠、高效的车辆信息。     

机场跑道的图像监测系统设计与实现

以图像处理技术为基础,依托VS2010平台,利用OpenCV函数库开发了机场外来物FOD(foreign object debris)监测系统。从硬件、系统工作流程两方面提出了建立机场监控塔、监控中心和应急中心3个服务平台的方案。基于图像技术,设计了以自动阈值分割技术结合背景差分法、三帧法的目标识别模块和以Camshift为关键技术的目标跟踪模块,实现了前景目标识别和多目标跟踪两大功能。测试结果显示,目标识别准确率和精确度均较高,且受环境影响小,系统可靠性高。     

基于北斗与图像识别技术的智慧林火监测防控研究

针对新型智慧消防的火灾预警"自动化"建设需求,开展林火监测防控的研究,提出采用物联网、BDS、图像识别、多传感器信息融合技术,创新森林防火系统技术,减少目前技术中受外界的影响而误判的问题和整体系统建设成本支出昂贵的问题.实现林火的实时监测,保证林火发生即发现,实现信息共享,流程互通,达到人防物防技防的有机结合,为新型森...     

基于GPRS的分布式火灾监控系统设计与实现

介绍了一种基于GPRS的分布式火灾监控系统软硬件设计方案及其实现。该系统以GPS系统星历数据作为信息采集终端的定位依据,以GPRS增值服务作为信息传输载体,与同类火灾监控系统相比,定位精度更高,通信的实时性和可靠性更强。     

基于STC的智能医疗监控系统设计与实现

文章设计并实现了一种智能医疗监控系统,可以对人体进行健康检测,快速准确地测量人体体温、心率,防摔倒等,并将测量的数据实时传输到手机APP上。本系统基于STC单片机进行设计,主要由红外测温、心率测量、蓝牙传输3部分组成。采用MLX90614测量体温,运用红外传感器采集与心跳同频率的信号,引用蓝牙通信技术实现数据实时传输,开发APP显示测量信息,实现身体状况监测报警功能。该监测装置精度较高,操作方便,成本较低,具有较好的应用前景。     

基于物联网的智慧消防管控系统设计与实现

针对传统消防管控系统在传输管控传输指令时,数据量丢失较多,导致管控系统的吞吐率较大,文章设计基于物联网的智慧消防管控系统并进行实现.硬件部分采用芯片STM32F103RC作为核心处理器,设计管控主控器结构,采用8路结构的LED电源驱动电路,构建物联网电路结构.软件部分以SQL数据库作为结构支持,设计消防数据库,以物联网体系架构作为基础,采用自动化的方式,设定管控执行流程,最终实现管控系统的管控功能.准备两种传统管控系统与设计管控系统进行测试,结果表明:所设计管控系统的吞吐率数值63.94％左右,吞吐数据的能力最强.     

基于CAN总线的分布式智能火灾监控系统的设计与实现

介绍了一种以CAN总线为基础的分布式智能火灾监控系统的设计与实现方案，包括系统总体方案、系统硬件与软件设计。该监控系统可以方便地集成多种传感器和联动设备，在信息传输的安全性、准确性、实时性方面达到了较高要求，并且可以很方便地在此硬件平台的基础上实现分布式的智能火灾探测与控制，能满足大部分的监控需要，具有良好的应用前景。     

论深度学习的发生机制

随着中国学生发展核心素养的提出,深度学习备受关注。深度学习立足生命立场,强调主体思维;促进概念转化,着力知识重构;倡导参与体验,关注学生发展,从符号的表层形式化传递走向知识的逻辑演绎和价值关怀相融合的文化内生性创造。学生的学习兴趣、困惑和意义是深度学习发生的前提、关键和条件。深度学习经过知识的激活与召唤、解构与炼制、判断与选择,实现内在问题域的呈现、表征与立意。型塑文化实践的学习品格,开展研创型的学习活动,践行面向质量的学习性评价,是深度学习的实现之径。     

基于单片机的家庭火灾监控报警系统设计

基于STC12C5A60S2 型单片机,设计一种家庭用多功能监控系统,具备低开发成本、线上线下终端同步显示多传感器数据、火灾各特征参量于本地进行专项语音光闪报警以及于线上APP 客户端界面同步进行图形色变报警的特点。通过红外火焰、光敏电阻、温度、湿度、有毒气体和烟雾等传感模块实时监测火灾信号,将信号的特征参数按序进行A/D 转换处理和算法分析,再利用蓝牙无线透传与串口通信技术构建微微网络以实现数据的远距离传输,并借助于易语言、PC 端安卓APP 开发环境、LCD、启停功能按键、译码芯片、继电器组和多通道语音播放板等搭建线上线下监控报警终端。实验结果表明,系统可控性和实时性强,家庭火灾的漏报率和误报率进一步降低,用户对报警信号的反应能力也有所提高。     

基于LoRa技术的云平台楼宇火警监测系统设计

为了解决传统楼宇火警监测系统布线复杂、传输距离短、智能化程度低等问题,结合物联网技术,设计一种基于Lo-Ra技术的云平台楼宇火警监测系统.该系统利用LoRa技术构建无线传感网络,实现监测信息的远距离传输,包含一个汇聚节点和多个终端节点.终端节点通过多种传感器对环境信息进行监测,汇聚节点接收所有终端节点的数据,并经由EC...