基于树莓派与YOLOv5-Lite模型的行人检测系统设计

把在PC端上训练好的YOLOv5s与YOLOv5-Lite目标检测模型分别部署在搭载Linux系统的树莓派4B平台上,并在此平台上搭建深度学习环境,构建道路行人检测系统。对这两个模型进行分析对比,实验结果表明,在识别准确率相差0.1%的情况下,YOLOv5-Lite模型相对于原YOLOv5s模型,网络参数量下降了78.26%,模型计算量下降了77.91%,模型内存大小下降了75.52%,检测速度提高了91.67%。综上,本文提出的基于树莓派和轻量化YOLOv5-Lite目标检测网络模型的行人检测系统兼顾了识别准确、适用性好、小型化、成本低等综合性能优势。     

YOLOv4与树莓派平台的轻量化柑橘检测算法

为了满足高精度柑橘检测算法在嵌入式设备上的部署要求,论文基于YOLOv4与树莓派硬件平台设计了 一种高效的柑橘检测算法.首先借鉴GhostNet思想,设计了轻量级的网络单元并以此压缩了网络结构.其次,针对柑橘的形状特征用圆形边界框进行目标定位,同时改进了 CIOU边框回归损失函数.实验结果表明,改进后的算法在柑橘检测任...     

树莓派的YOLOv3轻量化算法研究及应用

本文以树莓派为实际运行环境给出了一种轻量化算法EfficientNet-YOLOv3.该算法基于YOLOv3算法,以Ef-ficientNet主干特征提取网络替换原有的Darknet53主干特征提取网络,并对EfficientNet特征提取网络的输入图片及后续特征图的分辨率从228×228扩张至416×416.实验证明...     

基于改进YOLOv5的铝型材瑕疵检测算法

基于铝型材表面瑕疵类别多样,对实时检测快速精准的需求,提出一种基于改进YOLOv5的瑕疵检测算法。通过在原始骨干网络的基础上增加新检测层并使用K-means++算法改进锚框的生成方式,提升检测尺度,避免忽视低层语义信息。对铝型材瑕疵数据集离线增强,丰富样本容量;在Backbone网络结构中融入新的卷积结构和E-CBAM注意力机制,提高网络的特征提取能力的同时降低冗余计算,提升模型检测性能;采用EIoU Loss作为整个网络结构的损失函数来加快收敛效率,解决难易样本不平衡的问题。实验结果表明,在铝型材瑕疵数据集上将改进后YOLOv5检测模型与原始YOLOv5模型进行比较,平均精度mAP提升2.9百分点,召回率Recall提升3.9百分点,速度FPS达至45.8,将近年来的代表性算法YOLOv3、YOLOv4、SSD、Faster-rcnn与改进后的检测算法在铝型材瑕疵数据集上进行性能比较,通过综合对比检测精度、检测速度等重要参数证明改进后的YOLOv5检测算法更好地兼顾了检测效率和检测精度。所提方法满足了铝型材工厂生产现场瑕疵检测要求。     

基于改进YOLOv5的工业钢材瑕疵检测算法

针对工业钢材瑕疵检测过程中存在的对多类别瑕疵检测精度低、效率低的问题,提出一种基于改进YOLOv5的瑕疵检测算法。首先在主干网络添加协同注意力机制,嵌入目标位置信息从而提升特征提取能力;然后改变边框回归的损失函数为CIoU Loss,提升对检验框定位的准确度;最后利用Ghost模块轻量化特点提出C3Ghost结构替换路径聚合层中的C3结构,减少模型参数量。测试结果表明,改进后的算法mAP值提升了2.6%,模型参数量减少了13.3%。验证了改进算法对工业钢材的多类别瑕疵检测的有效性。     

基于边缘设备和改进YOLOv5算法的车牌号码识别

自动识别车牌号码是智慧交通中的重要内容,针对现有车牌识别算法计算量大,不满足微型化、实时性等需求,提出一种基于边缘设备和改进YOLOv5算法的车牌号码识别方法。首先,构建车牌数据集;其次,通过改进YOLOv5网络模型架构,并引入注意力机制,提升对车牌号码的检测能力,并与未改进的YOLOv5算法作性能对比;最后,将Intel Movidius NCS2与树莓派硬件设备结合,进行实时推理。实验结果表明,改进的YOLOv5算法在边缘设备上的实时画面推理速度最快达到3.316 ms,YOLOv5算法推理速度为5.772 ms,改进的YOLOv5算法与原算法相比,其推理速度平均提升了13.41%。本文提出的方法能在边缘设备上提高车牌检测速度,并达到较高的准确率。     

基于树莓派的5G通信小车

本文设计了一款基于5G网络的智能小车,该小车采用开源的树莓派4B作为基础的硬件平台,应用最新的5G移动通信技术,利用linux系统驱动移远MR500Q-GL模块进行5G通信,利用5G网络能够实现高质量、低延时的视频回传.具有控制方便,图传清晰,低延时,高速度的优点,有着良好的市场前景和开发前景.具有实际应用价值.     

基于树莓派的元器件检测系统设计

针对PCB元器件在贴装过程中出现贴装错误的问题,设计了基于树莓派(Rasspberry Pi)的元器件检测系统。系统采用树莓派作为硬件平台,采集PCB电路板图像,对图像进行预处理,读取PCB坐标文件、完成模板库的制作;并通过手动添加蒙版的方法提高运行效率,使用霍夫变换检测图像定位点对PCB图像进行定位,进而通过检测算法得出PCB元器件的正误,另外采用图像分割的方法对电容表面文字进行提取然后识别。在检测的过程中,如果被测板的图像能够和模板图像匹配,则说明元器件存在而且型号正确,并且能自动识别出电容表面的字符。经过多次测试,实现了电子元器件正误的自动检测。     

基于YOLOv5的姿态交互球类陪练机器人

针对当下球类陪练机器人人机交互能力不足的问题,提出一种基于树莓派和YOLOv5目标检测算法的新型人机交互模式,使机器人实现前进、后退、左移、右移、抛球、踢球6种不同的动作;通过对在3种不同环境(室内、室外晴天、室外阴天)下搜集的人体姿态数据集进行标定、训练后,得到6种姿态在3种环境中测试集上的识别准确率分别为:室内96...     

基于树莓派的人脸识别门禁系统

随着智能安防的发展,人脸识别技术已成为智能安防的技术重点.与此同时,树莓派以其价格低廉和高扩展性的特点被广泛使用.本文将人脸识别技术与树莓派相结合设计实现了人脸识别门禁系统.本系统使用Flask框架进行前后端交互,使用MySQL存储数据,使用Face_Recognition模块进行人脸识别.本系统包含视频显示及运算、硬...     

基于树莓派的能耗数据采集网关设计

设计了一种基于树莓派、Linux操作系统和MD5与AES加密的能耗数据采集网关.该网关系统支持对建筑用电量、用水量、用气量等能耗数据的采集并通过因特网将采集到的能耗数据上传至监测平台,为能耗数据统计分析和规划提供数据基础.该系统具备Web服务、数据采集与解析、数据加密与传输和数据存储等功能.该系统已经成功应用到工业现场,结果表明该网关工作稳定可靠,能够完成实时采集与传输建筑能耗数据的任务.     

融合RCS-OSA结构的PCB缺陷检测算法

针对当前印制电路板（Printed Circuit Board,PCB）检测参数庞大、人工误检率高等问题,文章研究了一种改进的YOLOv5检测模型。首先使用实时控制系统（Real-Time Control Systems,RCS）模块替换三卷积跨阶段局部瓶颈模块（Cross Stage Partial Bottle Neck Mudule,C3）结构,通过重参数化卷积增强网络的特征提取能力;其次添加One-Shot聚合（One-Shot Aggregation,OSA）结构,一次性聚合多个特征级联;最后堆叠RCS-OSA模块,确保特征复用并加强不同层之间的信息流通。实验结果表明,改进后的算法检测精度达到94.6%,比原模型提高了2.2个百分点。该算法能够高效检测PCB的多种缺陷类型,对PCB质量检测有实际应用价值。     

基于YOLOv5s的高分辨率遥感影像尾矿库检测方法

针对尾矿库实地调研困难,费时费力且效果一般的问题,提出了一种基于YOLOv5s模型的尾矿库高分辨率遥感影像检测方法。YOLOv5s模型速度小,检测速度快,对于大型目标具有良好的检测效果。经测试实验结果表明,YOLOv5s模型的提取精度评价指标精确度（Precision,P）、召回率（Recall,R）和平均精度值（Mean Average Precision,mAP）分别达到了0.84,0.678,0.752,能够满足大范围遥感影像尾矿库检测的应用需求。     

基于YOLOv5的小目标检测

在进行目标检测时,小目标会出现漏检或检测效果不佳等问题.本文将YOLOv5算法用于小目标检测,YOLOv5有3个检测头,能够多尺度对目标进行检测,并对数据做了Mosaic数据增强、自适应锚框计算、统一图片尺寸等数据预处理,对小目标有很好的检测效果.基于YOLOv5的基础上进行改进,把CIOU_Loss、DIOU_nms...     

基于YOLOv5s目标检测算法的研究

近几年,环境污染依然是人们非常关注的话题,而生活垃圾的快速收集处理,能够有效地减少环境的污染.因此,智能垃圾收集机器人的研究与发展是非常必要的,它可以代替人们完成大量垃圾收集的工作.基于此,研究了一种YO-LOv5s目标检测算法,先对目标进行合理的标注,接着进行有效的算法训练,然后算法测试,最后得到目标检测算法的模型,...     

基于树莓派的智能家居设计与实现

随着生活水平的提高和物联网的发展,社会对家居的智能化需求越来越迫切,本文阐述了基于树莓派的智能家居系统的设计与实现,通过采用树莓派为主要模块,搭建一款满足大众需要的智能家居系统.本系统以树莓派为主要开发平台,并基于Ubuntu操作系统进行开发的一种智能家居解决方案,其包含了语音合成、语音识别、图像识别、数据采集、AI对话、视频监控、语音控制、语音日志等功能.可通过语音、手机微信、APP与机器人和传感器进行交互,并能登录Web界面查看相应底层数据并对传感器进行相应控制.系统传感器部分采用ZigBee通信协议,与服务器通信采用MQTT通信协议,两种通讯协议低成本,低功耗,节约网络资源.     

基于树莓派的智能垃圾分类亭

针对日常生活垃圾分类繁杂的问题,设计基于树莓派的智能垃圾分类亭,将垃圾分类与人工智能相结合,加快了分类效率。本文设计的垃圾分类亭主要运用图像处理技术、图像分类技术、嵌入式技术、TCP通信技术,硬件部分主要由树莓派和一些模块组成,软件部分主要涉及由PyQt5搭建的可视化界面、ResNet50图像分类的设计、数据库的设计。     

基于YOLOv5s的扫地机器人

扫地机器人是一款服务型自动化机器人,它的诞生使我们得以从繁琐的家居清扫劳作中解放出来,让我们可以在更关键的应用领域当中更有精神和活力,极大程度地提升了我们的生活质量。文章采用YOLOv5s目标检测算法对U盘、钥匙等生活中容易掉落的小物品进行识别,首先分析了YOLOv5s的架构和原理,然后通过YOLOv5s对标注好的数据集进行训练,最后得到准确的检测结果,反馈到扫地机器人单片机上,对小物品进行处理。实验结果体现出了YOLOv5s的检测快速性和准确性。     

基于改进YOLOv5s的保护屏柜设备检测模型

针对电力保护屏柜及其内部装置相似度高、分布密集的特点,提出一种基于YOLOv5s模型的保护屏柜检测模型YOLOv5s-PBC。该模型选取轻量级网络PP-LCNet作为主干网络,减少网络参数,提高检测速度;采用加权双向特征金字塔(BiFPN)结构作为特征融合的基本单元,提高模型的感知能力;引入CARAFE上采样算子进行上采样,解决上采样信息丢失问题。实验结果表明,该模型有较好的识别效果,均值平均精度（m AP）达到92.6%,fps达到50.25,模型大小仅为17 MB,适合在移动嵌入式设备上部署,具有一定的实用价值。     

基于树莓派的负载控制系统设计

树莓派具有众多潜在价值,已成为当前研究的热点。基于树莓派设计了一种能为Android设备提供访问接口的负载控制系统。利用安装了Raspberry Control应用的设备监测负载的工作状态,同时可通过相应的操作改变树莓派引脚的状态,达到驱动继电器实现对连接负载的控制。该系统通过编程可以精确统计连接负载能耗,并且用户可以通过云端服务器随时随地地获取负载能耗数据。