基于改进YOLOv5s的道路裂缝检测算法

为了解决道路巡检系统光学传感器采集的裂缝图像中颜色特征不明显且尺寸不规则造成检测精度不高、泛化能力不足的问题,提出改进YOLOv5s的裂缝检测算法。将结合深度可分离卷积(Depthwise Separable Convolution, DSC)的全局注意力(Global Attention Mechanism, GAM)引入主干特征提取网络,在降低注意力复杂度的同时获得丰富的跨维度特征,增强了裂缝的识别能力;采用空间金字塔软池化网络(Spatial Pyramid Softpool, SPSF),通过Softpool池化保留多维语义以减少信息弥散,提高了边界框回归的准确性;在颈部特征增强网络,运用空洞深度可分离卷积(Atrous DSC)进行下采样,通过扩大感受野加强深层和浅层信息的聚合能力,提高裂缝识别的泛化性。经过在自制道路裂缝数据集上的实验,相较于YOLOv5s,改进算法的mAP提高2.2%,有效提升了道路裂缝检测的准确性和对不同背景下裂缝识别的泛化能力。     

校车防滞留检测报警系统的设计与实现

针对幼儿被遗忘校车惨遭闷死的事件，基于ZigBee技术研制了一种校车防滞留检测报警系统。系统通过ZigBee无线传感器网络中的声音传感器和人体红外传感器同时检测幼儿滞留情况，并上传数据到控制中心判断是否存在异常，如果存在异常则控制报警系统给出声光报警提示，并通过GSM模块发送报警短信到指定号码。设计充分发挥了ZigBee无线传感器网络低功耗、低成本、分布式和自组织的4大优点。通过软硬件设计实现了系统的功能，实验测试结果表明，系统检测异常情况的成功率高，响应时间短，能够为幼儿的生命安全起到保驾护航的作用。