基于YOLOv5的公共场景宠物犬牵绳检测

针对公共场景下人们带宠物犬散步不牵绳而导致其袭击行人的问题,提出了一种基于YOLOv5的改进模型来提升对宠物犬检测的效果。以传统的YOLOv5检测模型为基础对其进行改进,结合坐标注意力模块SE,解决了模型对次要信息过度关注的问题,模型的精度得到提升。实验结果表明改进模型在自制数据集的平均精度得到提升,有效证明了该算法的有效性。     

基于改进YOLOv5的工程场景行人检测方法

针对复杂工程场景常用的行人检测方法(尤其在小目标检测方面)精度低、复杂度高的问题，提出一种基于YOLOv5网络的改进识别方法。在骨干网络与颈部网络引入ECA注意力机制，提升模型对通道特征的关注度以抑制背景噪声；使用加权双向特征金字塔结构BIFPN对颈部网络进行修改，加强模型对不同尺度特征融合；使用Ghost模块替换骨干网络与颈部网络的部分卷积，减少模型参数、缩小体积。结果表明：提出的改进模型检测精度达到了88.4%,同时，模型的复杂度(参数量与模型大小)仅为13.5×10⁶与6.67 MB;与目前主流的深度学习方法相比，该算法在检测精度与复杂度上具有更好的性能，在复杂的场景下具有较好的识别效果。     

山楂果胶对酸奶物性指标影响分析

本实验以鲜乳和山楂汁为主要原料,研究了制作山楂风味凝固型酸奶的最佳配方;并对山楂汁中果胶含量进行测定与分析,确定了山楂果胶是影响山楂凝固型酸奶感官和物性指标主要因素,分析了山楂果胶对酸奶品质的影响程度。