YOLOv8-YC模型在食品安全场景中的应用

食品安全与人民群众的健康密切相关,保障食品安全已成为全世界最受关注的话题。如果没有正确规范地佩戴口罩,就会造成飞沫途径传播,出现食品卫生问题。基于此,本文提出一种规范佩戴口罩的检测方法,将YOLOv8模型进行佩戴口罩检测,YCrCb模型形成灰度图,进行规范佩戴口罩的检测。最终,结合以上2种模型,提出复杂环境下关于人脸口罩规范佩戴的检测方法,用于加强食品环境监管,保障食品安全,具有重要使用价值和研究意义。     

基于深度自编码器的辐射源个体开集识别

为实现对城市用频设备的精确管控,针对特定辐射源开集识别问题,构建了一套基于深度学习的辐射源个体开集识别处理流程,核心在于指纹特征有效区间筛选与基于深度自编码器的开集识别模型。一方面,通过使用Grad-CAM实现对深度网络激活可视化,筛选出信号对网络激活贡献较高的部分,在不损失过多指纹信息的情况下进行信号区间筛选;另一方面,建立基于半监督对抗自编码器的辐射源个体开集识别模型,实现对电磁环境中出现的未知辐射源个体的有效识别。实验表明此开集识别模型能够在不损失闭集识别率的条件下实现高精确度的开集识别。