基于YOLOv5s的外脚手架隐患智能动态检测

针对脚手架工程隐患人工巡检效率低、实时排查难的问题,提出一种基于深度学习的隐患实时检测方法。利用添加噪声、随机裁剪等数据增强方式扩充数据集,提高模型在复杂环境下的鲁棒性;基于YOLOv5s目标检测算法建立脚手架工程隐患图像识别模型并进行训练测试,与YOLOv4、Faster R-CNN进行对比,验证模型的有效性。结果表明,在脚手架工程隐患检测任务上,YOLOv5s模型的均值平均精度达到92.23%,较YOLOv4提升8.11百分点;检测速度达到97.01帧/s,较Faster R-CNN提升5倍。轻量的YOLOv5s网络模型适合部署于嵌入式智能监控中,实时采集现场数据并进行隐患分类识别,有效缩短隐患发现时间,研究结果可为脚手架工程监控预警平台提供研究基础。     

基于卷积神经网络的安全标识分类算法研究

为解决安全标识数据集、安全标识特殊图形及复杂背景缺乏等问题,采用卷积神经网络(CNN)提取安全标识的特征,在VGG-16网络结构和CNN的基础上构建能够识别17种安全标识的VGG16-17模型。原始数据有816张,通过数据增强扩展数据集,得到4 708张图片,按照4∶1的比例将数据集划分为训练集和验证集。通过调节模型中部分参数,分析迭代次数和批量大小对模型识别分类效果的影响。结果表明：当迭代次数为20次、批量大小为32时,模型结果最理想,识别准确率为97.92%,相较于基于未经过数据增强数据集的改进模型的准确率提高19.39%,同时,改进模型相较于传统VGG16模型,识别准确率提高4.3%,证明模型改进和数据增强对图像识别能力的提高有一定帮助。     

智能巡检机器人在自然环境试验中的应用探讨

目的 探索建立自然环境试验智能巡检系统,使用机器人替代部分人工巡检工作。方法 通过分析巡检作业环境和巡检任务,确定智能巡检机器人的功能要求和技术参数,进而开展机器人本体结构设计,融合控制后台、远程数据库等设备,实现智能巡检系统构建。结果 开展了智能巡检数据采集的使用验证,巡检机器人采集的样品图像对焦清晰、分辨率高,样品在图像中的位置大小合理,腐蚀特征展示清楚。巡检系统可对样品图像进行自动分割和智能识别,对蚀点、流痕等损伤特征识别准确,精度可达0.1%。结论 智能巡检系统可以满足自然环境试验的巡检要求,替代人工完成部分巡检工作,智能巡检数据便于入库和使用挖掘,对于自然环境试验的数字化转型有积极的推动作用。     

浅谈物联网技术在小区安防中的应用

随着物联网技术研究的展开,智能化小区安防成为其主要的应用舞台之一。将无线传感网、图像识别、射频识别、定位等主流技术结合现有的视频监控系统,可以全方位地提升小区的安防自动化程度,提高效率,节省人力。本文从多个应用方向提出技术方案,来论述和构建一个智能化小区安防模型。     

复杂背景彩色静止图像的人脸检测方法

随着视频监控应用的不断加深,当前的人为识别目标的监控模式已经越来越不能适应现实的需求,而随着数字技术应用和发展,图像自动识别技术将会起到重要的作用。人脸作为最重要的生物特征之一,在现实生活中无疑有着重要的作用,实现人脸的检查对于图像的自动识别将起到辅助作用,本文重点讨论并提出了一种人脸的检测方法可以从复杂背景彩色静止图像中将人脸提取出来,满足应用需要。     

基于知识图谱的火灾图像识别研究

为了全面分析图像型火灾识别技术的发展趋势和研究动态,更准确地为火灾探测领域科研工作提供研究方向,运用Web of Science已有文献数据和科学知识图谱软件以及Python-matplotlib库,定量分析国际火灾图像研究的发文时间、发文作者、发文机构、高被引文献等特征,从主题、关键词、摘要入手分析当前研究热点与前沿趋势动态。结果表明：国际火灾图像识别研究成果数量整体上呈现出波浪式上升趋势;欧美国家在火灾图像识别领域的研究较为深入,而中国在该领域研究起步较晚;J Comp Neurol、Remote Sens Environ、Fire Safety J、J Geophys Res-Atmos为代表期刊形成共被引期刊合作网络;研究热点主要表现在火灾图像识别的深度学习模型、森林火灾图像及火灾影响、火灾遥感图像识别算法3个方面;研究前沿主要表现在基于深度学习的火灾烟雾探测,火烧迹地的森林植被覆盖与流失,煤矿、工业热源、电动汽车的火灾探测,阻燃性4个方面。     

基于移动边缘计算的电网输电线路巡检图像识别研究

针对传统的电网输电线路巡检图像识别方法中资源和时间消耗较大的问题,提出基于移动边缘计算的电网输电线路巡检图像识别研究。使用移动边缘计算技术,设计边缘数据处理层,在线处理部分障碍严重的巡检图像,通过图像预处理技术处理剩余巡检图像,利用图像投影提取输电线路巡检图像特征,将获得的特征抽象到二维平面中,实现电网输电线路巡检图像识别。测试结果表明,与传统的识别方法相比,设计的基于移动边缘计算的电网输电线路巡检图像识别方法大幅度缩减了资源和时间的消耗,该方法更适合应用在电网输电线路巡检图像识别中。     

针对图像识别的FAT-AI应用竞赛最新结果及排行榜

引言 依托多年来构建的智能视频分析测评体系、专业的测评方法、评价指标以及亿级实际应用场景数据集和自动化测试系统,视频国家工程实验室继发布FAT2019应用测试结果及关键技术指标行业基线之后,又结合当前重点关注的疫情防控需求组织了NELIVA FAT-AI应用竞赛(简称:FAT-AI).竞赛的主旨是:打造公正、开放的国家...     

用图像识别方法确定福建地震发生的相对概率

在地震危险性分析中,潜在震源区地震活动性参数的确定是关键的一环。为了不低估大地震的影响,恰如基分地将地震年平均发生率分配到带内各个潜在震源之内,准确确定地震带内发生Mj档震级的地震落在第i 个潜在震源区的概率是关键的一步。本文采用图像识别方法确定地震发生的相对概率,可以较客观地反映地震的时、空不均匀性,准确地确定地震带内发生Mj档震级的地震落在第i个潜在震源区的概率。     

基于无人机的施工扬尘污染源自动监测系统设计与实现

施工扬尘是大气污染物的主要来源和施工环境监测的重点对象,但传统监测手段的效率和效果有限。为此,综合使用无人机和图像识别技术,以HSV特征提取、直方图对比、非零像素点计算为核心,设计了施工扬尘污染源自动监测系统的结构、功能及运行流程,并对运行效果进行了测试。研究和测试表明:该系统可实现监测区航拍、污染源特征提取、污染源存在性检验、污染源种类判定和污染源分布区面积计算;该系统污染源存在性检验正确率为71%,污染源面积计算效率较高,污染源特征比对效果相对稳定,基本满足施工扬尘污染源监测需求。