简介：摘要：

简介：摘要：随着船运流量的增加，也出现了相应的管理问题，例如对海上非法捕鱼、海盗行为、贩毒、非法货物运输的严厉打击，以及针对海上事故的救援。因此海域管理必须依靠船只巡航以及设备的监控、检测，形成一套实时监测系统，对我国的海洋管理具有重要的理论意义和应用价值。针对海上环境复杂多变、船舶目标检测精度不足和效率低下的问题，提出基于改进yolov5的船舶目标检测算法，在主干网络添加坐标注意力机制，以提升算法的特征提取能力；使用DIOU_Loss代替原有的损失函数，增加检测准确度和定位精度；应用GhostConv卷积，减小模型量的同时而保持精度基本不变。实验结果表明，相比与改进前的yolov5，改进算法的平均精度均值（mAP）、精准率（P）和召回率（R）分别提升了2.0%、1.7%、1.5%，验证了改进算法对船舶识别有很好的效果。

简介：摘要：针对目前灾害发生后的救援需求，本文开发了一款基于yolov5目标检测技术的两栖侦察设备。机载摄像头通过图传设备将灾后现场实时传递到地面工作站，运行算法对画面进行实时检测。本设备凭借自身两栖的机械优势，可以深入救援人员无法到达的区域进行勘测，帮助救援人员判断灾情，锁定被困人员的位置。目标检测效果良好，能够较好地反映实际情况，帮助救援人员快速开展救援行动。该无人机可以有效地提高灾后搜救效率，能一定程度上实现救援的智能化、信息化。

简介：摘要：工厂内违规吸烟可能引起重大的安全事故。为检测是否有人违规吸烟，提出一种可以快速准确检测吸烟的算法。该算法主要基于YOLOv5模型对摄像头输入的视频流进行实时处理。具体来说包含以下两个步骤：首先，选用合适的数据集，并对数据集的标注框进行优化；其次，使用decoupled head来调整模型的网络结构使其更好地适应吸烟检测场景的需求。实验结果表明，优化标注框的数据集召回率可以提升4.4，而改进后的算法相较于原始YOLOv5精确度提高3，召回率提升3.1，可以提供更高的检测准确率和更低的误报率。同时，在实际应用中，该算法具有较高的性能和稳定性，可以有效地用于工厂内吸烟检测的场景。

简介：摘要： 本文将使用改进YOLOv5s网络的PCB板缺陷检测算法，该网络基于YOLOv5s网络进行优化改造，不仅解决上述问题，还具有轻量化、鲁棒性高等优点，同时针对于PCB各类缺陷不易检测的难点，在优化后的网络中加入K-means+聚类算法，从而提高对于PCB小目标缺陷的检测精度。通过实验得出在 6 种 PCB 缺陷类型中对于漏孔类型缺陷检测精度达到 98.9%，所有类别 PCB可达 95.4%。实验结果表明，YOLOv5 算法可以满足工业生产中缺陷检测的需要。

简介：摘要：近些年来，我国社会不断进步，随着5G技术以及无线数据互联技术的快速发展,在驾驶领域之中,自动化、智能化的交通系统成为研究热点。智能交通系统可以有效地感知城市中各个街道的车流状况,提升道路利用效率,减少交通堵塞情况的发生。基于卷积神经网络的目标检测方法取得了较好的成果,具有灵活性高以及可以同时检测多条道路等特点。如何减少误检、漏检,提高车辆检测的准确性,是将深度学习应用到车辆检测的关键性问题。以YOLOv5为基础模型,对其进行相关改进。检测改进算法的性能,为车辆检测算法提供理论支撑,增添数据库存储量。

简介：摘要：针对某些公共场合如医院，火车站等地会遇到的口罩下人脸检测与识别的问题，本文提出了一种基于YOLOv5和Dlib的口罩人脸检测算法。该算法首先采用YOLOv5模型来进行人脸检测模型训练，并基于此模型获得人脸区域坐标与是否佩戴口罩的检测结果。然后通过Dlib库中landmark特征点检测器进行人脸特征点的标记，Resnet人脸识别模型提取人类的特征向量，最后通过计算不同人脸间特征点的欧氏距离来进行人脸识别。实验结果表明，该系统可以实现口罩下的人脸检测与识别，并取得了很好的效果。

简介：摘要：随着科技的飞速发展，智能交通系统在人们的日常生活中扮演着越来越重要的角色。但是，在实际应用过程中，由于可能出现光线多变、车牌遮挡以及拍摄角度不同等复杂情况，车牌检测仍存在误测问题。

简介：摘要 ：在当今快速发展的技术时代，人工智能（AI）的潜力已经被应用于各个领域，从自动驾驶车辆到健康诊断。 AI的一个重要且创新的应用是火灾检测，这是一个及时和准确检测可能关系到生死的领域。将AI整合到火灾检测系统中，代表了从传统方法迈向了一个重大飞跃，提供了增强的效率和可靠性。

简介：摘 要：YOLOv5是一种目标检测算法，它在多个数据集上取得了优秀的表现，是目前最先进的目标检测算法之一。传统YOLOv5算法用于变电站鸟类视频识别场景时，由于鸟类为小目标类型，容易出现预测框和真实框不相交，无法进一步学习训练的情况，需要对此算法进行改进并辅助以卡尔曼滤波目标跟踪算法，来达到对鸟类目标的识别及跟踪效果。

简介：

简介：

简介：摘要：针对传统太阳能网版表面缺陷检测方法效率较低的问题，本文提出一种基于YOLOv5的太阳能网版表面缺陷检测系统。本文采用YOLOv5目标检测算法开展太阳能网版表面缺陷检测实验。结果表明：YOLOv5算法的mAP0.5达到76.3%，能够实现高精度的缺陷检测，而算法的FPS达到188，能够满足高效率的缺陷检测。

简介：摘要：现如今，医疗水平不断提高，医院的病患越来越多。医院在繁忙时医护人员会人手不足的情况，传染病也越来越受人们重视，在疫情时也衍生出“无接触”这个流行词，并被运用于各个领域。为减轻医护人员的工作量，减少医护人员与传染病患者的直接接触，为此我们设想制作一款送药机器人，利用了“无接触”的方式进行药物的配送，以此便利医护人员。本产品采用STM32作为机器人运动控制器，利用Jaston nano作为主控，上位机使用ROS控制系统，控制和监测机器人。YOLOv5目标检测技术、摄像头与Jaston nano结合进行图像识别，更快更精准的识别物品。同时机器人拥有六自由度机械臂，实现配送全程“无接触”。机器人使用物联网传感器，通过WiFi与激光雷达、UWB等技术相结合，实现传输实时数据反馈，便于监控机器人实时状态。

简介：摘要：生产安全是工厂的重中之重，划分出危险区域并进行安全驱离具有重要的意义，因此提出了一种基于改进的YOLOv5特定区域图像识别技术，通过对采集的实时视频进行处理、对YOLO模型中图像进行特定区域的划分，可以实现在移动端，或者性能较低的设备上进行图像实时监测和危险区域的划分。

简介：摘要：生产安全是工厂的重中之重，划分出危险区域并进行安全驱离具有重要的意义，因此提出了一种基于改进的YOLOv5特定区域图像识别技术，通过对采集的实时视频进行处理、对YOLO模型中图像进行特定区域的划分，可以实现在移动端，或者性能较低的设备上进行图像实时监测和危险区域的划分。

简介：摘要：电力系统的正常运行离不开电力设备的检修维护，检修人员在检修维护作业时有可能进行违规操作，导致一定的安全风险，现有的检修监控系统存在一定的问题，无法及时精确定位跟踪捕捉到视野边缘或者距离太远的作业人员清晰的操作过程。为了提高监控系统的监视效率，减轻监控操作人员的负担，本文提出一种基于YOLOv5和Deep SORT算法的电力检修维护人员智能变焦跟踪监控系统，该系统能够实现对作业人员的精确识别和目标跟踪，同时通过监控摄像头的自动追踪和智能变焦实现对检修维护人员作业过程的精确监控。

简介：摘要： 对于在一些特殊岗位的员工，如在岗期间具有安全隐患的电工、司机，需要时刻集中注意力的接待员、客服人员，若出现睡岗的现象需要及时发出提醒，立即处理。基于YOLOv5+DeepSORT的睡岗识别技术能够对睡眠情况进行识别检测，解决了耗费人力资源，处理不及时的问题，改善检测效率，节约了成本。本文提出将YOLOv5算法与DeepSORT算法相结合，通过数据采集、处理、模型训练等几个步骤建立睡岗识别模型。DeepSORT算法根据运动轨迹预测目标实际轨迹，锁定人物id，实现识别效果；YOLOv5算法通过数据增强、图像特征提取、图像分类、检测目标实现准确识别目标对象。实验结果表明：通过模型检验，模型的精确率已达到95%，识别速度已到达实时检测的效果。

简介：摘要：本文分析了目标检测算法YOLOv5网络结构的优缺点，提出了一种轻量化网络模型YOLOv5s-lite，对原来的YOLOv5s进行了模型加速，用分组卷积、深度可分离卷积和通道混洗操作代替网络中部分普通卷积，并在自制的螺栓模板数据集上验证了检测性能和模型复杂度，在基本不改变检测精度的情况下将网络模型减小了将近一半。

简介：摘要：YOLO（YouOnlyLookOnce）系列算法作为目标检测领域的里程碑，自2015年首次提出以来，以其高速度和高准确率受到了广泛关注。本文综述了YOLO算法从YOLOv1到YOLOv10的发展历程，详细探讨了每个版本的关键特性和技术改进，并分析了YOLO算法在不同领域的应用及其面临的挑战和未来发展方向。