一种基于深度学习的水面漂浮物检测方法.pdf
Ch****49
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的水面漂浮物检测方法.pdf
本发明公开了一种基于深度学习的水面漂浮物检测方法,涉及水面漂浮物检测技术领域;为了解决无法快速准确的在不同光照环境下识别出漂浮在水面上的漂浮物的问题;具体包括如下步骤:初始化漂浮物检测系统后对河道摄像头进行故障检测,系统在无故障状态下,河道摄像头开始实时拍摄河道视频;选取存在漂浮物的一路RTSP监控视频,通过算法服务器CPU进行图像解码后,送入目标检测模型进行深度学习推理。本发明拍摄不同光照条件下的车流视频,数据中存在部分低光照、模糊、低对比度背景下的漂浮物图像,这样训练出来的模型鲁棒性更好,而使用迁移学
基于改进YOLOX的水库水面漂浮物目标检测方法.pdf
本发明公开了一种基于改进YOLOX的水库水面漂浮物目标检测方法,其方法为:图像数据集收集和预处理操作;改进YOLOX算法模型,提出一种改进特征融合模块,增强输出特征信息的丰富度,提升大目标和小目标水库漂浮物的精度;判断是否要调整学习率以降低训练损失值,提升检测精度:若是,则在训练过程中手动更改超参数的取值并继续训练;否则,保持按原超参数训练;完成训练,获取最优权重:最后水库水面漂浮物图片检测识别。本发明的有益效果是:采用改进YOLOX算法模型进行目标检测,训练参数量适中,检测精度更好,实现了水库水面漂浮物
一种基于深度学习的全景视觉水面目标检测方法.pdf
一种基于深度学习的全景视觉水面目标检测方法,包括以下步骤:步骤1:构建水面目标数据集,并对所述数据集进行标注;步骤2:设计新的SSD模型,即:采用具有残差学习单元的ResNet?50网络代替VGG16网络作为SSD网络的骨干网络;步骤3:采用自上而下的FPN网络结构对所述SSD模型的不同特征图进行融合;步骤4:利用360°全景相机作为视觉传感器并进行图像预处理得到矩形全景图,输入到训练好的所述SSD模型进行检测。本发明利用深度学习技术通过全景视觉对目标进行检测,不仅可以感知水面全域信息,而且能够有效提高水
一种水面漂浮物的检测方法、装置以及电子设备.pdf
本申请提供一种水面漂浮物的检测方法、装置以及电子设备,用于提升水面漂浮物识别的准确性。该方法包括:根据训练中的目标检测模型对第一图像集进行检测,得到第一图像集对应的第一检测结果;其中,第一检测结果用于标记第一图像集中的水面漂浮物;根据第一检测结果和至少一个尺寸范围,对所述训练中的目标检测模型进行训练,得到训练后的目标检测模型;其中,至少一个尺寸范围用于确定水面漂浮物的尺寸等级。
一种水面漂浮物的清除方法.pdf
本发明属于环境治理技术领域,尤其是一种水面漂浮物的清除方法。本发明包括以下步骤:通过水动力单元将水体一端的表面水体吸入过滤存储单元截留水表面漂浮物;将滤后水使用出水装置从水体另一端排放回水体,为水体提供动力,形成流向过滤存储单元的推流。本发明包含过滤存储单元、水动力单元和管线单元;过滤存储单元为集水过滤口,系统启动后,集水过滤口在水动力单元的作用下在水面形成涡旋,吸收水流和其表面的漂浮物,并过滤拦截漂浮物存储在滤网内,当需更换滤网时只需要打开滤网卡扣,取出滤网进行更换即可,简单易操作,且不需要人工乘船到湖