Ta上传的资源 (0)

本文提出了一种基于改进YOLOv3的算法，能够在复杂字符干扰的场景下快速定位铁路集装箱箱号。该算法采用了EfficientNetv2轻型网络作为主干网络，并通过改进损失函数、利用规整通道剪枝和增加SPPF模块等方式进行优化。实验结果显示，该算法模型大小仅有18.6 MB，定位准确率达到97.4%，相

该文章详细介绍了一种基于YOLOv5算法的名优茶智能采摘机器人的技术原理和实现过程。课题组通过数据获取单元获取名优茶的信息并上传至服务器，服务器通过图像识别算法判断可采摘茶叶位置并将信息传给控制单元。控制单元将信息转换为PWM信号控制电机驱动器，实现机械手在多轴上的移动和采摘。这一技术的研究为名优茶

针对铝合金焊缝缺陷为小目标，提出改进型模型YOLOv4-cs1和YOLOv4-cs2，通过改进残差块堆叠方式、改变卷积激活函数以及去除下采样层等方法，提升模型检测效果。实验证明，YOLOv4-cs1模型和YOLOv4-cs2模型相较于YOLOv4模型，在气孔和夹渣两种缺陷的召回率上分别提高了28.9

针对传统路侧目标检测模型存在的问题，本研究提出了一种基于改进的YOLOv5s算法的路侧目标检测模型，并通过实验结果验证了其有效性。改进的算法采用了EIoU Loss作为目标边界框的回归损失函数，提升了回归预测精度；同时使用轻量级的CARAFE算子替代最近邻插值上采样模块，减少特征信息损失；新增一层检

研究针对水下生物识别的精度低和漏检率高问题，通过改进YOLOv5s算法，提出了一种基于YOLOv5s的水下生物识别算法。首先应用自动色彩均衡算法ACE来提升水下图像的对比度，消除色偏。同时，在YOLOv5s网络模型的Backbone部分加入CA注意力模块，从而增强网络对目标特征的提取能力。此外，我们

针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题，本研究提出了一种基于图像配准融合算法和改进YOLOv5s的死鸡检测方法。通过SURF算法结合RANSAC算法实现热红外与可见光图像的特征点匹配，并利用仿射变换模型得到配准图像。采用小波变换对图像进行分解重构，得到最终的配准融合图像。为

通过数据增强和模型训练，本方法能够精准定位水表表盘和字轮区域，并实现对字轮的数字识别。在实验中，该方法的综合准确率得分达到了95%，相较于传统模板匹配方法提升了5.58%。特别是在半字符识别方面，准确率提高了9.15%，有效解决了水表字轮半字符识别错误率高的问题。此方法对于实现水表等仪表读数的自动化

基于YOLOv5s的细胞培养板分类识别算法—YOLOv5s-tiny，针对传统生物实验室自动化程度低、效率低的问题进行了研究。通过多尺度同态滤波颜色恢复算法对输入端图像进行预处理，提高了图像的成像效果。剪枝了考虑实验场景的情况下对小目标的检测层，并使用深度可分离卷积代替普通卷积，减少了模型的参数量，

本项目包含了在日常工作中使用的几个Python脚本实例。1. ssh_thread.py是一个支持多线程的批量执行命令脚本，能够直接执行SSH命令和进行文件传输。2. check_ping.py是一个多进程检测ping的脚本，还可以获取ping的结果。3. check_ip138.py利用ip138

本文围绕基于Python的网络爬虫系统的设计与实现展开详细探究，涵盖了使用Python作为爬虫语言、beautifulsoup库进行数据爬取、Resquests多线程处理URL连接等方面。文章介绍了通过Scrapy框架定向抓取股票信息，并将抓取的数据存入数据库，最后以数据可视化的方式呈现爬虫数据。