基于改进YOLOv5s的车载人员安全带行为检测

车载人员佩戴安全带行为的检测对于人的生命安全保障具有重要作用。针对目前车内复杂环境下车载人员佩戴安全带检测精度不高的问题,提出一种基于改进的YOLOv5s(You Only Look Once v5s)车载人员佩戴安全带的检测方法。该检测方法将YOLOv5s作为基础网络,在此基础上进行改进。为改善深度模型对特征信息的提取能力,采用RFB(Receptive Field Block)模块增大网络的感受野,并利用RFB模块多分支结构获得混合的感受野;加入ECA(Efficient Channel Attention)注意力通道模块,使得整个网络更加专注特征信息的提取;将原YOLOv5s的损失函数替换为EIOU,进一步提高网络对安全带的检测精度。经过实验结果表面,改进后网络与原YOLOv5s网络相比,其平均精度均值(mAP,mean Average Precision)提高了2.2%,查准率(Precision)提升了5.1%。改进后的网络具有良好的提升效果,表明了该方法的有效性。     

基于机器视觉转子冲片亚像素精度尺寸测量研究

针对传统冲压件人工尺寸测量效率低、精度难以保证等问题,提出一种基于机器视觉的转子冲片亚像素精度尺寸测量方法。该方法采用先将采集的冲片图像灰度化再应用中值滤波来降低噪声干扰的图像预处理方法;通过Canny算子与Otsu方法相结合实现自适应阈值边缘检测,再利用改进的Zernike矩方法进行亚像素定位,获取亚像素级坐标;然后设计轮廓分割算法,主要提取内外圆亚像素轮廓,同时设置感兴趣区域并基于K-Means聚类算法分割出骨架线段轮廓,最后使用最小二乘拟合法求解出转子冲片内外圆直径和骨架间距尺寸。实验结果表明,该方法平均测量精度可以达到0.01mm,测量精度高、速度较快,具有较高的实用价值。