登录社区云,与社区用户共同成长
邀请您加入社区
摘要:本研究采用的车辆品牌与类型检测数据集由研究团队自主构建,具备完整的数据采集、标注与整理流程,并具有明确的自主知识产权。数据集面向智能交通与智慧出行等应用场景,涵盖多类车辆品牌与车型类型目标,包括 Audi、BMW、Porsche、Mercedes、Volkswagen、Toyota、Tesla 等主流品牌,以及 Sedan、Coupe、Pickup、SUV、MPV、Truck 等车辆类型。样
数据集以无人机航拍图像为核心,单类别聚焦桥梁裂缝检测,数据场景、形态、角度覆盖全面,分辨率平衡精度与效率,为桥梁健康监测自动化提供高质量基准数据,支撑算法开发、验证与落地应用。
航拍电力设施图像分割数据集(Power line)
智慧桥梁缺陷识别数据集 桥梁裂缝识别、大桥腐蚀污渍数据集、建筑物剥落识别、桥梁暴露钢筋识别、桥梁泛碱识别图像数据集 第10235期
港口船舶盲区问题长期困扰作业安全与效率。传统监控存在视野局限,人工巡检易受环境制约。AI视觉检测技术通过智能摄像头网络和实时分析算法,实现了对船舶轮廓、人员位置等关键信息的自动识别。系统采用目标检测和图像分割技术,结合边缘计算降低延迟,有效覆盖传统盲区。实际应用中,该系统能实时监测泊位间距、危险区域闯入等情况,显著提升安全预警能力。虽然极端天气下性能会受影响,但通过与雷达、AIS等传感器数据融合,
互易性原理将接收阵列与声源位置互换,将原本需要N次声场计算(N为声源网格点数)降低为M次(M为阵元数),M通常远小于N。处理带宽从100Hz扩展到500Hz时,检测性能提升了3dB,验证了宽带处理的优势。仿真表明,当声源频谱起伏标准差为5dB时,最大信噪比处理器的检测概率在信噪比-10dB下为0.83,而线性非相干仅为0.52。✨ 长期致力于被动声纳、宽带目标检测、匹配场处理、最大信噪比处理器、互
智慧体育要素识别之兵乓球识别数据集 乒乓台识别 运动员及裁判员识别数据集 运动会场景要素识别数据集 yolo目标检测数据集 第10193期
智慧铁路场景图像识别数据集 铁路闭合屏障警示柱识别 警示彩旗图像识别数据集 铁路栅栏识别图像数据集 列车识别图像数据集第10238期
类别名称:['american_football','baseball','basketball','billiard_ball','bowling_ball','cricket_ball','football','golf_ball','hockey_ball','hockey_puck','rugby_ball','shuttlecock','table_tennis_ball','tenni
查询最初被初始化为 BEV 空间中的稀疏柱体集合。区别于传统方法使用3D参考点作为query初始化,SparseBEV采用BEV空间的柱体作为query初始形式:每个query包含位置(x,y,z)、尺寸(w,l,h)、旋转θ、速度[vx,vy]及对应的D维特征,z初始化为0、h初始化为4m,引入了更合理的空间先验,相比参考点可带来0.5NDS的性能提升。要缩小稀疏方法与稠密方法的性能差距,需要同
港口船舶检测长期面临漏检误检问题,主要源于船舶数量大、类型杂、环境恶劣等因素。高精度AI算法通过计算机视觉和深度学习技术,能实时识别船舶特征,提高检测准确率和效率。相比人工检测,AI系统不受疲劳和恶劣天气影响,能捕捉细微差异,显著提升港口管理效能。但AI系统仍需优化摄像头布点和模型迭代,以应对新型船舶识别挑战。AI技术的应用并非取代人工,而是辅助工作人员提升管理质量,为港口作业提供更可靠的船舶识别
柑橘病害检测和识别2:基于YOLOv11柑橘病害识别系统(含训练代码和数据集)
柑橘病害检测和识别3:基于YOLOv11柑橘病害识别系统(含训练代码、数据集和GUI交互界面)
本文介绍了基于YOLOv10算法实现工业产品缺陷检测的全流程方案。YOLOv10作为新一代目标检测算法,通过优化网络结构和检测头设计,在保持轻量化的同时提升了检测精度和速度。文章详细阐述了环境配置、数据集准备(包含3类缺陷)、模型训练(使用YOLOv10n轻量化版本)和推理部署的具体实现方法,并提供了关键代码示例。实验结果表明,该方法能有效检测工业零件缺陷,输出缺陷位置、类别和置信度等信息。最后提
智慧隧道场景识别 隧道渗漏识别 隧道裂缝 隧道脱落 地铁隧道渗漏、地铁裂缝、地铁墙壁剥落 图像分类和目标检测数据集 (1)
智慧铁路车轮缺陷识别数据集 火车车轮目标检测数据集金属腐蚀生锈图像识别数据集 detr算法1024
智慧文明城市之河道江面垃圾识别 yolo碎料垃圾分割识别 垃圾堆分割识别图像数据集 智能AI图像识别10263期
AI智能识别技术正在改变港口船舶监管模式。传统人工巡查效率低、漏检率高,难以应对港口24小时作业的复杂环境。AI系统通过高清摄像头和智能算法,能实时识别超速航行、违规停泊、人员未穿戴防护装备等多种违章行为,实现毫秒级响应和自动告警。该技术将事后追责转变为事前干预,大幅提升违章发现率,同时减轻人工监控压力,使管理人员能更专注于应急处置。AI与人工的协同监管,显著提升了港口安全管理效能。
智能AI识别之建筑物内墙霉斑识别 建筑物外墙裂缝识别 建筑物安全裂缝评测 墙面剥落识别数据集 墙面渗水识别数据集 数据集第10211期
频率调制连续波(FMCW)雷达是一种常用的雷达技术,通过发射频率随时间连续变化的电磁波,并接收目标反射回来的回波,从而获取目标的距离、速度等信息。与传统脉冲雷达相比,FMCW 雷达具有结构简单、成本低、分辨率高以及能够同时测量距离和速度等优点,广泛应用于汽车防撞、无人机避障、工业检测和气象监测等领域。
智能安全监测之高空作业安全带识别图像数据集 施工工地安全帽识别 防护服佩戴识别 反光衣图像识别数据集 穿戴佩戴服装图像第10242期
智能AI图像识别之工地积水识别数据集 道路积水数据集 管道泄漏漏水数据集 图像yolov8图像数据集 积水识别yolo第10260期
智能AI图像识别之建筑物立面缺陷识别 小区违规搭建识别 小区垃圾堆积识别 违规停车识别 建筑物墙面缺陷识别yolo数据集10314期
传统方式依赖调度员长时间盯监控,易疲劳漏报且效率低下。新型AI摄像机结合图像识别算法,可自动检测船舶位置、识别船名等信息,并与AIS系统数据比对,实现24小时自动监控。应用效果显示:识别速度快、准确率高(白天95%以上)、数据自动流转减少人工录入,并能发现未开AIS的"隐形船"。目前仍存在船名遮挡、极端天气影响等问题,未来将通过多角度摄像机、边缘计算等技术优化。该技术将调度员从
另一方面,利用边界连通性先验,定义每个超像素与图像四个边界的连接强度B_i = Σ_j exp(-dist(i,j)/σ) * δ(j∈边界),归一化后得到边界连通性图P_bd。将两者通过贝叶斯框架融合:P_sal = (P_obj * P_bd) / (P_obj + P_bd - P_obj*P_bd),再以图像中心为基准施加高斯中心先验权重,中心方差设为图像宽高的1/3。✨ 长期致力于视觉注
本文针对苹果品质检测中的新鲜与腐烂分类问题,基于YOLO目标检测算法构建了一套高效的苹果新鲜腐烂检测系统。该系统可自动识别图像中的新鲜苹果(apple)与腐烂苹果(damaged_apple),为果蔬品质评估提供智能化解决方案。实验采用YOLO26模型在数据集上进行训练与验证,数据集共包含697张标注图像,其中训练集489张、验证集178张、测试集30张。训练结果显示,模型在验证集上的mAP50达
无人机识别检测系统在低空安防、空域管理和公共安全等领域具有重要应用价值。本研究基于YOLO26目标检测算法,构建了一套针对无人机目标的自动识别检测系统。系统使用包含1个类别(drone)的数据集进行训练,其中训练集1012张图像,验证集347张图像。实验结果表明,该模型在验证集上取得了95.1%的mAP50,精确率达到95.5%,召回率为88.6%,最佳F1分数为0.92。模型推理速度为1.7ms
学生课堂行为检测是智能教育监控系统中的关键任务,对于教学质量评估、学生注意力分析和课堂管理具有重要意义。本研究基于YOLO26目标检测算法,构建了一个包含6类常见课堂行为(举手、阅读、写字、使用手机、低头、趴桌)的检测系统。实验数据集包含训练集1422张图像、验证集203张图像和测试集407张图像。实验结果表明,该系统在IoU=0.5阈值下的平均精度(mAP@0.5)达到0.905,其中“使用手机
目的:火灾与烟雾的早期智能检测对于公共安全预警具有重要意义。本研究基于YOLO26目标检测算法,构建了一个面向两类目标(火灾、烟雾)的实时检测系统,并在大规模数据集上进行了系统训练与评估。方法:研究构建了一个包含6744张标注图像的数据集,其中训练集4832张验证集1000张测试集912张,共计标注实例超过1.2万个。采用YOLO26架构作为基础检测模型,通过精确率、召回率、平均精度均值(mAP)
生菜生长周期的精准识别是智能农业种植管理的关键环节,对优化灌溉、施肥和采收决策具有重要意义。本研究基于YOLOv26s目标检测算法,构建了一个面向生菜生长周期自动检测的系统。数据集包含5个生长阶段类别:Ready(成熟期)、empty_pod(空荚)、germination(发芽期)、pod(结荚期)和young(幼苗期),共计1510张标注图像,其中训练集1060张、验证集299张、测试集151