XiaoMi-AI文件搜索系统
World File Search SystemYOLOv8
Vitis AI 3.0 网络研讨会问答
随着 Vitis AI 3.0 的发布，我们现在支持 YOLOv5、YOLOv6 和 YOLOX。我们的工程团队正在开发 YOLOv7 支持，YOLOv8 也将紧随其后。用户必须了解，这些模型的原始版本是根据 GNU 公共许可证 (GPL) 发布的。GPL 与 Vitis AI 不兼容，后者是根据更宽松的 Apache 2.0 许可证发布的。出于上述原因，我们不会在 Vitis AI Model Zoo 中发布我们的源模型。在商业应用中使用 GPL 源应由最终用户在产品化之前进行评估。我们确实会根据要求向用户提供我们的浮点模型和训练脚本作为源代码。请联系 amd_ai_mkt@amd.com 了解更多详细信息。
检测卷积神经网络...
摘要 - 花园环境中物体的检测和分类是应考虑的必要支持，这不仅是因为它促进了花朵的分类，还因为它减少了所需的时间，因为它不再需要专家进行。卷积神经网络的使用在所有领域都在上升，无论是在汽车行业，牲畜，航空等。这是由于它们的特征，它利用人工智能培训来实现对物体的精确检测和分类，但是所有这些方法的成本都很高，并且任何人都无法操纵。该资源的实施，与Yolov8算法并肩作用，代表了花型检测和分类领域的显着进步。关键字：分类，花卉农场，卷积神经网络，Yolo，Python，Roboflow，人工智能。
使用YOLO算法深度学习的车辆损伤检测
摘要 - 1）数据准备：具有良好质量注释照片的数据质量至关重要。包括各种汽车型号，透视和损坏类型（划痕，凹痕，零件等）。2）多样性：数据集应代表各种背景，气候和照明条件，以改善模型概括。注释的工具：可以使用labelimg，roboflow或cvat等应用程序来加快注释过程。类不平衡：地址类别不平衡（例如，更多的较小划痕，而损坏的组件更少），以防止预测中的偏见。3）Yolo版本7和8功能：Yolov7：非常快速准确。强调非常精确的实时检测，该检测有资格用于保险和现场检查等申请。Yolov8：更加用户友好，并提供了改进的推理和培训支持。改进的模型。
对AI的害虫管理系统的评论
摘要：该项目开发了一种自主机器人系统，用于有效的害虫监测和控制农业。传统方法，例如手动粘性陷阱，是劳动密集型且昂贵的。我们的机器人使用高分辨率摄像机和多光谱成像来调查字段，从而捕获用计算机视觉算法分析的害虫数据。使用IP102数据集和Yolov8模型，该系统确定有害昆虫，并区分静态类型和飞行类型。针对目标的控制措施：基于作物损害，静态害虫会获得精确的有机或化学喷雾剂，而使用激光消除了飞行昆虫 - 组的多二极管和个体的单二极管。GPS确保边界依从性，GSM模块警告农民。该解决方案旨在减少农药使用，从而提高可持续性和效率。
Roboboat 2025：技术设计报告
C.任务3：对接执行对接任务，我们设计了一台状态机来浏览双面码头，以确保车辆在正确标记的区域中进行码头。车辆可以在六个状态之一中：接近，检查_camera，移动，旋转1，旋转2和对接。在接近状态期间，码头位置是通过使用Point Cloud Registration将预先存在的点云模板与LIDAR数据匹配的来确定的。如果当前的码头被容器占据或与正确的颜色或形状不匹配（使用我们的Yolov8模型确定），则车辆过渡到移动或轨道状态。在变化状态下，船移动以检查同一侧的下一个码头，在轨道状态下，它切换到码头的另一侧。一旦找到了一个适当的码头，车辆将进入对接状态，并使用我们的路径计划者将其导航到码头的中心。
基于性别的人群分类和计数...
摘要 - 。基于性别的人群计数是一个复杂而重要的研究领域，因此吸引了更广泛的研究社区，该社区在安全监视，敬拜场所，酒店等领域中具有显着应用。这对于有效地理解人口统计学，公共安全和城市规划至关重要。这项研究结合了一种先进的深度学习算法Yolov8，以其对象检测的高精度和效率而闻名。考虑了各种人口统计学因素，例如种族多样性和服装差异，以在性别分类中具有稳健性和可靠性。开发方法的主要目的是改善人群的分析方式，旨在改善城市管理中的决策过程，从而增强事件计划中的recourses分配。所提出的方法为实用场景的更高级人群分析技术铺平了道路。
自适应流量监控：整合ML和远景
车辆速度和数板检测系统旨在监视车辆速度并自动确定超过速度限制的车辆，从而使罚款向罪犯发行。该系统使用Yolov8预训练的模型（Yolov8n）从视频或图像中检测车辆，而排序算法则在每个检测到的车辆跨相机的视野中移动时跟踪每个检测到的车辆。使用公式（v = d/t \）计算车辆的速度，其中将时间（t）测量为车辆越过两个平行线，并使用欧几里得距离公式计算线之间的距离（d）。当发现车辆超速行驶时，该系统会使用车牌探测器来捕获车辆的注册号，该号码用于识别所有者以发出罚款或“ Challan”。该项目的代码在speed_detection.ipynb文件中实现，测试视频数据存储在视频文件夹中。
紧急和交通违规系统
摘要本文的目的是审查过去对高级监控系统的工作，重点是集成Raspberry Pi 4.0和Yolov8/Yolov9等技术。由于其效率和准确性，这些技术是用于实时监控的最广泛使用的解决方案之一。这是一个领先的对象检测模型，它为连续跟踪和自动观察提供了强大的系统。本文探讨了这些技术如何通过监视各种车辆行为，检测不规则的行为并促进对关键道路情况的迅速反应来增强道路安全和交通管理。该系统的目的是通过监视车辆行为，检测不规则性并促进对关键道路情况的快速响应来增强道路安全并优化交通管理。它跟踪车辆运动，确定潜在的事件，并在检测到差异或安全问题时自动提醒相关当局。警报系统对于提供交通控制机构的车辆的位置和信息至关重要，从而确保迅速而准确的响应。