秸秆焚烧烟雾监测系统通过计算机视觉边缘计算以及yolo网络架构自动对画面中秸秆焚烧行为实时监测。YOLO系列算法是一类典型的one-stage目标检测算法,其利用anchor box将分类与目标定位的回归问题结合起来,从而做到了高效、灵活和泛化性能好,所以在工业界也十分受欢迎,接下来我们介绍YOLO 系列算法。

在YOLO系列算法中,针对不同的数据集,都需要设定特定长宽的锚点框。在网络训练阶段,模型在初始锚点框的基础上输出对应的预测框,计算其与GT框之间的差距,并执行反向更新操作,从而更新整个网络的参数,因此设定初始锚点框也是比较关键的一环。

我们使用YOLO(你只看一次)算法进行对象检测。YOLO是一个聪明的卷积神经网络(CNN),用于实时进行目标检测。该算法将单个神经网络应用于完整的图像,然后将图像划分为多个区域,并预测每个区域的边界框和概率。这些边界框是由预测的概率加权的。要理解YOLO,我们首先要分别理解这两个模型。

opencv ai 粉尘 烟雾 opencv烟雾检测算法_人工智能

 

Adapter接口定义了如下方法:

public abstract void registerDataSetObserver (DataSetObserver observer) 
 Adapter表示一个数据源,这个数据源是有可能发生变化的,比如增加了数据、删除了数据、修改了数据,当数据发生变化的时候,它要通知相应的AdapterView做出相应的改变。为了实现这个功能,Adapter使用了观察者模式,Adapter本身相当于被观察的对象,AdapterView相当于观察者,通过调用registerDataSetObserver方法,给Adapter注册观察者。public abstract void unregisterDataSetObserver (DataSetObserver observer) 
 通过调用unregisterDataSetObserver方法,反注册观察者。public abstract int getCount () 
 返回Adapter中数据的数量。public abstract Object getItem (int position) 
 Adapter中的数据类似于数组,里面每一项就是对应一条数据,每条数据都有一个索引位置,即position,根据position可以获取Adapter中对应的数据项。public abstract long getItemId (int position) 
 获取指定position数据项的id,通常情况下会将position作为id。在Adapter中,相对来说,position使用比id使用频率更高。public abstract boolean hasStableIds () 
 hasStableIds表示当数据源发生了变化的时候,原有数据项的id会不会发生变化,如果返回true表示Id不变,返回false表示可能会变化。Android所提供的Adapter的子类(包括直接子类和间接子类)的hasStableIds方法都返回false。public abstract View getView (int position, View convertView, ViewGroup parent) 
 getView是Adapter中一个很重要的方法,该方法会根据数据项的索引为AdapterView创建对应的UI项。