基于红外技术的物联网异常节点智能定位系统设计

为了解决传统方法定位精准度低、耗时长和准确率不高的问题,在红外技术基础上设计出一种物联网异常节点智能定位系统。提出测量角度信息得出双站测角定位原理,实现三角交叉定位,根据"几何稀释"原理同时融合红外平台本身具有的特点,构建正交多站测角红外被动定位模型。根据该模型获取出对应节点距离灵敏度曲线结论以及异常节点大概范围区域,为解决传统DV-HOP算法容易受环境因素影响导致定位结果出现偏差问题,通过获取节点跳数、计算平均跳距以及节点定位三个主要点位阶段进行改进,实现对物联网中异常节点定位,完成物联网异常节点智能定位系统设计。仿真实验结果,验证所提系统计算过程简便,定位精度高,定位耗时较短,且误差值小准确率较高。     

基于YOLOv5的CCTSDB小目标检测算法研究

为了提高全新中国交通标志检测数据集2021(CCTSDB 2021)的小目标检测精度。在YOLOv5网络模型上,融入归一化的注意力模块（NAM）和协调注意力模块（CA）,同时新增加160×160的检测特征图,增加小目标检测层,用于检测4×4以上的目标。在YOLOv5中采用改进的SIou目标回归损失函数,使得整个网络模型对图像特征的学习能力和目标检测精度得到一定的提升。实验表明,CCTSDB2021在改进的YOLOv5算法中,小目标检测精度mAP@.5和mAP@.5:.95达到85.87%、57.21%,相比原YOLOv5网络mAP@.5、mAP@.5:.95分别提升了5.72%、5.85%,检测精度和精确率-召回率得到了明显提升,减少了推理时间,提高了整体网络的鲁棒性,具有更好的检测性能和目标分辨能力。