【摘 要】
：
针对火炮身管动态靶标识别跟踪精度和实时性不高的问题，提出了一种基于YOLOv5深度学习模型的靶标识别跟踪方法。分析了靶标识别跟踪过程和基本思想，通过网格化模型对靶标样本图像进行多尺度处理，并利用金字塔模型进行融合预测；搭建了YOLOv5网络模型，对组件设置优化；对比了损失函数对锚框识别效果的影响，并选取优化后的CIOU作为模型损失函数；最后对模型进行训练，并利用训练好的模型对动态靶标进行识别跟踪。
【基金项目】
：
河北省教育厅重点基金（ZD2022106）；
论文部分内容阅读
针对火炮身管动态靶标识别跟踪精度和实时性不高的问题，提出了一种基于YOLOv5深度学习模型的靶标识别跟踪方法。分析了靶标识别跟踪过程和基本思想，通过网格化模型对靶标样本图像进行多尺度处理，并利用金字塔模型进行融合预测；搭建了YOLOv5网络模型，对组件设置优化；对比了损失函数对锚框识别效果的影响，并选取优化后的CIOU作为模型损失函数；最后对模型进行训练，并利用训练好的模型对动态靶标进行识别跟踪。实验结果可视化分析显示，靶标动态识别跟踪率可达到99.3%,动态实时跟踪效果较好。
其他文献
为了强化转炉熔池的搅拌,在200 t复吹转炉1∶12的模型进行物理模拟试验,研究了底吹非均匀供气对转炉复吹和纯底吹熔池的搅拌混匀效果;采用数学模拟的方法计算了纯底吹条件下,转炉采用底吹非均匀供气时的熔池流体流动。研究结果表明,在所研究的不同的底吹非均匀供气方案中,与底吹均匀供气方案相比,线性底吹非均匀供气方案有利于改善转炉熔池搅拌效果,最佳的底吹非均匀供气方案的混匀时间比均匀供气降低了19%～25
【目的】了解外源氮、磷添加后云南松苗木各器官及土壤中氮、磷、钾化学计量比的变化特征,为云南松苗木培育过程中养分的合理管理提供依据。【方法】以2年生云南松苗木为试材,设置氮、磷配施试验,每种肥料设置3个施肥水平,氮肥的施用水平为0,0.4和0.8 g/株,磷肥的施用水平为0,0.8和1.6 g/株,共9个施肥处理组合。施肥后2,4,6个月分别测定苗木根、茎、叶及土壤的氮（N）、磷（P）、钾（K）含量
社会诚信体系建设是发展社会主义市场经济的必然要求，其完善程度也是衡量市场经济是否成熟的重要标志。作为构建社会诚信体系的重要组成部分，加快企业诚信体系建设对维护正常的社会经济秩序，促进企业转型发展，提高企业竞争力具有十分重要的意义。随着大数据时代的到来，利用大数据技术构建诚信评估系统，对诚信数据共享通道进行扩展，将信用服务与大数据相融合，利用区块链技术确保数据的保密性与安全性，这是大数据时代下企业构
＜正＞开场白:2017年4月23日,"2017中国企业信用发展论坛暨第八届诚信公益盛典"在北京召开。本届论坛以"变革、诚信、合作"为主题,与会代表深入剖析国内外经济形势,针对当前的新动向、新趋势和新政策,共同探讨守信联合激励和失信联合惩戒机制建设等重大问题。会上企业家、专家、学者共同进行深入交流与探讨,形成高度共识——企业家要坚持以提高发展质量和效益为中心,坚持以推进供给侧结构性改革为主线,聚焦企
目的 调查护理工作环境与护士评价护理质量的关系及健康促进行为的中介作用,旨在为管理者制定提高护理质量的针对性措施提供参考依据。方法 2022年1月,采用便利抽样法分别从北京和西安各选取1家三级甲等医院共824名护士为研究对象,采用护士一般情况问卷、护理工作环境量表、健康促进行为量表和护士评价护理质量量表进行问卷调查,采用结构方程模型分析健康促进行为在护理工作环境对护士评价护理质量影响的中介作用。结
番茄在中国设施蔬菜产量中高居首位，是我国重要的蔬菜作物。青枯病是危害番茄产业发展的重要病害，由青枯雷尔氏菌侵染引起，其病原菌能够在土层深处长时间存活并进行转移，化学防治效果有限，严重影响番茄产量及品质。本文介绍了番茄青枯病的特征及病原菌种类，从植物源杀菌剂、农用抗生素、生防菌、噬菌体等方面系统综述了生物防治番茄青枯病的研究进展，重点介绍了这些生物防治措施的原理、应用现状，同时，对相应方法存在的局限
＜正＞新华社北京3月14日电十二届全国人大一次会议14日上午在人民大会堂举行第四次全体会议,以无记名投票方式,选举习近平为中华人民共和国主席、中华人民共和国中央军事委员会主席,选举张德江为第十二届全国人民代表大会常务委员会委员长,选举李源潮为中华人民共和国副主席。会议经过表决,批准了国务院机
＜正＞为构建科学高效监督体系，充分发挥监督保障执行、促进完善发展作用，国网娄底供电公司（以下简称娄底公司）围绕“纪检+专业”的基本思路，结合国网湖南省电力有限公司纪检工作市县、省直“两个一体化”工作要求，健全新形势下纪检队伍统筹模式，完善“纪检+专业”的监督力量，构筑纪检监督与职能监督协同联动的“专业型”监督体系，创新“智慧型”监督平台并与纪检监督形成有效互动，形成纪检监督与专业管理协调贯通的“多