自然环境下基于增强YOLOv3的百香果目标检测

为解决当前流行的目标检测模型对自然环境下百香果由于目标密集互相遮挡所致的检测效率低等问题,以YOLOv3网络为基础,提出了一种基于增强的YOLOv3百香果目标检测算法。首先,针对百香果目标尺寸的特点,利用以交并比为距离度量的改进K-means++算法,重新获取与目标果实相匹配的锚选框,提高对目标的框选精度以及模型的收敛速度;其次,在输出网络中将用来筛选目标预测框的Soft-NMS算法通过线性函数的形式对其高斯函数的抑制参数进行改进,以提高模型在不同密集场景下的适应性和检测能力;最后,利用增强的YOLOv3模型在经过预处理后的百香果数据集上进行多次试验对比,结果表明增强后的YOLOv3目标检测算法平均精度均值（mAP）达到94.62%,F₁值达到94.34%,较原YOLOv3算法分别提升了4.58和3.68百分点,平均检测速度为25.45帧/s,基本满足了自然环境下百香果目标检测的精准性和实时性要求。     

基于K60的多协议防碰撞RFID读卡器设计

提出了一种能够识别ISO／IEC14443A、ISO／IEC14443B和ISO／IEC15693三种协议标签的RFID读卡器构件化设计方案,同时针对多标签冲突情况实现了协议中给出的防碰撞算法．结果表明,该方案提高了软硬件的可重用性和可移植性,缩短了开发周期．     

支持热拔插的高效率电荷泵设计

提出了一种高效率的电荷泵电路结构,在相同输入电压条件下,其输出电压比传统电荷泵高出1个阈值电压.此外,针对传统电荷泵电路在上电过程中存在浪涌电流的缺点,设计了一个两级限流电路,实现电荷泵电路的软启动,确保芯片在热拔插过程中,不会影响输入电源线上的其他芯片的正常工作.芯片测试结果表明在电源电压为2.7 V、负载电容为4.5μF、负载电阻为600Ω的条件下,提供4.8 V的输出电压,上升时间约为36 ms,实现可靠性工作,效率最高达到83%.     

嵌入式设备的轻量化百香果检测模型

为在有限的嵌入式设备资源下达到实时检测要求,提出一种基于改进YOLO v5的百香果轻量化检测模型（MbECA-v5）。首先,使用MobileNetV3替换主干特征提取网络,利用深度可分离卷积代替传统卷积减少模型的参数量。其次,嵌入有效通道注意力网络（ECANet）关注百香果整体,引入逐点卷积连接特征提取网络和特征融合网络,提高网络对百香果图像的特征提取能力和拟合能力。最后,运用跨域与域内多轮训练相结合的迁移学习策略提高网络检测精度。试验结果表明,改进后模型的精确率和召回率为95.3%和88.1%;平均精度均值为88.3%,较改进前提高0.2个百分点。模型计算量为6.6 GFLOPs,体积仅为6.41MB,约为改进前模型的1/2,在嵌入式设备实时检测速度为10.92f/s,约为SSD、Faster RCNN、YOLO v5s模型的14倍、39倍、1.7倍。因此,基于改进YOLO v5的轻量化模型提高了检测精度和大幅降低了计算量和模型体积,在嵌入式设备上能够高效实时地对复杂果园环境中的百香果进行检测。