为方便调查宁夏全区荒漠草原植物种类及其分布，需对植物识别方法进行研究。针对YOLO v5s模型参数量大，对复杂背景下的植物不易识别等问题，提出一种复杂背景下植物目标识别轻量化模型YOLO v5s-CBD。改进模型YOLO v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network)，使卷积和自注意力相结合，提高模型的感受野；同时在特征提取网络融入坐标注意力(Coordinate attention，CA)，有效捕获通道和位置的关系，提高模型的特征提取能力；引入SIoU函数计算回归损失，解决预测框与真实框不匹配问题；使用深度可分离卷积(Depthwise separable convolution，DSC)减小模型体积。实验结果表明，模型YOLO v5s-CBD在单块Nvidia GTX A5000 GPU 帧率可达140帧/s，模型体积为8.9MB，精确率P为95.1%，召回率R为92.9%，综合评价指标F1为94.0%，平均精度均值mAP为95.7%，在VOC数据集平均精度均值可达80.09%。

python + opencv 识别滑块验证码滑块位置

RAF-DB数据集太大，分为上下两部分上传！

opencv与c++的结合给图像和视频的开发带来了很大的方便，现在已经广泛与用于模式识别领域

使用opencv和zbar识别条形码，可以扩展识别二维码，需要zbar，引用zbar才可以使用，不然没有办法使用！！！！！！！！！！！！！！

基于TensorFlow+OpenCV的焊缝识别 文章地址： https://blog.csdn.net/weixin_53403301/article/details/124505827

针对当前物联网感知层在感知多源信息时，尚没有一种很好的融合方法的问题，根据无线传感器网络(WSN)和射频识别(RFID)网络自身的特点，通过引入数据融合器，提出了一种将电子产品编码(EPC)和环境参数建立映射关系的方法。将该方法应用于超市仓储管理系统，对其编码并且构建原型系统，该方法能够明显提高数据传输的有效率，试验结果验证了所提出方法的正确性和有效性。

电子元器件识别,从零开此学习，认识电子元器件知识，好学易懂，

将遗传规划、遗传算法和数值分析技术相结合,借助于工程岩体的变形监测,进行了工程岩体参数的等效模式智能识别,借助于获得的等效岩体参数进行了工程问题正分析,并将计算位移与监测位移进行对比分析,显示出较好的一致性。由此表明,基于实测监测信息的等效模式智能识别方法可以用于岩土工程的参数反演,为复杂岩体参数的合理选择提供一条可选的途径。

数据集包含了从-20dB 到+18dB 总共 20 个信噪比（步长为 2）下的 11 种调制信号， 包括 AM-DSB、 AM-SSB 和 WBFM 三种模拟调制信号，以及 BPSK、 QPSK、 8PSK、 CPFSK、 GFSK、 PAM4、 QAM16 和 QAM64 八种数字调制信号。其中信号的中心频率为 200KHz，采样频率为 1Msamp/s，且每个信噪比下每种调制信号包含 1000 个信号。其中每个信号包含 IQ 两路数据，且每一路数据都包含有 128 个采样点。