秸秆焚烧视频监控系统

秸秆焚烧视频监控通过机器视觉边缘分析技术以及yolov3深度学习模型对现场画面实时分析检测，对秸秆燃烧行为进行7*24小时不间断识别。YOLO V1的前20层是卷积层，得到7*7*1024的feature map，然后接3*3的mean pooling，得到7*7*1024的pooling feature map，再接两个全连接层，得到7*7*30的输出。

基本的逻辑就是对坐标+iou误差、分类误差进行修正。 在训练的时候，每个样本的ground truth的box是知道的，对应于图片的feature map，也能找到在feature map中对应的box位置（box由多个grid cell组合而成）。如果一个grid cell是该物体的中心位置，则这个grid cell负责预测这个物体;每个grid cell都预测了若干个bounding box（假设S = 7，B = 2，则bounding box的数目 = 7×7×2 = 98个），其中会有一个bounding box具有与ground truth的某个box有最大的IOU，则由这个bounding box负责调整box的位置（另外的97个bounding box就忽略了）。

YOLOv5检测算法中还是存在很多可以学习的地方，虽然这些改进思路看来比较简单或者创新点不足，但是它们确定可以提升检测算法的性能。其实工业界往往更喜欢使用这些方法，而不是利用一个超级复杂的算法来获得较高的检测精度。

  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。