-
题名改进YOLOv8n的遥感图像目标检测算法
- 1
-
-
作者
王海群
武泽锴
晁帅
-
机构
华北理工大学电气工程学院
华北理工大学招生就业处
-
出处
《电子测量与仪器学报》
北大核心
2025年第4期84-94,共11页
-
文摘
针对遥感图像中目标尺度差异较大、类别多样且分布不均等因素造成检测时目标定位不精准、漏检和误检等问题,提出一种改进YOLOv8n的遥感图像目标检测算法。首先,构建SC_C2F模块作为主干网络的特征提取模块,通过在Bottlececk结构中引入空间通道重建卷积,增强不同尺度通道和空间的特征提取能力;其次,设计ESPPM模块替换原金字塔池化模块,引入自适应平均池化层与大可分离核残差注意力机制,丰富上下文信息,提高模型多尺度特征聚合能力;再次,结合GSConv轻量化卷积与VoVGSCSP结构,引入Slim-PAN结构到颈部网络,在减少模型计算量的同时保持检测精度;最后,引入增加参数表示法的旋转框作为角度坐标回归,并设计RBCL损失函数计算旋转框损失,使检测过程更加贴合目标形状,提高对小目标和密集目标的检测精度。将改进的YOLOV8n算法在DOTA数据集上进行实验,相较原算法mAP@0.5提高5.1%,计算量降低0.4 GFLOPs。
-
关键词
遥感图像
YOLOv8n
特征提取模块
损失函数
旋转框
注意力机制
-
Keywords
remotely sensed imagery
YOLOv8n
feature extraction module
loss function
rotating boxes
attention mechanisms
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN957.52
[电子电信—信号与信息处理]
-
-
题名改进YOLOv10n的光伏电池缺陷检测算法
- 2
-
-
作者
王海群
武泽锴
于海峰
-
机构
华北理工大学电气工程学院
-
出处
《电子测量技术》
2025年第15期52-62,共11页
-
基金
河北省自然科学基金(D2024209006)
河北省教育厅科学研究项目(QN2024147)资助。
-
文摘
针对光伏电池缺陷检测中,由于缺陷形态不规则、尺寸多变及缺陷种类繁多等因素导致的缺陷识别困难、漏检和误检率高的问题,提出一种改进YOLOv10n的光伏电池缺陷检测算法。首先,剔除原C2f的Bottleneck结构,设计PMSFA_CSP模块作为主干和颈部网络的部分特征提取模块,通过其部分多尺度特征提取及残差结构获取上下文信息的能力,增强网络对缺陷特征的融合能力。其次,利用不同膨胀率的共享卷积层及SENetV2聚合稠密层注意力机制,设计FPSC_SENetV2模块引入主干网络,减少局部信息丢失,增强网络对细节特征的捕捉能力。再次,融合FreqFFPN与PMSFA_CSP模块,设计FreqFP_FPN模块并引入特征金字塔网络,降低类别不一致性,增强高频细节的缺陷信息;最后,构建SESN损失函数作为边界框回归损失函数,平衡不同尺度缺陷的检测,加速网络收敛,提高计算效率。实验结果表明:将改进的YOLOv10n在光伏电池缺陷数据集上进行实验,相较原算法mAP@0.5提高3.0%;计算量降低0.7 GFLOPs;参数量降低0.08 M;综合性能满足光伏电池缺陷检测要求。
-
关键词
光伏电池
缺陷检测
YOLOv10n
损失函数
SENetV2注意力机制
共享卷积层
部分卷积
-
Keywords
photovoltaic cells
defect detection
YOLOv10n
loss function
SENetV2 attention mechanism
shared convolutional layers
partial convolution
-
分类号
TP391.41
[自动化与计算机技术]
TN86.2
[自动化与计算机技术—计算机应用技术]
-
