期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于极致轻量化YOLOv8n的井下输送带异物检测方法
1
作者
高文超
王俊文
+2 位作者
张政银
李帆
黄俊
《工矿自动化》
北大核心
2025年第9期50-59,共10页
采用深度学习技术对输送带异物进行实时、精准检测,是保障带式输送机安全稳定运行的关键环节。常用的YOLO系列模型在轻量化与检测精度间难以平衡,其高计算复杂度与参数量难以很好地适配井下边缘计算设备的资源限制。针对该问题,以YOLOv8...
采用深度学习技术对输送带异物进行实时、精准检测,是保障带式输送机安全稳定运行的关键环节。常用的YOLO系列模型在轻量化与检测精度间难以平衡,其高计算复杂度与参数量难以很好地适配井下边缘计算设备的资源限制。针对该问题,以YOLOv8n为基础网络进行轻量化设计,构建了极致轻量化YOLOv8n——YOLOv8-PCAS。将YOLOv8n主干网络替换为PP-LCNet,实现主干轻量化;在C2f模块中引入连接结构优化的上下文锚点注意力(CAA)模块,增强对复杂异物形态的表征能力;引入平均池化下采样(ADown)策略,在有效压缩模型体积的同时,更好地保留关键语义信息;设计双检测头结构,去除冗余的大目标检测头,聚焦中小尺寸异物检测。基于煤矿井下异物数据CUMT-BelT和山西某煤矿井下监控视频对YOLOv8-PCAS进行训练和测试,实验结果表明:YOLOv8-PCAS的参数量为0.58×10^(6)个,为原始模型YOLOv8n的19.1%,运算量为3.6 GFLOPs,为YOLOv8n的44.4%,轻量化程度优于YOLOv7-tiny,YOLOv5n等主流模型及现有YOLOv8n轻量化改进方案;YOLOv8-PCAS能够有效检测出输送带上的锚杆、大块煤等目标,推理速度达357帧/s,平均检测耗时2.8 ms,预测框与真实边界框交并比阈值为0.5时的平均精度均值(mAP@0.5)为90.5%,满足工业现场对异物检测质量与时效的要求。
展开更多
关键词
带式输送机
异物
检测
边缘计算
极致轻量化YOLOv8n
PP-LCNet
CAA
ADown
双检测头
在线阅读
下载PDF
职称材料
面向密集场景的多目标车辆检测算法
2
作者
霍爱清
郭岚洁
冯若水
《电子测量技术》
北大核心
2024年第9期129-136,共8页
目标检测可为自动驾驶车辆提供附近目标的位置、大小和类别,但是密集场景中多目标检测仍然存在漏检、误检问题,为此该文提出了一种AD-YOLOv5车辆检测模型。首先,利用轻量型结构CBAM注意力机制对特征提取网络中的C3模块进行了优化得到C-C...
目标检测可为自动驾驶车辆提供附近目标的位置、大小和类别,但是密集场景中多目标检测仍然存在漏检、误检问题,为此该文提出了一种AD-YOLOv5车辆检测模型。首先,利用轻量型结构CBAM注意力机制对特征提取网络中的C3模块进行了优化得到C-C3模块,提高了对特征信息的获取能力,降低了对其他特征的关注度;其次,在检测头部分对分类和回归任务进行解耦,以实现更强的特征表达;然后,利用广义幂变换对IoU进行转换操作,提出鲁棒性更好的Alpha-IoU损失函数,提升了模型的检测精度并加快模型的收敛速度;最后,采用GridMask数据增强技术,增加了样本的复杂性,并在处理后的数据集上进行了实验。实验结果表明,改进后的目标检测模型的平均精度均值达到72.72%,与原YOLOv5模型相比提高了2.25%,且模型具有较高的收敛速度,通过可视化对比实验,直观展示了本文模型在密集场景能有效避免误检、漏检现象。
展开更多
关键词
目标
检测
密集场景
YOLOv5算法
Alpha-IoU损失函数
CBAM
双检测头
在线阅读
下载PDF
职称材料
题名
基于极致轻量化YOLOv8n的井下输送带异物检测方法
1
作者
高文超
王俊文
张政银
李帆
黄俊
机构
中国矿业大学(北京)人工智能学院
中国矿业大学(北京)理学院
安徽省工业互联网智能应用与安全工程研究中心
出处
《工矿自动化》
北大核心
2025年第9期50-59,共10页
基金
中央高校基本科研业务费资助项目(2024ZKPYZN01)
安徽省工业互联网智能应用与安全工程研究中心开放基金项目(IASII24-09)
+2 种基金
煤炭行业高等教育国家研究项目(2021MXJG44)
国家自然科学基金资助项目(5240040640)
龙软科技基金大学生创新创业项目。
文摘
采用深度学习技术对输送带异物进行实时、精准检测,是保障带式输送机安全稳定运行的关键环节。常用的YOLO系列模型在轻量化与检测精度间难以平衡,其高计算复杂度与参数量难以很好地适配井下边缘计算设备的资源限制。针对该问题,以YOLOv8n为基础网络进行轻量化设计,构建了极致轻量化YOLOv8n——YOLOv8-PCAS。将YOLOv8n主干网络替换为PP-LCNet,实现主干轻量化;在C2f模块中引入连接结构优化的上下文锚点注意力(CAA)模块,增强对复杂异物形态的表征能力;引入平均池化下采样(ADown)策略,在有效压缩模型体积的同时,更好地保留关键语义信息;设计双检测头结构,去除冗余的大目标检测头,聚焦中小尺寸异物检测。基于煤矿井下异物数据CUMT-BelT和山西某煤矿井下监控视频对YOLOv8-PCAS进行训练和测试,实验结果表明:YOLOv8-PCAS的参数量为0.58×10^(6)个,为原始模型YOLOv8n的19.1%,运算量为3.6 GFLOPs,为YOLOv8n的44.4%,轻量化程度优于YOLOv7-tiny,YOLOv5n等主流模型及现有YOLOv8n轻量化改进方案;YOLOv8-PCAS能够有效检测出输送带上的锚杆、大块煤等目标,推理速度达357帧/s,平均检测耗时2.8 ms,预测框与真实边界框交并比阈值为0.5时的平均精度均值(mAP@0.5)为90.5%,满足工业现场对异物检测质量与时效的要求。
关键词
带式输送机
异物
检测
边缘计算
极致轻量化YOLOv8n
PP-LCNet
CAA
ADown
双检测头
Keywords
belt conveyor
foreign object detection
edge computing
ultra-lightweight YOLOv8n
PP-LCNet
CAA
ADown
dual detection head
分类号
TD528 [矿业工程—矿山机电]
TD634 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
面向密集场景的多目标车辆检测算法
2
作者
霍爱清
郭岚洁
冯若水
机构
西安石油大学电子工程学院
出处
《电子测量技术》
北大核心
2024年第9期129-136,共8页
基金
陕西省科技厅一般项目(2020GY-152)资助。
文摘
目标检测可为自动驾驶车辆提供附近目标的位置、大小和类别,但是密集场景中多目标检测仍然存在漏检、误检问题,为此该文提出了一种AD-YOLOv5车辆检测模型。首先,利用轻量型结构CBAM注意力机制对特征提取网络中的C3模块进行了优化得到C-C3模块,提高了对特征信息的获取能力,降低了对其他特征的关注度;其次,在检测头部分对分类和回归任务进行解耦,以实现更强的特征表达;然后,利用广义幂变换对IoU进行转换操作,提出鲁棒性更好的Alpha-IoU损失函数,提升了模型的检测精度并加快模型的收敛速度;最后,采用GridMask数据增强技术,增加了样本的复杂性,并在处理后的数据集上进行了实验。实验结果表明,改进后的目标检测模型的平均精度均值达到72.72%,与原YOLOv5模型相比提高了2.25%,且模型具有较高的收敛速度,通过可视化对比实验,直观展示了本文模型在密集场景能有效避免误检、漏检现象。
关键词
目标
检测
密集场景
YOLOv5算法
Alpha-IoU损失函数
CBAM
双检测头
Keywords
target detection
dense scene
YOLOv5 algorithm
Alpha-IoU loss function
CBAM
double-head
分类号
TN919.8 [电子电信—通信与信息系统]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于极致轻量化YOLOv8n的井下输送带异物检测方法
高文超
王俊文
张政银
李帆
黄俊
《工矿自动化》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
面向密集场景的多目标车辆检测算法
霍爱清
郭岚洁
冯若水
《电子测量技术》
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
