-
题名基于多路径增强特征的早期烟雾检测算法
- 1
-
-
作者
司盼召
何丽
王宏伟
冉腾
-
机构
新疆大学智能制造现代产业学院机械工程学院
-
出处
《电子测量技术》
北大核心
2025年第7期142-151,共10页
-
基金
新疆维吾尔自治区重点研发计划项目(2022B01050-2)资助。
-
文摘
早期烟雾检测是及时消除火灾隐患的有效手段,然而火灾早期的烟雾尺度小且扩散形式复杂,这使得其检测极具挑战性。针对以上问题,提出了一种基于多路径增强特征的早期烟雾检测算法MEF-YOLO。该算法采用QA-ELAN改进了骨干网络,实现了模型复杂度和精度兼顾优化;并设计了FGCA自主增强样本区域间的特征差异,以有效捕捉烟雾的空间信息;且通过MEFAN优化特征融合路径,实现了跨层次特征间的直接交互,有效缓解了细节信息损失;又引入Wise-IOU损失函数,通过权重调整机制全面考虑位置和尺度信息,进而提高其在复杂场景的鲁棒性。实验结果表明,在不同光照以及小尺度烟雾、烟雾扩散等实验场景中,本研究提出的算法对早期烟雾的检测准确率高达92.5%,并且更具轻量化优势,参数量和GFLOPs分别下降了27.5%和30.6%。
-
关键词
早期烟雾
YOLOv5
多路径增强特征聚合网络
注意力机制
-
Keywords
early smoke
YOLOv5
multi-path enhanced feature aggregation network
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN27
[电子电信—物理电子学]
-
-
题名改进YOLOv5算法的多类苹果叶片病害检测
被引量：1
- 2
-
-
作者
李昱达
吴正平
孙水发
林淼
伍箴燎
沈虹杜
-
机构
三峡大学电气与新能源学院
杭州师范大学信息科学与技术学院
山东财经大学工商管理学院
-
出处
《中国农机化学报》
北大核心
2024年第12期230-237,F0003,共9页
-
基金
国家自然科学基金资助项目(61871258)。
-
文摘
针对多类苹果叶片病害准确率差异大、检测精度不高的问题,提出一种改进YOLOv5准确判别苹果叶片病害的检测算法(YOLOv5-CSEP)。首先,引入C3Ghost模块替换原YOLOv5主干网络C3模块,减少模型的参数量与计算量;其次,将混合注意力模块C-SAM加入主干网络中,提高主干网络的特征提取能力,在颈部网络中加入CA注意力模块,抑制复杂背景干扰关注目标信息;最后,引入增强型路径聚合网络(E-PANet)充分融合多尺度特征,提升网络对多类苹果叶片病害检测的准确性与鲁棒性。试验表明,改进后算法的各项性能指标均有提升,精确率达到93.2%,平均精度均值mAP@0.5达到87.9%,与原YOLOv5算法相比分别提高3.4%与1.7%,计算量减少11%。
-
关键词
苹果叶片
病害检测
注意力机制
增强路径聚合网络
YOLOv5
-
Keywords
apple tree leaf
disease detection
attention mechanism
enhanced path aggregation network
YOLOv5
-
分类号
S661.1
[农业科学—果树学]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
