期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法 被引量:6
1
作者 田子建 吴佳奇 +3 位作者 张文琪 陈伟 杨伟 王帅 《电网技术》 EI CSCD 北大核心 2024年第3期1331-1340,共10页
从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行... 从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行图像预处理方法,再使用YOLOv7-OL作为故障检测模块检测小目标绝缘子故障。在二阶段目标增强网络(two-stage object enhancement network,TOE-Net)中,设计零目标图像增强损失函数实现预增强网络(preparation enhancement network,PreEnNet)和深度增强网络(deep enhancement network,DeepEnNet)的无监督学习;使用信道级注意力模块跳跃式通道注意力机制(skip squeeze excitation networt,Skip_SENet)和跳跃式通道注意力机制(skip convolutional block attention module,Skip_CBAM)模块改进原始小目标特征增强单次多框检测算法(small object detection enhancement single shot multiBox detector,SDE-SSD),从而提升定位网络的小目标检测能力;设计弱监督机制使预增强网络根据小目标特征增强SSD的要求来提升图像增强能力,直到小目标特征增强SSD能够从增强图像中准确定位绝缘子串位置;使用深度增强网络深度增强绝缘子串区域,提升各类故障的特征显著性。故障检测模块中,将YOLOv7目标检测算法改进为面向小目标YOLOv7,在原模型中添加结合多尺度特征自适应融合网络的小目标检测通道,并将原始损失函数的CIOU改进为BIOU,从而提高模型的小目标检测性能。在低照度环境绝缘子故障检测实验中,该算法与5种目前常用目标检测算法相比具有较大优势,并且相较于低光目标检测算法IA-YOLO、GenISP with RetinaNet,m AP提升9.77%、10.35%,检测速度提升7.23%、10.16%,证明该算法适用于低照度复杂环境下小目标绝缘子故障检测任务;在正常光照绝缘子故障检测实验中该算法仍保持出色性能,证明该算法能够实现常规光照条件下绝缘子小目标故障检测。 展开更多
关键词 绝缘子故障检测 低光复杂环境目标检测 小目标检测 二阶段目标增强网络 弱监督机制 目标图像增强损失函数 小目标特征增强SSD YOLOv7小目标检测算法
在线阅读 下载PDF
基于改进YOLOv11的露天矿复杂背景下小目标检测
2
作者 朱永军 蔡光琪 +3 位作者 韩进 缪燕子 马小平 焦文华 《工矿自动化》 北大核心 2025年第4期93-99,共7页
露天矿小目标检测任务面临视角广、检测距离远导致目标成像小的挑战,现有目标检测模型存在图像逐层下采样操作引发的特征衰减问题。针对该问题,提出了一种改进YOLOv11模型,并将其用于露天矿复杂背景下小目标检测。改进YOLOv11模型通过... 露天矿小目标检测任务面临视角广、检测距离远导致目标成像小的挑战,现有目标检测模型存在图像逐层下采样操作引发的特征衰减问题。针对该问题,提出了一种改进YOLOv11模型,并将其用于露天矿复杂背景下小目标检测。改进YOLOv11模型通过引入鲁棒特征下采样(RFD)模块替换跨步卷积下采样模块,有效保留了小目标的特征信息;设计了小目标特征增强颈部(STFEN)网络替代原有特征金字塔结构的颈部网络,在模型颈部引入跨阶段部分融合模块,整合来自不同层级的特征图;将原有的CIoU损失函数替换为Powerful-IoU(PIoU)损失函数,解决了训练过程中锚框膨胀问题,使模型快速精准聚焦小目标。在露天矿区小目标数据集上的实验结果表明:(1) RFD模块使模型参数量减少的同时mAP提升了1.5%;STFEN网络虽使模型参数量有所增加,但mAP提升了2.2%;PIoU损失函数在未改变模型参数量及每秒浮点运算次数的前提下使mAP提升了1.7%;三者联合应用最终使模型mAP提升了3.9%。(2)改进YOLO11模型在保持较高推理速度的同时实现了精度提升,其mAP较YOLOv5m,YOLOv8m,YOLOv11m和RtDetr-L分别提高了2.6%,1.5%,0.9%和2.2%,且模型参数量更小,易于边缘部署。 展开更多
关键词 露天矿 小目标检测 YOLOv11 鲁棒特征下采样 小目标特征增强颈部 PIoU损失函数
在线阅读 下载PDF
小目标特征增强图像分割算法 被引量:8
3
作者 任莎莎 刘琼 《电子学报》 EI CAS CSCD 北大核心 2022年第8期1894-1904,共11页
在图像场景分割中存在小目标易丢失,边缘轮廓噪声大等问题.在目前的增强特征表征能力与优化空间细节的语义分割算法中,由于边缘和小目标特征的丢失,导致小目标和边缘很难被准确分割.为此,本文研究了一种小目标特征增强的图像分割算法.... 在图像场景分割中存在小目标易丢失,边缘轮廓噪声大等问题.在目前的增强特征表征能力与优化空间细节的语义分割算法中,由于边缘和小目标特征的丢失,导致小目标和边缘很难被准确分割.为此,本文研究了一种小目标特征增强的图像分割算法.首先设计一种像素空间注意力模块(Pixel spatial Attention Module,PAM),来获得空间像素具有较强语义信息的特征图像.然后通过对PAM的输出进行建模提取,分别获得含有语义类别信息的边缘特征和小目标特征.最后,将特定的损失函数应用到语义分割训练中,并将多种特征进行融合,经过反复的监督学习和训练校正,可以在不影响其他类别性能的情况下提高边缘和小目标分割的性能.在Cityscapes,VOC2012,ADE20K和Camvid基线数据集上的实验表明,该算法与先进的图像分割算法相比,在小目标分割、边缘特征增强和内轮廓噪声减少等方面,其性能和效果都有明显提高,分割精度提高了2个百分点. 展开更多
关键词 场景分割 小目标特征增强 注意力模块 建模
在线阅读 下载PDF
基于改进YOLOv5s网络的光伏组件缺陷检测方法
4
作者 任喜伟 余杰 +3 位作者 韩欣 李兆允 杨梦璐 何立风 《太阳能学报》 北大核心 2025年第3期428-434,共7页
鉴于光伏组件排列密集,缺陷目标较小,难以检测维护,直接影响光伏组件发电效率,提出一种改进YOLOv5s网络的光伏组件缺陷检测方法。首先,针对光伏组件红外图像中缺陷尺寸特性,使用K-均值++算法对缺陷目标重新聚类,确定合适的锚框大小,使... 鉴于光伏组件排列密集,缺陷目标较小,难以检测维护,直接影响光伏组件发电效率,提出一种改进YOLOv5s网络的光伏组件缺陷检测方法。首先,针对光伏组件红外图像中缺陷尺寸特性,使用K-均值++算法对缺陷目标重新聚类,确定合适的锚框大小,使其聚类锚框更符合小目标特征;然后,使用简化BiFPN融合更多的特征,在融合之前添加一个多通路残差连接模块,提高对小目标光伏缺陷的敏感度;其次,将YOLOv5s骨干网络进行融合,简化网络结构,减少下采样次数,提高图像分辨率以及丰富小目标特征信息;之后,将S_(IoU)损失函数引入到YOLOv5s架构中,提高网络性能,让网络部署到小型、轻量化设备;最后,将改进的YOLOv5s网络在自建的光伏组件红外图像缺陷数据集进行测试。实验结果表明,改进的YOLOv5s网络光伏组件缺陷检测方法优于对比方法,相比于原始网络,改进网络的m_(AP@0.5)提高1.7%,每秒帧率达到46.3,完全满足光伏组件缺陷检测过程中的实际需求。 展开更多
关键词 缺陷检测 YOLOv5s 损失函数 小目标增强 光伏组件 红外图像
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部