基于位置感知和跨层特征融合的航拍小目标检测算法 被引量：3

1

作者 雷帮军 余翱 +1 位作者 吴正平 余快 《电子测量技术》 北大核心 2024年第5期112-123,共12页

针对航拍图像目标尺度小、背景复杂、漏检和误检严重,提出了一种基于位置感知和跨层特征融合的航拍小目标检测算法DC-YOLOv8s。DC-YOLOv8s新增小目标检测层,增强对小目标尺度的敏感性,提高检测精度。为了减少特征信息的丢失,设计了跨层... 针对航拍图像目标尺度小、背景复杂、漏检和误检严重,提出了一种基于位置感知和跨层特征融合的航拍小目标检测算法DC-YOLOv8s。DC-YOLOv8s新增小目标检测层,增强对小目标尺度的敏感性,提高检测精度。为了减少特征信息的丢失,设计了跨层特征融合模块,充分融合小目标浅层语义信息和深层语义信息,丰富特征表示。改进C 2f结构,结合可变性卷积设计了基于位置感知融入残差的感受野注意力模块,适应航拍小目标形状的变化,快速提取感受野特征,降低漏检和误检率。最后使用基于注意力机制的动态检测头在尺度感知、空间感知、任务感知方面提高复杂场景下小目标的定位性能。实验表明,在VisDrone2019数据集上,DC-YOLOv8s在P、R、mAP上相较于YOLOv8s分别提高了7.2%、7.5%、9.1%,显著提高了小目标检测的性能,FPS为71帧,满足实时性要求。在VOC2007+2012上进行模型泛化性实验验证,效果优于其他经典算法。 展开更多

关键词 小目标检测层 跨层特征融合 位置感知 感受野 动态检测头

在线阅读 下载PDF 职称材料

改进YOLOv8n的无人机航拍小目标检测算法 被引量：1

2

作者 雷帮军 余翱 +1 位作者 吴正平 余快 《现代电子技术》 北大核心 2025年第3期26-34,共9页

针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重,提出一种基于YOLOv8n改进的航拍小目标检测算法GI⁃YOLOv8n。GI⁃YOLOv8n重新设计网络结构,改进特征融合网络,加入跨层连接,最大化保留小目标位置细节信息和语义信息... 针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重,提出一种基于YOLOv8n改进的航拍小目标检测算法GI⁃YOLOv8n。GI⁃YOLOv8n重新设计网络结构,改进特征融合网络,加入跨层连接,最大化保留小目标位置细节信息和语义信息,新增极小目标检测层,提高检测精度;引入基于注意力机制的动态检测头,并用轻量化卷积模块GSConv进行改进,在尺度感知、空间感知、任务感知方面加强小目标的定位性能;最后引入Inner⁃CIoU损失函数,使用辅助边界框计算损失,加快模型回归速度,提高检测性能。实验结果表明,在VisDrone2019数据集上,GI⁃YOLOv8n的精确率、召回率、平均检测精度分别为50.7%、39.8%、41.5%,相较于YOLOv8n分别提高了7.1%、7.4%、8.7%,检测速度为81 f/s,满足航拍目标检测实时性要求。对比其他航拍目标检测算法,检测精度和速度均有提升。 展开更多

关键词 无人机航拍 特征融合 小目标检测层 注意力机制 动态检测头 损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8的凝视雷达小目标检测算法 被引量：1

3

作者 周昶雯 宋强 张月 《信号处理》 北大核心 2025年第5期853-866,共14页

小目标检测在低空飞行器管理、环境监测、边境安防等场景中发挥着至关重要的作用,是保障低空空间安全和推动低空经济发展的关键技术之一。现有的雷达目标检测算法在处理“低慢小”目标时,往往受到目标尺寸、信噪比(Signal-to-Noise Rati... 小目标检测在低空飞行器管理、环境监测、边境安防等场景中发挥着至关重要的作用,是保障低空空间安全和推动低空经济发展的关键技术之一。现有的雷达目标检测算法在处理“低慢小”目标时,往往受到目标尺寸、信噪比(Signal-to-Noise Ratio,SNR)以及背景杂波等因素的限制,导致检测效果不佳。针对上述问题,本文提出将雷达距离-多普勒(Range-Doppler,RD)平面图输入改进后的YOLOv8模型,并结合实际雷达数据进行验证,实现了小目标检测性能的提升。本文利用全息凝视雷达采集了实测数据并进行数据标注和数据集制备。在模型设计方面,本文引入了高效通道注意力(Efficient Channel Attention,ECA)机制。ECA机制通过使用一维卷积代替传统的全连接层,在不增加额外参数量的前提下,有效地捕获了通道间的依赖关系。这种改进能够增强网络在不同通道上的特征选择能力,从而能够对小目标进行准确检测。同时,本文在模型中增加了小目标检测层,该检测层通过调整特征图的分辨率,使得模型能够对更小的目标进行特征提取和识别,从而弥补了常规检测网络对小目标处理能力不足的问题。此外,本文在实验部分选取了多种模型进行对比。实验结果表明,本文提出的改进模型在多个评价指标上均优于其他模型。与基准YOLOv8n相比,改进模型的精度提升了2.3%,mAP@0.5提升了1.9%,mAP@0.5-0.95提升了3.5%。总体来看,本文提出的模型在精度、召回率及mAP@0.5等指标上均表现出最佳的检测效果,验证了所提方法在雷达小目标检测中的有效性。 展开更多

关键词 全息凝视雷达 雷达小目标检测 YOLOv8 ECA注意力机制 小目标检测层

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的无人机小目标检测算法 被引量：2

4

作者 宋耀莲 王粲 +1 位作者 李大焱 刘欣怡 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第12期2417-2426,共10页

为了解决传统目标检测算法对无人机(UAV)航拍小目标存在错漏检严重的问题,提出基于YOLOv5的无人机小目标检测算法FDB-YOLO.在YOLOv5的基础上增加小目标检测层,优化特征融合网络,充分利用网络浅层小目标细粒信息,提升网络感知能力;提出... 为了解决传统目标检测算法对无人机(UAV)航拍小目标存在错漏检严重的问题,提出基于YOLOv5的无人机小目标检测算法FDB-YOLO.在YOLOv5的基础上增加小目标检测层,优化特征融合网络,充分利用网络浅层小目标细粒信息,提升网络感知能力;提出损失函数FPIoU,通过充分利用锚框的几何性质,采用四点位置偏置约束函数,优化锚框定位,加快损失函数收敛速度;采用结合注意力机制的动态目标检测头(DyHead),通过增加尺度、空间、任务感知提升算法检测能力;在特征提取部分引入双级路由注意力机制(BRA),通过有选择性地对相关区域进行计算,过滤无关区域,提升模型的检测精确度.实验证明,在VisDrone2019数据集上,本算法与YOLOv5s目标检测算法相比,精确率提升了3.7个百分点,召回率提升了5.1个百分点,mAP50增加了5.8个百分点,mAP_(50∶95)增加3.4个百分点,并且相比当前主流算法而言都有更加优秀的表现. 展开更多

关键词 无人机视角 小目标检测层 损失函数 注意力机制 YOLOv5

在线阅读 下载PDF 职称材料

自然环境下基于改进YOLOv7的梨花识别方法 被引量：1

5

作者 张秀花 魏华杰 +3 位作者 孔德刚 刘尚坤 黄征 王洪森 《农业工程学报》 北大核心 2025年第2期224-232,共9页

针对自然环境下梨花易被遮挡、背景杂乱、光照条件与目标距离不断变化等特点导致梨花识别难和精度不高的问题,该研究提出了一种基于改进YOLOv7模型的梨花识别算法。该算法首先加入P2小目标层,增加了特征提取与模型多尺度融合能力,使被... 针对自然环境下梨花易被遮挡、背景杂乱、光照条件与目标距离不断变化等特点导致梨花识别难和精度不高的问题,该研究提出了一种基于改进YOLOv7模型的梨花识别算法。该算法首先加入P2小目标层,增加了特征提取与模型多尺度融合能力,使被遮挡的梨花目标更好地被捕获;其次,在输出检测端末尾加入CBAM(convolutional block attention module)注意力机制模块,提高模型的上下文理解能力,提升YOLOv7在各种场景下(不同光照条件、复杂背景等)的表现;最后,将CIoU(complete intersection over union)损失函数优化为NWD(normalized weighted distance)损失函数,针对不同形状的目标进行精确的边界框回归,提高模型对复杂背景梨花目标与远距离梨花目标的检测精度。试验结果表明:改进模型与原模型相比,精确率、召回率、mAP和F1-score分别提高了2.1、1.2、1.9和0.6个百分点,达到了99.4%、99.6%、96.4%和89.8%;与其他主流算法相比,各评价指标均有优势。研究结果可为梨园自然环境下梨花精准识别提供支撑。 展开更多

关键词 梨花 图像识别 YOLOv7 自然环境 小目标层 CBAM 损失函数

在线阅读 下载PDF 职称材料

目标检测算法Yolov8用于转色柑桔果实检测的改进 被引量：1

6

作者 李永杰 易时来 +2 位作者 朱潇婷 金国强 田喜 《中国南方果树》 北大核心 2024年第3期281-287,共7页

为提高在自然环境下对柑桔果实的识别,针对当前柑桔目标检测中树冠大、果实个体小、密集且遮挡严重等导致果实检测难度大的问题,基于自然状态下转色中后期温州蜜柑单侧完整树冠图像构建的果实数据集,提出了一种在Yolov8检测模型上添加... 为提高在自然环境下对柑桔果实的识别,针对当前柑桔目标检测中树冠大、果实个体小、密集且遮挡严重等导致果实检测难度大的问题,基于自然状态下转色中后期温州蜜柑单侧完整树冠图像构建的果实数据集,提出了一种在Yolov8检测模型上添加小目标检测层的I-Yolov8检测模型。结果表明,以自然环境下的冠层为背景,丰富了数据集的目标特征,而添加的小目标检测层可用于检测4像素×4像素以上的目标。模型的训练平均精度(mAP)达到93.5%,相比Yolov8提升了1.3百分点。在晴天和阴天两个自然场景下分别进行预测,I-Yolov8和Yolov8的检测精确率均为100%;I-Yolov8的召回率分别达72.45%和91.61%,相比Yolov8分别提升了16.33和14.63百分点。I-Yolov8网络模型对于自然环境中柑桔的检测精度高,具备较高的应用潜力。 展开更多

关键词 Yolov8 小目标检测层 温州蜜柑 冠层果实

在线阅读 下载PDF 职称材料

改进YOLOv5的无人机航拍图像密集小目标检测算法 被引量：12

7

作者 陈佳慧 王晓虹 《计算机工程与应用》 CSCD 北大核心 2024年第3期100-108,共9页

无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更... 无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更丰富的特征信息,增强网络对小目标特征的提取能力,并改善误检漏检情况;为了提高网络的多尺度特征表征能力以及抑制冲突的产生,设计了具有等级制的残差结构的多尺度特征提取模块C3Res2Block;使用解耦检测头Decoupled Head避免不同任务之间的差异所带来的预测偏差,提升了模型的定位精度和检测精度;采用软化非极大值抑制Soft NMS算法对候选框的置信度进行优化,提高模型对密集小目标的检测精度。通过VisDrone数据集的实验结果表明,与基准模型YOLOv5相比,RDS-YOLOv5在mAP0.5上提升了12.9个百分点,mAP0.5:0.95上提升了10.6个百分点,与目前主流的目标检测算法相比也取得更优的检测精度,能够有效完成无人机航拍图像的密集小目标检测任务。 展开更多

关键词 小目标检测层 残差结构 解耦 软化非极大值抑制 YOLOv5

在线阅读 下载PDF 职称材料

多尺度渐近特征融合的遥感目标检测算法研究

8

作者 王海群 赵涛 王柄楠 《电光与控制》 CSCD 北大核心 2024年第12期33-40,共8页

针对遥感图像目标尺度多样、小目标密集、背景环境复杂导致检测时出现的漏检及误检等问题,提出一种基于YOLOv8n改进的多尺度渐近特征融合的遥感目标检测算法。首先,构建结合多尺度残差网络的Res2C2f模块,更有效地捕捉不同尺度的特征;其... 针对遥感图像目标尺度多样、小目标密集、背景环境复杂导致检测时出现的漏检及误检等问题,提出一种基于YOLOv8n改进的多尺度渐近特征融合的遥感目标检测算法。首先,构建结合多尺度残差网络的Res2C2f模块,更有效地捕捉不同尺度的特征;其次,设计跨级连接金字塔池化模块来改善原金字塔池化模块特征提取能力不足的问题;然后,重构多尺度的渐近特征融合网络来实现多尺度信息的交换,充分利用不同层级的特征来增强特征融合效果;最后,增加160×160尺寸的小目标检测层,提升模型在密集场景下对小目标的检测效果。在DOTA数据集中,相比基线模型,改进算法的精确率、召回率、平均精度均值分别提升了4.8、4.0和3.7个百分点。 展开更多

关键词 YOLOv8 遥感图像 渐近特征融合 多尺度残差网络 金字塔池化 小目标检测层

在线阅读 下载PDF 职称材料

基于改进YOLOV5s的PCB表面缺陷检测研究

9

作者 陈敏 《包装工程》 北大核心 2025年第S1期198-204,共7页

针对印制电路板(Printed Circuit Board,PCB)表面缺陷存在的尺寸小、形状多样、漏检与错检率高等问题,本研究提出一种基于改进YOLOv5s的PCB缺陷检测模型。该模型通过以下创新点显著提升检测性能:首先,在主干网络中引入Adown下采样结构,... 针对印制电路板(Printed Circuit Board,PCB)表面缺陷存在的尺寸小、形状多样、漏检与错检率高等问题,本研究提出一种基于改进YOLOv5s的PCB缺陷检测模型。该模型通过以下创新点显著提升检测性能:首先,在主干网络中引入Adown下采样结构,在有效提取多尺度网络特征的同时,显著降低网络前后层间关联信息的丢失率;其次,创新性地提出一种小目标特征跨多层融合网络架构,通过构建跨多层特征融合机制,充分整合浅层细节特征与深层语义信息;进一步通过增加专用于微小缺陷检测的小感受野检测头,并融合坐标注意力机制,显著增强模型对微米级瑕疵的定位能力;在损失函数设计方面,创新性地将Focal损失函数和WIoUv3损失函数相结合,动态优化困难样本与简单样本的权重分配,有效加快算法收敛速度。实验结果表明,所提模型在保持实时性的同时实现卓越检测性能:mAP达到98.1%,推理速度为54 FPS。与基准模型相比,相较于原始YOLOv5s,本方法在精度、召回率和mAP上分别显著提升3.4%、3.7%和1.9%。该成果说明模型不仅能更好地满足工业场景高精度、高效率的PCB缺陷检测需求,更为智能制造质量管控提供了可靠的技术支撑。 展开更多

关键词 YOLOV5s PCB表面缺陷 Adown下采样 小目标特征跨多层融合网络

在线阅读 下载PDF 职称材料

基于YOLO-CD的路面裂缝检测

10

作者 原洪帅 李琦 王月明 《科学技术与工程》 北大核心 2025年第9期3888-3895,共8页

为解决现有路面裂缝检测算法精度低、漏检率高等问题,提出了一种基于YOLOv8n改进的路面裂缝检测算法YOLO-CD(YOLO-crack detection)。YOLO-CD算法采用ASF-YOLO架构中的尺度序列特征融合(scale sequence feature fusion,SSFF)模块和三重... 为解决现有路面裂缝检测算法精度低、漏检率高等问题,提出了一种基于YOLOv8n改进的路面裂缝检测算法YOLO-CD(YOLO-crack detection)。YOLO-CD算法采用ASF-YOLO架构中的尺度序列特征融合(scale sequence feature fusion,SSFF)模块和三重特征编码器(triple feature encoder,TFE)模块,提高了对多尺度裂缝的检测性能和对目标特征的感知能力。同时,在骨干网络末端和颈部网络中引入CA注意力机制(coordinate attention),将位置信息嵌入通道注意力中,强化了对裂缝特征的提取能力。此外,在YOLOv8n原有3个输出层的基础上新增了一个P2小目标检测层,增加了网络的多尺度感受野,可以同时捕获全局和局部上下文信息,提升了算法在复杂场景中对小目标裂缝的检测能力。通过将原始YOLOv8n的检测头替换为DyHead检测头,使尺度、空间和任务3种注意力机制结合统一,进一步提升了网络对裂缝的检测性能。实验结果表明,在自建数据集PD-Dataset中,改进后的算法YOLO-CD比原算法YOLOv8n的mAP50提高了4.1%。在公共数据集RDD2020中,改进后的算法YOLO-CD比原算法YOLOv8n的mAP50提高了1.5%。且算法检测速度达到了89.9帧/s,满足了路面裂缝检测实时性的要求。 展开更多

关键词 路面裂缝检测 YOLOv8n ASF-YOLO 注意力机制 小目标检测层 DyHead检测头

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的3D打印实时异常诊断算法

11

作者 金凯 周敏 +2 位作者 胡佳乐 李欢 赵松怀 《机床与液压》 北大核心 2025年第7期177-183,共7页

针对3D打印过程中异常诊断实时性不足和准确度不高的问题,提出一种改进的YOLOv8n模型(DSW-YOLOv8n)。在骨干网络中引入动态蛇形卷积(DSConv),增强网络对3D打印中出现的拉丝等细长弯曲局部结构特征的提取能力。增加小目标检测层并融入SA... 针对3D打印过程中异常诊断实时性不足和准确度不高的问题,提出一种改进的YOLOv8n模型(DSW-YOLOv8n)。在骨干网络中引入动态蛇形卷积(DSConv),增强网络对3D打印中出现的拉丝等细长弯曲局部结构特征的提取能力。增加小目标检测层并融入SA注意力机制,提升对小目标的异常检测能力。针对3D打印实时捕获图像质量低的问题,引入动态调整边界的Wise-IoU(WIoUv3)损失函数,降低对距离和纵横比等几何因素的惩罚,从而提高检测精度。最后,通过搭建实验平台,对所提模型进行性能验证。结果表明:DSW-YOLOv8n模型对3D打印异常检测精度和速度均优于Faster R-CNN、SSD和YOLOv5s等主流检测方法,其精度均值(mAP)达到了90.3%,较原始YOLOv8n模型提高了2.8%,平均帧率达到113帧/s,满足实时检测需求。 展开更多

关键词 3D打印 实时异常检测 YOLOv8n 动态蛇形卷积 小目标检测层

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的水面残留饲料检测算法

12

作者 郑海锋 江林源 +3 位作者 文露婷 周秀珊 介百飞 文家燕 《渔业现代化》 北大核心 2025年第1期80-88,共9页

在水产养殖中,水面残留饲料的实时检测可以有效减少饲料浪费和水污染,在经济效益和生态效益方面是双赢的局面。由于水面残留饲料的特殊性,如尺寸小、密集程度高等,使得水面残留饲料检测表现不佳。该研究提出了一种基于改进YOLOv8n的水... 在水产养殖中,水面残留饲料的实时检测可以有效减少饲料浪费和水污染,在经济效益和生态效益方面是双赢的局面。由于水面残留饲料的特殊性,如尺寸小、密集程度高等,使得水面残留饲料检测表现不佳。该研究提出了一种基于改进YOLOv8n的水面残留饲料检测算法,通过增添小目标检测层,融合多尺度特征以增强对小目标检测的精度;引入C2f_Faster_EMA模块,以降低模型的参数量,提高模型检测速度;构建ICBAM模块融入颈部网络,加强网络对小目标的特征信息融合,提升检测精度。结果显示:该算法相较于YOLOv8n的mAP@0.5提升10.3%;精确率P提升7.6%;召回率R提升10.2%;检测速度达到了125FPS。研究表明,该算法能有效实现对水面残留饲料快速、准确地检测。为实现水产养殖的智能化管理提供了技术支持,有望降低饲料浪费,改善水环境质量,提高养殖效益。 展开更多

关键词 水面残留饲料 改进YOLOv8n 小目标检测层 C2f_Faster_EMA ICBAM

在线阅读 下载PDF 职称材料

基于改进元学习的小样本钢丝绳表面损伤检测

13

作者 黄毅 郭金梦 +3 位作者 任子誉 张金来 任广安 付玲 《计算机工程与应用》 北大核心 2025年第13期256-269,共14页

为了解决构建包含不同形式钢丝绳表面损伤的数据集的困难以及数据量的一致性所带来的挑战,引入了一种基于改进元学习的小样本钢丝绳表面损伤检测的新方法。在该方法中,在查询分支中使用可变形卷积代替传统卷积,从而便于提取更细微的空... 为了解决构建包含不同形式钢丝绳表面损伤的数据集的困难以及数据量的一致性所带来的挑战,引入了一种基于改进元学习的小样本钢丝绳表面损伤检测的新方法。在该方法中,在查询分支中使用可变形卷积代替传统卷积,从而便于提取更细微的空间信息。此外,在颈部网络中加入双向特征金字塔网络来合并查询特征。在支持分支的设计中,构建了全局精细化网络,从支持图像中提取类别特征向量,并采用自适应条件池化机制对特征图像进行压缩。为了有效地提取查询样本中的感兴趣区域,引入了一个多尺度重加权模块,利用改进的ECA通道注意力-坐标注意力方法,并且将经过坐标注意力得到的输出送入到Re-SPPD模块。在此基础上,设计了专用的小目标检测层,提高了识别小目标损伤情况的精度。实验结果表明,与其他方法相比,该方法在钢丝绳数据集上的5-shot,10-shot任务的平均精度(mAP)分别为76.15%和83.25%。这些结果明显优于其他方法,肯定了所提出的方法的有效性。 展开更多

关键词 元学习 小样本学习 变形卷积 坐标注意力 钢丝绳 小目标检测层

在线阅读 下载PDF 职称材料

基于轻量化YOLOv8s交通标志的检测 被引量：17

14

作者 朱强军 胡斌 +1 位作者 汪慧兰 王杨 《图学学报》 CSCD 北大核心 2024年第3期422-432,共11页

为了提高交通标志检测的实时性和可行性,提出了一种基于YOLOv8s的轻量化交通标志检测模型。首先,用FasterNet中的残差模块FasterNetBlock替换C2f模块中的BottleNeck,降低模型参数量和计算量;其次,用一种小目标检测层去替换大目标检测层... 为了提高交通标志检测的实时性和可行性,提出了一种基于YOLOv8s的轻量化交通标志检测模型。首先,用FasterNet中的残差模块FasterNetBlock替换C2f模块中的BottleNeck,降低模型参数量和计算量;其次,用一种小目标检测层去替换大目标检测层,降低Backbone中网络层数,实现大幅度提高检测速度和降低参数量;最后,用Wise-IOU替换原CIOU损失函数,提高速度和精度。在TT100K交通标志数据集上验证,其与YOLOv8s模型比较,mAP50提高了5.16%,参数量降低了76.48%,计算量降低了13.33%,FPS快了35.83%。与其他模型相比,mAP50平均提高了15.11%,参数量平均降低了85.74%,计算量平均下降了46.23%,FPS平均提高了31.49%。该模型具有检测精度高、参数量少、计算量低、速度快等优点,较原算法有很大地提升,且与其他先进的交通标志检测模型比较时表现出了很强的竞争力,在交通标志检测中具有较大优势。 展开更多

关键词 轻量化 YOLOv8s 改进小目标层 交通标志检测 Wise-IOU TT100K

在线阅读 下载PDF 职称材料

基于改进YOLOv5的轴承表面缺陷检测 被引量：2

15

作者 吴迪 于正林 +2 位作者 徐式达 周斌 邵长顺 《组合机床与自动化加工技术》 北大核心 2024年第6期166-170,共5页

传统的轴承表面缺陷检测由于缺陷目标较小,错检漏检率高,检测效率低等问题,为此提出一种基于YOLOv5网络改进的算法模型。首先,在主干网络中添加高效通道注意力机制(efficient channel attention, ECA),增强网络的特征提取能力,集中关注... 传统的轴承表面缺陷检测由于缺陷目标较小,错检漏检率高,检测效率低等问题,为此提出一种基于YOLOv5网络改进的算法模型。首先,在主干网络中添加高效通道注意力机制(efficient channel attention, ECA),增强网络的特征提取能力,集中关注各种影响轴承质量的重点信息;其次,在YOLOv5网络基础上添加小目标检测层,通过补充融合特征层和引入额外检测头,提高网络对小目标缺陷检测的精度;最后,在特征融合网络中,融入简化后的加权双向特征金字塔网络(bidirectional feature pyramid network, BiFPN),在不增加较多计算成本的基础上,更好地实现多尺度特征融合。在构建的深沟球轴承表面缺陷数据集上的实验结果表明,相比于原YOLOv5s模型,精确率、召回率、平均精度分别提高了5.8%、2.4%、5.3%,检测速度为71 f/s,满足工业大批量检测的要求。 展开更多

关键词 YOLOv5 缺陷检测 注意力机制 小目标检测层 简化BiFPN

在线阅读 下载PDF 职称材料

融合注意力机制与线激光辅助的输送带缺陷检测网络 被引量：1

16

作者 宋震 王纪强 +1 位作者 侯墨语 赵林 《计算机科学》 CSCD 北大核心 2024年第S01期569-574,共6页

针对输送带缺陷种类繁多、缺陷特征像素占比小以及传统算法检测精度低的问题,采用随机仿射变换,扩充样本数据集;分析各通道间的关联关系及其贡献值对模型特征提取的影响,提出了一种通道关联加权注意力机制,利用关联卷积及全连接方式计... 针对输送带缺陷种类繁多、缺陷特征像素占比小以及传统算法检测精度低的问题,采用随机仿射变换,扩充样本数据集;分析各通道间的关联关系及其贡献值对模型特征提取的影响,提出了一种通道关联加权注意力机制,利用关联卷积及全连接方式计算通道关联度及贡献权值,调整相应通道信息占比,提升模型检测精度;分析了上采样以及卷积块对输出特征图大小的影响,改进原特征金字塔特征卷积块及上采样结构,提高算法对小目标的特征提取以及缺陷检测能力;最后在输送带缺陷数据集上进行测试。结果表明:改进算法模型能对输送带典型的异物插入、破损、撕裂等缺陷特征进行有效识别,识别精准度可达99.7%,召回率大于99.5%,平均精度均值达到99.5%。 展开更多

关键词 皮带缺陷检测 深度学习 通道关联加权处理 小目标检测层

在线阅读 下载PDF 职称材料

基于改进YOLOv7-tiny的橡胶密封圈缺陷检测方法 被引量：10

17

作者 张相胜 杨骁 《图学学报》 CSCD 北大核心 2024年第3期446-453,共8页

针对橡胶密封圈表面缺陷传统检测效率低下的问题,提出一种改进YOLOv7-tiny的橡胶密封圈表面缺陷检测算法。在主干特征提取网络中引入PConv优化ELAN结构,增强算法特征提取能力,并减少参数量;在特征融合网络中引入全局注意力机制(GAM),利... 针对橡胶密封圈表面缺陷传统检测效率低下的问题,提出一种改进YOLOv7-tiny的橡胶密封圈表面缺陷检测算法。在主干特征提取网络中引入PConv优化ELAN结构,增强算法特征提取能力,并减少参数量;在特征融合网络中引入全局注意力机制(GAM),利用每一对三维通道、空间宽度和空间高度之间的注意力权重,在3个维度上捕捉重要特征来提高效率,增强算法特征融合能力;使用WIoU损失函数优化原边界框损失函数,通过符合情况的梯度增益分配策略,增强算法对检测目标的定位能力;增加P2小目标检测层,加强深层与浅层特征信息的融合,增强算法对小目标缺陷的检测能力。在O-Rings数据集进行实验对比,改进后的算法与YOLOv7-tiny算法比较,mAP提升了7.8%,达到了90.9%的检测精度,能够满足实际工业生产需求。 展开更多

关键词 YOLOv7-tiny 橡胶密封圈 缺陷检测 注意力机制 小目标检测层

在线阅读 下载PDF 职称材料

轻量化的YOLOv8锥桶检测算法研究

18

作者 李旭 李刚 +2 位作者 李永明 李宁 梁海林 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第7期71-77,共7页

针对现有无人驾驶方程式赛车对锥桶检测算法存在运算量大、精度低等问题,提出一种改进的YOLOv8n算法,该算法检测精度高、模型参数量少。改进算法引入Stem模块和EfficientNet-Lite网络结构来替换YOLOv8主干网络,由于YOLOv8的检测头中解... 针对现有无人驾驶方程式赛车对锥桶检测算法存在运算量大、精度低等问题,提出一种改进的YOLOv8n算法,该算法检测精度高、模型参数量少。改进算法引入Stem模块和EfficientNet-Lite网络结构来替换YOLOv8主干网络,由于YOLOv8的检测头中解耦的参数量占总参数的40%,故设计一种结构轻量化的检测头结构来减少模型的参数量,加入下采样倍数为4的高分辨率特征图P2用于检测微小目标。实验结果表明:在数据集上,改进的YOLOv8算法与原来的YOLOv8n算法相比,平均精度指标从90.1%提升到93.8%,参数量从3.00 M降到1.37 M,计算量从8.1GFLOPs降到4.7GFLOPs;在实车测试中,不但有效减少了锥桶的漏检现象,而且模型内存缩减了49%。 展开更多

关键词 深度学习 锥桶检测 轻量化主干网络 轻量化检测头 小目标检测层

在线阅读 下载PDF 职称材料

面向站口行人检测的改进型Yolov5s算法 被引量：2

19

作者 李林红 杨杰 +1 位作者 冯志成 朱浩 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期87-96,共10页

针对现有站口行人检测方法难以在实时性与准确性之间均衡的问题,提出一种改进型的Yolov5s模型用于高效地检测站口行人.首先,基于EfficientNetV1改进提出轻量化主干网络EfficientNet_c,优化网络结构和基本单元堆叠次数,提高模型在浅层对... 针对现有站口行人检测方法难以在实时性与准确性之间均衡的问题,提出一种改进型的Yolov5s模型用于高效地检测站口行人.首先,基于EfficientNetV1改进提出轻量化主干网络EfficientNet_c,优化网络结构和基本单元堆叠次数,提高模型在浅层对小尺寸目标的特征提取能力和提取速度;其次,通过调整宽度因子为基础模型的1/2,改变模型特征层通道数,在较小的精度损失情况下降低模型参数量;再次,增加小目标检测层,优化模型特征提取能力,提高模型对小目标的敏感度和准确性;最后,利用迁移学习的方式优化模型,增强模型泛化能力,降低学习成本,进一步提升模型精度.在课题组收集的数据集上的实验结果表明,所提算法准确率为92.2%,模型参数量仅为1.4 M.在Tesla P100 GPU上的平均推理速度为7.7 ms,实现模型准确率和推理速度的提升.研究结果为地铁和火车站口的行人检测和流量统计提供了一种可行的解决方案. 展开更多

关键词 站口行人检测 Yolov5s EfficientNet_c 宽度因子 小目标检测层 迁移学习

在线阅读 下载PDF 职称材料

融合BiFPN和YOLOv5s的密集型原木端面检测方法 被引量：9

20

作者 余平平 林耀海 +2 位作者 赖云锋 程树英 林培杰 《林业工程学报》 CSCD 北大核心 2023年第1期126-134,共9页

针对成捆原木端面检测存在由于目标密集而形成的大量小目标难以精确识别的问题,提出融合BiFPN(bidirectional weighted feature pyramid network,双向加权特征金字塔网络)和YOLOv5s的密集型原木端面检测方法。为了提高密集原木图像中小... 针对成捆原木端面检测存在由于目标密集而形成的大量小目标难以精确识别的问题,提出融合BiFPN(bidirectional weighted feature pyramid network,双向加权特征金字塔网络)和YOLOv5s的密集型原木端面检测方法。为了提高密集原木图像中小目标的平均精度和查全率,模型中添加了一个小目标检测层以保留更多的浅层语义信息;为避免添加了小目标检测层后特征融合过程中的信息丢失,进而导致特征相对复杂的目标误检率、漏检率升高,融合简化版的BiFPN,在特征融合结构中加入跨尺度连接线以保留更多深层的语义信息,二者结合进一步提高了模型的鲁棒性。为了深入验证该模型的有效性,采取COCO公共数据集评判指标,将原木目标分为大、中、小3种目标并分别进行测试分析。试验结果表明:改进的模型对大目标的查全率和平均精度分别为99.70%和98.79%,调和均值为0.991;中目标的查全率和平均精度分别为98.02%和97.90%,调和均值为0.975,大目标和中目标相比于原模型性能几乎不变;小目标的查全率和平均精度为97.25%和96.86%,相比于原模型分别提高了20.96%和21.13%,调和均值0.973,相比于原模型提高了0.114。改进的模型检测速度为平均每张图片11.89 ms,模型参数量为14.4 MB,仅比原模型高了0.7 MB。因此,改进后的模型具有检测精度高、鲁棒性强、轻量化等特点,为实际环境复杂多变、数量庞大的密集原木端面检测提供了一种可行的方法。 展开更多

关键词 目标检测 密集原木端面检测 YOLOv5s BiFPN 小目标检测层

在线阅读 下载PDF 职称材料