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
1
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
基于特征增强与多尺度融合的烟包外观缺陷检测方法研究
1
作者
陆海华
黄春辉
+1 位作者
王旭东
曹维林
《中国烟草学报》
北大核心
2025年第4期41-50,共10页
【目的】解决烟包外观检测中目标与背景相混淆、缺陷目标较小不易识别的问题。【方法】基于YOLOv5s的改进,提出了一种融合特征增强与多尺度的烟包外观缺陷检测方法。首先在特征提取网络中引入特征重提取模块,并采用空间-深度层和非跨步...
【目的】解决烟包外观检测中目标与背景相混淆、缺陷目标较小不易识别的问题。【方法】基于YOLOv5s的改进,提出了一种融合特征增强与多尺度的烟包外观缺陷检测方法。首先在特征提取网络中引入特征重提取模块,并采用空间-深度层和非跨步卷积组合,减少信息丢失并保留小目标特征。然后在特征提取网络的最深层引入上下文注意力模块,通过学习上下文信息,使用可变形卷积提取小目标特征,增强对目标与背景的区分能力,减少漏检情况。最后在特征融合网络中引入多尺度感受野增强模块,通过多分支结构加强特征信息之间的相关性,增强特征的语义表示。【结果】FCM-YOLO相比起其他目标检测算法具有更高的缺陷检测精度。【结论】基于特征增强与多尺度融合的烟包外观检测方法有效减少信息丢失,提升目标与背景区分能力,检测精度达到98.3%,FPS为56.6,特别在易混淆类别(如污点和破损)上表现优异。
展开更多
关键词
机器视觉
烟包外观缺陷检测
YOLOv5
多尺度融合
特征增强
在线阅读
下载PDF
职称材料
题名
基于特征增强与多尺度融合的烟包外观缺陷检测方法研究
1
作者
陆海华
黄春辉
王旭东
曹维林
机构
浙江中烟工业有限责任公司宁波卷烟厂
厦门烟草工业有限责任公司
出处
《中国烟草学报》
北大核心
2025年第4期41-50,共10页
文摘
【目的】解决烟包外观检测中目标与背景相混淆、缺陷目标较小不易识别的问题。【方法】基于YOLOv5s的改进,提出了一种融合特征增强与多尺度的烟包外观缺陷检测方法。首先在特征提取网络中引入特征重提取模块,并采用空间-深度层和非跨步卷积组合,减少信息丢失并保留小目标特征。然后在特征提取网络的最深层引入上下文注意力模块,通过学习上下文信息,使用可变形卷积提取小目标特征,增强对目标与背景的区分能力,减少漏检情况。最后在特征融合网络中引入多尺度感受野增强模块,通过多分支结构加强特征信息之间的相关性,增强特征的语义表示。【结果】FCM-YOLO相比起其他目标检测算法具有更高的缺陷检测精度。【结论】基于特征增强与多尺度融合的烟包外观检测方法有效减少信息丢失,提升目标与背景区分能力,检测精度达到98.3%,FPS为56.6,特别在易混淆类别(如污点和破损)上表现优异。
关键词
机器视觉
烟包外观缺陷检测
YOLOv5
多尺度融合
特征增强
Keywords
machine vision
inspection of appearance defects in cigarette packs
YOLOv5
multi-scale fusion
feature enhancement
分类号
TP391.41 [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
基于特征增强与多尺度融合的烟包外观缺陷检测方法研究
陆海华
黄春辉
王旭东
曹维林
《中国烟草学报》
北大核心
2025
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
