检索结果-维普期刊中文期刊服务平台

基于改进YOLOv8n的飞机铆钉及脱落异常检测算法: 1; 作者夏正洪何琥 +2 位作者杨磊吴建军刘璐《中国安全科学学报》北大核心 2025年第2期66-72,共7页; 为解决飞机铆钉小目标检测时易出现漏检的问题,提出一种基于改进YOLOv8n的飞机铆钉及脱落异常检测算法。首先,通过添加小目标检测层,更好地融合骨干网络中的浅层细节信息,提高算法的特征融合能力以及对铆钉小目标的识别与定位性能;其次... 展开更多; 关键词改进YOLOv8n 飞机铆钉脱落异常检测空间深度转换卷积(SPD-Conv) 消融试验; 在线阅读下载PDF 职称材料

基于YOLOv8n改进的PCB缺陷检测算法: 2; 作者喻聪《实验室研究与探索》北大核心 2025年第6期117-124,共8页; 针对PCB生产中的漏孔、鼠咬等微小缺陷检测问题,提出一种基于YOLOv8n改进的YOLOv8n-CSOW算法。通过在Backbone中增加空间深度转换卷积模块以增强特征捕获能力;在Neck部分,采用C2f-ODconv模块替换原始C2f模块强化特征精确匹配。同时,引... 展开更多; 关键词印刷电路板检测上下文增强模块空间深度转换卷积全维动态卷积; 在线阅读下载PDF 职称材料

动火作业场景下安全防护品识别方法被引量：2: 3; 作者张颖张珂 +2 位作者赵鹏程刘洋吴义蓉《安全与环境学报》 CAS CSCD 北大核心 2024年第12期4648-4658,共11页; 确保动火作业过程中多种安全防护品的配置是预防人员受伤的有效途径。为了解决复杂动火场景下安全防护品的实时监测问题,设计实现了一种基于YOLOv5的改进目标检测算法,记为Hot work-YOLOv5s。首先,在YOLOv5s算法的主干网络中嵌入空间深... 展开更多; 关键词安全工程动火作业目标检测空间深度转换卷积模块注意力机制; 在线阅读下载PDF 职称材料

基于RDN-YOLO的自然环境下水稻病害识别模型研究被引量：9: 4; 作者廖娟刘凯旋 +3 位作者杨玉青严从宽张爱芳朱德泉《农业机械学报》 EI CAS CSCD 北大核心 2024年第8期233-242,共10页; 针对自然环境下水稻病害识别准确度易受复杂背景干扰、病害类间差异小难以准确识别等问题,以提高水稻病害识别精度并进行模型的有效轻量化为前提,提出了一种水稻病害识别网络模型(RiceDiseaseNet,RDN-YOLO)。以YOLO v5为基本框架,在主... 展开更多; 关键词水稻病害识别 YOLO v5 跨阶段部分网络融合模块空间深度转换卷积轻量化; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8n的飞机铆钉及脱落异常检测算法: 1; 作者夏正洪何琥杨磊吴建军刘璐; 机构中国民用航空飞行学院空中交通管理学院中国民用航空华北地区管理局中国航空工业集团有限公司成都飞机设计研究所; 出处《中国安全科学学报》北大核心 2025年第2期66-72,共7页; 基金国家重点研发计划(2024YFC3014400) 民航飞行技术与飞行安全科研基地(F2024KF04C) +1 种基金中国民用航空飞行学院基本科研项目(24CAFUC03047)。; 文摘为解决飞机铆钉小目标检测时易出现漏检的问题,提出一种基于改进YOLOv8n的飞机铆钉及脱落异常检测算法。首先,通过添加小目标检测层,更好地融合骨干网络中的浅层细节信息,提高算法的特征融合能力以及对铆钉小目标的识别与定位性能;其次,将骨干网络中的前2次卷积替换为空间深度转换卷积(SPD-Conv),通过特征图的重组与非跨步卷积的组合,减少算法在下采样过程中的信息丢失;然后,将大型可分离核注意力(LSKA)融入快速空间金字塔池化(SPPF)模块中,通过计算每个特征图上的空间权重和通道权重,捕捉空间与通道之间的依赖关系,并调整特征图,增强算法对铆钉特征信息的提取和识别能力;最后,基于自建的飞机铆钉数据集进行消融试验和对比试验。结果表明:所提算法能实时检测飞机铆钉及脱落异常,较YOLOv8n算法检测结果在精确率、召回率、平均精度均值(mAP)分别提升6.5%、16%、15%,较其他主流算法的检测性能均有较大提升。; 关键词改进YOLOv8n 飞机铆钉脱落异常检测空间深度转换卷积(SPD-Conv) 消融试验; Keywords improved YOLOv8n aircraft rivets detachment anomaly detection space to depth convolution(SPD-Conv) ablation experiment; 分类号 X949 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于YOLOv8n改进的PCB缺陷检测算法: 2; 作者喻聪; 机构南昌市卫生学校信息中心; 出处《实验室研究与探索》北大核心 2025年第6期117-124,共8页; 文摘针对PCB生产中的漏孔、鼠咬等微小缺陷检测问题,提出一种基于YOLOv8n改进的YOLOv8n-CSOW算法。通过在Backbone中增加空间深度转换卷积模块以增强特征捕获能力;在Neck部分,采用C2f-ODconv模块替换原始C2f模块强化特征精确匹配。同时,引入上下文增强模块强化特征表征。将边界框(BBox)损失函数优化为动态聚焦的WIoUv2函数,增强模型对微小缺陷的敏感度。实验结果表明,改进算法在某大学公开数据集上平均检测精度较原始YOLOv8n提升1.4个百分点,且优于主流目标检测算法,具备显著的工业检测应用价值。; 关键词印刷电路板检测上下文增强模块空间深度转换卷积全维动态卷积; Keywords printed circuit board inspection context enhancement module spatial depth conversion convolution omni-dimensional dynamic convolution; 分类号 TP391.4 [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

题名动火作业场景下安全防护品识别方法被引量：2: 3; 作者张颖张珂赵鹏程刘洋吴义蓉; 机构常州大学安全科学与工程学院; 出处《安全与环境学报》 CAS CSCD 北大核心 2024年第12期4648-4658,共11页; 基金江苏省研究生科研创新计划项目(KYCX23_3159)。; 文摘确保动火作业过程中多种安全防护品的配置是预防人员受伤的有效途径。为了解决复杂动火场景下安全防护品的实时监测问题,设计实现了一种基于YOLOv5的改进目标检测算法,记为Hot work-YOLOv5s。首先,在YOLOv5s算法的主干网络中嵌入空间深度转换卷积(Space-to-Depth Convolution, SPD-Conv)模块以取代原有的步幅卷积和池化下采样,减少细微特征信息的丢失。随后,在残差模块引入无参注意力机制(Simple, parameter-free Attention Module, SimAM),以增强特征表达能力,提高网络速度;最后,将原网络的边界框回归损失函数优化为WIoU(Weighted Intersection over Union)损失函数,采用动态非单调聚焦机制,加速网络收敛。在自制的动火作业安全防护品的数据集上,改进后的模型平均检测精度达到了96.8%,每秒处理帧数达到了89帧,所提出的算法满足动火作业人员安全防护品检测任务的准确性与实时性的要求,同时在场景干扰较大、受光照影响的成像上也有很好的检测效果,给动火场景下安全防护品的快速检测提供了一种新的方法。; 关键词安全工程动火作业目标检测空间深度转换卷积模块注意力机制; Keywords safety engineering hot work object detection space-to-depth convolution module attention mechanism; 分类号 X913.4 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于RDN-YOLO的自然环境下水稻病害识别模型研究被引量：9: 4; 作者廖娟刘凯旋杨玉青严从宽张爱芳朱德泉; 机构安徽农业大学工学院安徽省农业科学院植物保护与农产品质量安全研究所; 出处《农业机械学报》 EI CAS CSCD 北大核心 2024年第8期233-242,共10页; 基金国家重点研发计划项目(2022YFD2001801-3) 国家自然科学基金项目(32201665)。; 文摘针对自然环境下水稻病害识别准确度易受复杂背景干扰、病害类间差异小难以准确识别等问题,以提高水稻病害识别精度并进行模型的有效轻量化为前提,提出了一种水稻病害识别网络模型(RiceDiseaseNet,RDN-YOLO)。以YOLO v5为基本框架,在主干网络的特征提取阶段嵌入跨阶段部分网络融合模块(C2f),增强模型对病害特征的感知能力,并引入空间深度转换卷积(SPDConv),扩展模型的感受野,进一步提升模型对小病斑特征提取能力;在颈部网络嵌入SPDConv结构,并利用轻量级卷积GsConv替换部分标准卷积,提高颈部网络对病害部位的定位和类别信息预测的准确性及推理速度;以穗瘟病、叶瘟病、胡麻斑病、稻曲病和白枯病5种常见水稻病害为研究对象,在自然环境下采集水稻病害图像,制作水稻病害数据集,进行模型训练与测试。实验结果表明,本文模型病害检测精确率高达94.2%,平均精度均值达93.5%,模型参数量为8.1 MB;与YOLO v5、Faster R-CNN、YOLO v7、YOLO v8模型相比,模型参数量略大于YOLO v5,但平均精度均值最高约高12.2个百分点,在一定程度上减轻模型复杂度的同时获得良好的水稻病害识别效果。; 关键词水稻病害识别 YOLO v5 跨阶段部分网络融合模块空间深度转换卷积轻量化; Keywords rice disease recognition YOLO v5 C2f SPDConv lightweight; 分类号 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	基于改进YOLOv8n的飞机铆钉及脱落异常检测算法	夏正洪何琥杨磊吴建军刘璐	《中国安全科学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于YOLOv8n改进的PCB缺陷检测算法	喻聪	《实验室研究与探索》北大核心	2025	0	在线阅读下载PDF 职称材料
3	动火作业场景下安全防护品识别方法	张颖张珂赵鹏程刘洋吴义蓉	《安全与环境学报》 CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于RDN-YOLO的自然环境下水稻病害识别模型研究	廖娟刘凯旋杨玉青严从宽张爱芳朱德泉	《农业机械学报》 EI CAS CSCD 北大核心	2024	9	在线阅读下载PDF 职称材料