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
共找到210篇文章
< 1 2 … 11 >
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：
大数据驱动的非球面光学表面缺陷检测研究
1
作者 彭雪梅 黄建军 《激光杂志》 北大核心 2025年第4期252-256,共5页
光学技术的快速发展使非球面光学元件在成像、通信等领域的应用日益广泛,其表面缺陷检测成为确保产品质量的关键环节。为满足更高精度的检测需求,设计了大数据驱动的非球面光学表面缺陷检测方法。在大数据驱动下,设计非球面光学表面图... 光学技术的快速发展使非球面光学元件在成像、通信等领域的应用日益广泛,其表面缺陷检测成为确保产品质量的关键环节。为满足更高精度的检测需求,设计了大数据驱动的非球面光学表面缺陷检测方法。在大数据驱动下,设计非球面光学表面图像采集装置,由显微光学成像系统、分光棱镜、光纤照明、机械调整台、电动转台构成,实施非球面光学表面图像的大数据采集。在大数据驱动下,采用小波阈值去噪方法对采集的非球面光学表面缺陷图像实施去噪处理。选定YOLOv3作为基础架构,对三个方向实施针对性改进,通过改进后的YOLOv3模型实现非球面光学表面缺陷检测。测试结果表明,所设计的方法对于5种实验元件的表面缺陷平均尺寸测量偏差较低,尤其是对于抛光非球面棱镜的表面缺陷,其平均尺寸测量偏差最低。此外,该方法对于五种实验元件的表面伪缺陷响应系数较低,意味着它不容易受到伪缺陷的影响。 展开更多
关键词 大数据技术 非球面光学元件 表面缺陷检测 改进YOLOv3模型 CBAM混合注意力机制
在线阅读 下载PDF
改进YOLOv7算法的钢板表面缺陷检测方法
2
作者 孙超 刘均学 +3 位作者 陈正超 周永康 张承瑞 丁建军 《实验室研究与探索》 北大核心 2025年第1期19-23,29,共6页
针对钢板表面不同种类缺陷特征难以辨别的问题,提出了一种基于改进YOLOv7算法的钢板表面缺陷检测方法。使用特征提取网络(C2f)加强特征信息的提取,在不影响原始梯度路径的情况下提高神经网络对重要特征的学习能力,避免缺陷的误检。结合... 针对钢板表面不同种类缺陷特征难以辨别的问题,提出了一种基于改进YOLOv7算法的钢板表面缺陷检测方法。使用特征提取网络(C2f)加强特征信息的提取,在不影响原始梯度路径的情况下提高神经网络对重要特征的学习能力,避免缺陷的误检。结合空间自适应注意力机制(CA)构建了多路径特征和通道交叉注意力机制(MPCC),提高对细微缺陷的敏感性,避免缺陷的漏检。在此基础上,采用距离交并比损失函数DIoU作为损失函数,降低模型损失函数的复杂度,从而提高模型的实时性和鲁棒性。钢板表面检测实验结果表明,改进YOLOv7算法在NEU-DET数据集上的检测精度达到了83.7%。与YOLOv7算法相比,改进后的算法在检测精度和速度上都有显著提升。 展开更多
关键词 钢板表面缺陷检测 空间自适应注意力机制 改进算法
在线阅读 下载PDF
基于YOLOv7-Tiny的轻量化钢材表面缺陷检测方法
3
作者 赵曙光 易文 陆小辰 《东华大学学报(自然科学版)》 北大核心 2025年第4期194-202,共9页
为实现快速且精准的钢材表面缺陷检测,提出一种基于YOLOv7-Tiny的轻量化检测方法。为优化主干提升检测精度和速度,基于Transformer模块构建轻型TGS-SPPCFSPC结构,替代SPPCSPC。此外,引入Mish激活函数以增强模型的表征能力;引入Slim-Nec... 为实现快速且精准的钢材表面缺陷检测,提出一种基于YOLOv7-Tiny的轻量化检测方法。为优化主干提升检测精度和速度,基于Transformer模块构建轻型TGS-SPPCFSPC结构,替代SPPCSPC。此外,引入Mish激活函数以增强模型的表征能力;引入Slim-Neck作为新的颈部,在保持检测精度的同时,有效地缩减模型规模和计算量。将SPD卷积与SimAM相结合作为新头部,加强对低分辨率小目标的检测能力。在NEU-DET和GC10-DET上的试验结果表明,改进算法在表现上优于数十种先进网络。相比于原始算法,改进算法在NEU-DET上,m_(AP)提升了7%,GFLOPS减少了2.5 G(Giga),参数减少了3 M(Mega),特别是小目标检测效果显著提高。在GC10-DET上,m_(AP)提升了3%,FPS达125。两者试验结果表明,提出的方法在缺陷检测领域表现出色,而且轻量化设计使其更适用于多种场景。 展开更多
关键词 钢材表面缺陷检测 YOLOv7-Tiny TGS-SPPCFSPC 小目标 轻量化
在线阅读 下载PDF
基于改进YOLOv7⁃tiny的钢材表面缺陷检测 被引量：1
4
作者 张瑞雪 陈琳 《现代电子技术》 北大核心 2025年第14期43-49,共7页
针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题,提出一种基于YOLOv7-tiny的改进算法。首先,提出高效动态蛇形层聚网络(DSELAN),并将其嵌入到特征提取网络中,以提高模型对复杂缺陷目标关键特征的提取能力;其次,引... 针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题,提出一种基于YOLOv7-tiny的改进算法。首先,提出高效动态蛇形层聚网络(DSELAN),并将其嵌入到特征提取网络中,以提高模型对复杂缺陷目标关键特征的提取能力;其次,引入SPDConv作为下采样模块,避免小目标细粒度信息的丢失,有效解决了小目标检测困难的问题;最后,针对大目标缺陷检测效率低的问题,增加一个大目标检测层以扩大模型的感受野,提高对大目标缺陷的检测精度。实验结果表明:改进后的YOLOv7-tiny算法在NEU-DET数据集上的平均精度均值(mAP)达到了81.4%,比原算法提高了6.7%,检测性能优于其他主流检测算法;并且具有较少的参数量和较快的检测速度,可满足工业钢材表面缺陷检测的实时性和高效性要求。 展开更多
关键词 YOLOv7-tiny 钢材表面缺陷检测 目标检测 细粒度 动态蛇形卷积 特征提取
在线阅读 下载PDF
PIC2f-YOLO:金属表面缺陷检测轻量化方法 被引量：5
5
作者 胡依伦 杨俊 +2 位作者 许聪源 夏亚金 邓文斌 《光电工程》 北大核心 2025年第1期87-100,共14页
针对金属表面缺陷检测效率低以及检测算法参数量大、精度低的问题,本文提出了一种改进YOLOv8n的金属表面缺陷检测轻量化方法。首先,设计局部卷积倒置交叉融合(partial inverted bottleneck cross stage partial fusion,PIC2f)模块,该模... 针对金属表面缺陷检测效率低以及检测算法参数量大、精度低的问题,本文提出了一种改进YOLOv8n的金属表面缺陷检测轻量化方法。首先,设计局部卷积倒置交叉融合(partial inverted bottleneck cross stage partial fusion,PIC2f)模块,该模块通过构造的局部卷积倒置瓶颈(partial IRMB bottleneck,PIBN)模块替换BottleNeck模块,将部分卷积和倒置残差块组合,从而减少算法的参数量并提升模型的特征提取能力。然后,采用基于注意力尺寸内特征交互(attention-based intra-scale feature interaction,AIFI)模块,该模块结合位置嵌入和多头注意力机制,增强了模型对小目标的检测能力。最后,使用平均池化下采样(average pooling down sampling,ADown)模块替换传统卷积作为模型特征缩减模块,通过池化和卷积操作,在不降低检测精度情况下,进一步减少模型的参数量和计算复杂度。实验结果表明,与YOLOv8n算法相比,在NEU-DET钢材缺陷数据集上的PIC2f-YOLO方法的mAP_(50)增加了2.7%,参数量减少了0.403 M。在铝片表面工业缺陷、PASCAL VOC2012和带状合金功能材料表面缺陷数据集上的泛化性实验也验证了PIC2f-YOLO方法的有效性。 展开更多
关键词 表面缺陷检测 局部卷积 倒置残差 注意力机制
在线阅读 下载PDF
基于RCSI-YOLOv5的轴承表面缺陷检测方法
6
作者 卜扬 屈霞 +1 位作者 陈涛 武伟宁 《陕西科技大学学报》 北大核心 2025年第2期203-214,共12页
针对轴承表面缺陷检测中的小目标漏检、相似特征目标误检、高低质量样本不平衡等问题,提出一种基于RCSI-YOLOv5的轴承表面缺陷检测模型.在主干网络中构建Res2ConvModC3特征提取模块,来提高模型对浅层小目标的特征提取能力和对相似特征... 针对轴承表面缺陷检测中的小目标漏检、相似特征目标误检、高低质量样本不平衡等问题,提出一种基于RCSI-YOLOv5的轴承表面缺陷检测模型.在主干网络中构建Res2ConvModC3特征提取模块,来提高模型对浅层小目标的特征提取能力和对相似特征的辨别能力;在颈部网络前端设计CGCA注意力机制,增强网络对目标特征的定位能力;在检测头中加入了SimAM注意力机制,提高模型对微小缺陷目标的关注度;设计ISInner-CIoU计算边界框回归损失,缓解高低质量样本不平衡问题.实验结果表明,与原YOLOv5算法相比,RCSI-YOLOv5的mAP@0.5提升1.5%,F1-Score提升1%,凹槽、擦伤、划痕的AP分别提升2.1%、0.5%、1.7%,FNR分别降低1.3%、0.4%、2.1%.有效提升了模型的检测精度,减少了目标的漏检、误检. 展开更多
关键词 轴承表面缺陷检测 YOLOv5 卷积调制 CGCA SimAM ISInner-CIoU
在线阅读 下载PDF
融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法研究
7
作者 李季村 郑鹏 +1 位作者 李岩 何青泽 《现代制造工程》 北大核心 2025年第3期115-123,共9页
在铝型材制造过程中,铝型材表面会因受到材料或加工工艺等因素的影响而产生擦花、脏点等缺陷,直接影响铝型材使用性能。分析了铝型材表面缺陷特点并对比现有深度学习目标检测算法,基于YOLOv8网络模型提出了一种融合GhostBottleneck及注... 在铝型材制造过程中,铝型材表面会因受到材料或加工工艺等因素的影响而产生擦花、脏点等缺陷,直接影响铝型材使用性能。分析了铝型材表面缺陷特点并对比现有深度学习目标检测算法,基于YOLOv8网络模型提出了一种融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法。首先,将Ghost卷积引入Bottleneck层,并用DWConv替换骨干网络中部分卷积结构,在保证检测精度的同时,降低模型复杂程度;然后,在此基础上,将注意力机制添加到YOLOv8检测头模块中,用于提高该模型的检测精度;最后,开展了实验验证,实验结果表明,融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法精度达到了0.932,相比基础YOLOv8算法,精度提升了5.9%,且模型运算参数量减少了24%,整体性能可满足工业上对铝型材缺陷检测的精度及速度要求。 展开更多
关键词 铝型材 表面缺陷检测 注意力机制 YOLOv8 模型轻量化 GhostBottleneck
在线阅读 下载PDF
基于深度学习的轻量化木材表面缺陷检测系统研究
8
作者 张茹 杨昊 +4 位作者 王钰圣 赵园园 毕立岩 任世学 王伟 《林业工程学报》 北大核心 2025年第4期107-117,共11页
木材加工过程中,表面缺陷检测是不可或缺的。近年来,深度学习在木材表面缺陷检测领域取得了一定成果。但现有的木材表面缺陷检测算法仍存在检测结果准确率低、检测速度慢、模型参数多等问题。为了解决这些问题,提出了一种基于YOLOv5s的... 木材加工过程中,表面缺陷检测是不可或缺的。近年来,深度学习在木材表面缺陷检测领域取得了一定成果。但现有的木材表面缺陷检测算法仍存在检测结果准确率低、检测速度慢、模型参数多等问题。为了解决这些问题,提出了一种基于YOLOv5s的木材表面缺陷检测算法,并搭建木材表面缺陷检测系统。利用ShuffleNetv2轻量化模块技术,显著降低了模型的计算成本和参数数量,使模型在移动端和嵌入式设备上取得优异的性能;提出将SimAM注意力机制插入主干网络中,使得模型更好地理解不同区域之间的语义联系;采用DIoU损失函数以提高模型鲁棒性;应用Python第三方库PyQt5配合外接摄像头、红外线传感器、传送带等硬件装置搭建木材表面缺陷检测平台。将改进后的算法在本研究使用的数据集上进行训练和测试,与原YOLOv5s算法相比,改进后的网络参数量只有原网络的47.1%,计算量是原网络的44.3%,检测速率提高39.5,mAP提高3.4个百分点。试验结果充分验证了本算法的优势,在轻量化的基础上检测速度和精度都有提升。最后的仿真试验结果表明,本研究搭建的检测系统可以准确快速地识别木材表面各种缺陷的位置和数量,能够大大提高木材生产效率。 展开更多
关键词 深度学习 表面缺陷检测系统 YOLOv5s ShuffleNetv2 SimAM
在线阅读 下载PDF
深度学习中单阶段金属表面缺陷检测算法优化综述 被引量：5
9
作者 董甲东 郭庆虎 +1 位作者 陈琳 桑飞虎 《计算机工程与应用》 北大核心 2025年第4期72-89,共18页
金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面... 金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面缺陷检测方法在检测精度和速度方面取得了显著成效。为了便于金属表面缺陷检测算法的研究,综合分析了单阶段深度学习算法在金属表面缺陷检测中的优化方法及应用。介绍了目前常用的金属表面缺陷数据集和算法评价指标;总结了目标检测算法的发展史以及单阶段目标检测算法的基本概念和典型模型;从数据增强、特征的提取与融合、锚框优化三个方面,对比总结了不同算法不同优化方式的优缺点,并研究了金属表面缺陷检测算法的轻量化;从多模态融合、大数据应用技术、现实与虚拟结合三个方面对金属表面缺陷检测算法的未来研究方向进行了展望。 展开更多
关键词 金属表面缺陷检测 深度学习 单阶段目标检测算法 模型优化
在线阅读 下载PDF
SC-Net:弱监督的表面缺陷检测
10
作者 庾杰南 王勇 王瑛 《计算机应用与软件》 北大核心 2025年第9期72-77,94,共7页
目前表面缺陷检测领域缺少一种标签制作成本低且检测效果好的深度学习方法。因此,提出一种使用二元分类标签的弱监督卷积神经网络。该模型使用Segdec-Net的模型框架,重新设计分割子网络的卷积层结构,解决缺陷轮廓分割不准确的问题,并提... 目前表面缺陷检测领域缺少一种标签制作成本低且检测效果好的深度学习方法。因此,提出一种使用二元分类标签的弱监督卷积神经网络。该模型使用Segdec-Net的模型框架,重新设计分割子网络的卷积层结构,解决缺陷轮廓分割不准确的问题,并提高分类效果。对分类子网络进行结构精简、随机失活处理等改进,缓解过拟合问题,进一步提高分类效果。实验结果表明,该方法分类平均精确率达到96%,相比同类方法提高22.7百分点。 展开更多
关键词 计算机视觉 表面缺陷检测 深度学习 弱监督学习
在线阅读 下载PDF
一种改进YOLOv5算法的金属表面缺陷检测
11
作者 王涵 刘海明 邵雨虹 《机械科学与技术》 北大核心 2025年第9期1645-1650,共6页
针对传统的金属表面缺陷检测方法存在的检测精度低、效率低等问题,提出了一种以YOLOv5为基础改进的金属表面缺陷检测算法。改进的算法首先引入Ghost卷积替换原始主干网络中的常规卷积,通过更少的运算来生成更多的特征映射,实现模型的轻... 针对传统的金属表面缺陷检测方法存在的检测精度低、效率低等问题,提出了一种以YOLOv5为基础改进的金属表面缺陷检测算法。改进的算法首先引入Ghost卷积替换原始主干网络中的常规卷积,通过更少的运算来生成更多的特征映射,实现模型的轻量化,并以此提升检测效率。同时,通过注意力模块的加入强化通道信息,弱化冗余信息,增强模型对于目标特征信息的提取能力,从而实现检测精度的提升。使用DIoU-NMS方法替代传统的NMS算法,以此来改善对重复遮挡目标的识别。改进后的模型平均精度达76.2%,比原始YOLOv5模型平均精度提高2.7%,相较于原YOLOv5算法检测精度与效率均有明显提升,能够快速准确的进行金属表面缺陷的检测识别。 展开更多
关键词 金属表面缺陷检测 YOLOv5模型 注意力机制 Ghost卷积
在线阅读 下载PDF
改进YOLOv5的工业产品表面缺陷检测方法
12
作者 刘兆英 陈志远 +2 位作者 张婷 时亚南 陈迎春 《郑州大学学报(工学版)》 北大核心 2025年第5期18-25,共8页
针对工业场景下资源受限且表面缺陷图像对比度低的问题,提出了一种改进YOLOv5的工业产品表面缺陷检测方法。首先,在骨干网络中引入感受野增强模块,用于从不同层次的感受野提取更丰富的视觉特征;其次,在特征融合网络中添加混洗注意力模块... 针对工业场景下资源受限且表面缺陷图像对比度低的问题,提出了一种改进YOLOv5的工业产品表面缺陷检测方法。首先,在骨干网络中引入感受野增强模块,用于从不同层次的感受野提取更丰富的视觉特征;其次,在特征融合网络中添加混洗注意力模块,更有效地对不同维度的特征图进行融合;最后,采取了任务解耦检测头,使分类和回归两个任务采用相互独立的网络进行预测,降低彼此的干扰,提升检测精度。实验结果表明:该网络的参数量和计算量均低于YOLOX、YOLOv7、deformable DETR等模型,且在管道数字射线(DR)缺陷图像数据集PDD和NEU-DET数据集上,mAP@0.5分别提高2.23百分点和2.99百分点,兼顾了工业场景下对缺陷检测实时性和精确性的要求。 展开更多
关键词 表面缺陷检测 计算机视觉 多尺度特征提取 注意力机制 解耦检测头
在线阅读 下载PDF
基于CNN和CBAM的钢材表面缺陷检测研究
13
作者 徐吉高 陈江义 +1 位作者 秦东晨 沈鹏 《机械设计与制造》 北大核心 2025年第2期149-152,共4页
为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征... 为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征重复利用,提升模型的表现力。实验结果表明:在数据集特征信息少、分类对象较为单一的情况下,本文所提出方法相较于更深层次的网络模型对于分类任务取得更好的效果,缺陷检测分类准确率可达99%,平均检测速度8.21ms,满足实时检测需求。 展开更多
关键词 钢材表面缺陷检测 卷积神经网络 卷积注意力模块
在线阅读 下载PDF
改进YOLOv10的钢材表面缺陷检测方法 被引量：1
14
作者 吴葛 朱宇凡 叶天成 《电子测量技术》 北大核心 2025年第4期158-168,共11页
针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone... 针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone网络轻量化与特征提取能力增强的平衡;在Backbone网络末端添加自适应细粒度通道注意力机制AFGC,增强模型骨干网络对输入特征的初步提取能力,进而提高模型的检测精度;将Neck部分换为注意力尺度序列融合框架ASF,提升模型整合多尺度特征信息的能力。在NEU-DET钢材表面缺陷数据集上进行对比实验和消融实验,实验结果表明,提出的FAA-YOLO模型较基线YOLOv10n模型参数量降低11.01%,计算量降低7.69%,检测精度提高2.9个点,达到83.6%的检测准确率,在降低模型复杂度的同时实现了较高的检测准确率,在工业系统中具有高可用性与高实时性。 展开更多
关键词 钢材表面缺陷检测 YOLOv10 FasterNet EMA AFGC ASF-YOLO
在线阅读 下载PDF
基于多任务深度学习的表面缺陷检测方法
15
作者 陈威锜 刘柏合 王蓓 《计算机工程与设计》 北大核心 2025年第8期2358-2364,共7页
针对表面缺陷检测在实际工业场景中的诸多应用需求,提出一种基于多任务深度学习的表面缺陷检测方法。不同于常规的单任务缺陷检测方式,该方法通过共享语义分割任务与分类任务的特征提取结构,实现同时处理两种任务,借助分割任务加强模型... 针对表面缺陷检测在实际工业场景中的诸多应用需求,提出一种基于多任务深度学习的表面缺陷检测方法。不同于常规的单任务缺陷检测方式,该方法通过共享语义分割任务与分类任务的特征提取结构,实现同时处理两种任务,借助分割任务加强模型的特征提取能力,充分利用现有标签,提高分类任务检测效果,并对模型的训练策略进行优化,平衡多任务推理需求。在实际工业现场采集的图像数据集上进行了测试,结果表明与常规分类网络和目标检测网络相比,该方法对不同类型的表面缺陷均具有较好的检测效果,且模型的检测效率更加高效、训练策略更加合理有效。 展开更多
关键词 表面缺陷检测 深度学习 多任务模型 分类模型 语义分割 训练策略 加权损失
在线阅读 下载PDF
基于特征关系增强的PCB表面缺陷检测算法
16
作者 杨瑞君 赵雯 +1 位作者 程燕 季守成 《激光杂志》 北大核心 2025年第5期117-123,共7页
在PCB(印制电路板)表面缺陷检测中,受复杂背景环境与极度微小缺陷尺寸的影响,往往会出现漏检与误检的问题,为此,基于YOLOv8n提出一个新的网络模型FS-YOLO。首先,在特征提取网络架构中,增加新的特征关系增强模块(Feature Relationship En... 在PCB(印制电路板)表面缺陷检测中,受复杂背景环境与极度微小缺陷尺寸的影响,往往会出现漏检与误检的问题,为此,基于YOLOv8n提出一个新的网络模型FS-YOLO。首先,在特征提取网络架构中,增加新的特征关系增强模块(Feature Relationship Enhancement Module,FREM),提升模型对输入数据的特征提取能力;其次,提出尺度自适应特征融合模块(Scale-adaptive Feature Fusion,SAFF)替代YOLOv8n中的常规卷积模块,捕捉图像中的多层次信息,增强特征表示;最后使用Inner-IoU替换原有边界损失函数,使用辅助边界框来计算IoU损失,获得更快、更高效的回归结果。实验结果表明,相较于基准模型YOLOv8n,FS-YOLO模型的精确率提升了3.6%,平均检测精度提升了4%,召回率提升了5.5%,做到有效减少印刷电路板表面缺陷的漏检与误检。 展开更多
关键词 PCB 表面缺陷检测 印刷电路板 特征增强
在线阅读 下载PDF
基于改进RetinaNet模型速冻水饺表面缺陷检测 被引量：1
17
作者 费致根 郭兴 +2 位作者 宋晓晓 鲁豪 赵鑫昌 《食品工业科技》 北大核心 2025年第6期9-19,共11页
目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeX... 目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeXt-50模型,增强网络特征提取能力,引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)与Swish激活函数有效抑制背景噪声,通过在特征金字塔模块(Feature Pyramid Networks,FPN)后增加PAN结构(Path Aggregation Network)组成双向特征融合模块,可以提升对目标多尺度特征信息的融合能力。结果:GX-RetinaNet网络对工业现场条件下速冻水饺表面缺陷的在线检测精度优于主流的几种目标检测网络,其平均精度均值(mAP)为94.8%,召回率(Recall)为77.0%,F1分数(F1-score)为84.9%。与RetinaNet网络相比,mAP、Recall和F1-score分别提高了2.6%、2.6%、2.4%。结论:GX-RetinaNet网络模型可以满足冻饺表面缺陷检测精度的要求,本研究为深度学习理论在速冻水饺表面缺陷检测方面的应用提供了一种可行的方法。 展开更多
关键词 速冻水饺表面缺陷检测 RetinaNet ResNeXt-50 卷积块注意力模块 双向特征融合模块
在线阅读 下载PDF
改进YOLOv8算法的钢材表面缺陷检测
18
作者 王孟宇 刘志强 《机械科学与技术》 北大核心 2025年第1期19-29,共11页
针对钢材表面缺陷尺度不一,现有检测算法多尺度特征处理能力较差、精度有待提高的问题,提出了一种面向钢材表面缺陷检测的改进型算法,命名为ADP-YOLOv8。首先,提出了一种自适应权重下采样(Adaptive weight downsampling)模块,其通过加... 针对钢材表面缺陷尺度不一,现有检测算法多尺度特征处理能力较差、精度有待提高的问题,提出了一种面向钢材表面缺陷检测的改进型算法,命名为ADP-YOLOv8。首先,提出了一种自适应权重下采样(Adaptive weight downsampling)模块,其通过加权组合不同的下采样特征图,增强了模型对缺陷信息的关注;然后,通过改进特征提取网络中的C2F模块,加强从网络高层的可扩展感受野中提取特征;最后,引入可编程梯度信息(PGI)模块,通过其多级辅助信息组件逐步整合不同尺度的特征,有效提高了模型对不同尺度缺陷敏感性。所提出方法的平均精度为79.3%,相比基准模型提高了3.5%;检测速度为163.2frame/s。相比其他主流的目标检测算法,改进后的检测器在性能上更具优势,展示出了在检测精度、速度和模型体积方面的良好平衡。 展开更多
关键词 表面缺陷检测 自适应权重 感受野 可编程梯度信息
在线阅读 下载PDF
基于改进YOLOv5s的苹果表面缺陷检测
19
作者 吕利俊 伊力哈木·亚尔买买提 《山东农业科学》 北大核心 2025年第6期149-157,共9页
针对苹果表面缺陷检测中存在因苹果重叠或被遮挡造成的检测精度低以及误检漏检等问题,本研究提出一种改进YOLOv5s算法的苹果表面缺陷检测方法。首先,在YOLOv5s模型的Backbone部分加入卷积注意力模块(CBAM),增强检测模型对图像重要区域... 针对苹果表面缺陷检测中存在因苹果重叠或被遮挡造成的检测精度低以及误检漏检等问题,本研究提出一种改进YOLOv5s算法的苹果表面缺陷检测方法。首先,在YOLOv5s模型的Backbone部分加入卷积注意力模块(CBAM),增强检测模型对图像重要区域信息的关注程度,从而提升模型对苹果表面缺陷的检测能力;其次,引入加权双向特征金字塔网络(BiFPN),充分融合不同尺度的苹果表面缺陷特征,以达到减少漏检和误检的目的;最后,使用Soft-NMS算法替代原始网络中的NMS算法,优化冗余边界框筛选条件,进一步降低模型的漏检率。实验结果显示,本研究所提算法的平均精度均值(mAP)达到95.5%,相较于原始算法提升了3.3个百分点,且召回率提升了4.6个百分点,能更好地检测苹果表面缺陷。 展开更多
关键词 苹果表面缺陷检测 YOLOv5s 卷积注意力机制 加权双向特征金字塔网络
在线阅读 下载PDF
改进YOLO11的PCB表面缺陷检测方法
20
作者 吴葛 朱宇凡 贾泽宁 《电子测量技术》 北大核心 2025年第14期136-145,共10页
针对PCB表面缺陷检测准确率不足,无法充分平衡模型检测准确性与实时性,难以满足现代电子制造系统稳定运行要求的问题,提出了一种改进YOLO11的PCB表面缺陷检测方法HDH-YOLO。该方法通过采用优化的HGNetV2替换原YOLO11的骨干网络,实现模... 针对PCB表面缺陷检测准确率不足,无法充分平衡模型检测准确性与实时性,难以满足现代电子制造系统稳定运行要求的问题,提出了一种改进YOLO11的PCB表面缺陷检测方法HDH-YOLO。该方法通过采用优化的HGNetV2替换原YOLO11的骨干网络,实现模型的轻量化;借鉴Dynamicconv的思想对HGBlock进行改进,用改进的Dynamic_HGBlock替换HGNetV2网络中后四层HGBlock,在不增加过多计算量的前提下引入更多网络参数,增强网络对泛化特征的学习能力,进而提高检测精度;在骨干网络末端添加DSM注意力机制层,通过放大关键区域的空间域和频率域响应提升模型的小目标检测能力。在PKU-Market PCB和DeepPCB数据集进行对比实验和消融实验,实验结果表明,提出的HDH-YOLO模型较基线YOLO11n模型参数量降低6.20%,计算量降低12.70%,mAP50和mAP50-95分别提升2.6%和2.3%,较好地平衡了轻量化和检测精度,在现代电子制造系统中具有高可靠性和高实用性。 展开更多
关键词 PCB表面缺陷检测 YOLO11 HGNetV2 HGBlock Dynamicconv DSM
在线阅读 下载PDF
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 2 … 11 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部