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63篇文章
< 1 2 … 4 >
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：
基于轻量级YOLOv4与KCF的复杂海面舰船目标识别
1
作者 金敏捷 童雨舟 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第11期1-10,共10页
对于远距离或小尺寸的舰船目标,采用轻量级YOLOv4模型可提供高效实时的特征提取,降低计算和存储资源的需求,这对于长时间海上任务或移动设备十分重要。并且单一尺度特征提取容易导致识别结果出现较大误差,因此提出基于轻量级YOLOv4与KC... 对于远距离或小尺寸的舰船目标,采用轻量级YOLOv4模型可提供高效实时的特征提取,降低计算和存储资源的需求,这对于长时间海上任务或移动设备十分重要。并且单一尺度特征提取容易导致识别结果出现较大误差,因此提出基于轻量级YOLOv4与KCF的复杂海面舰船目标识别方法。首先,对海面远小舰船图像进行双向均衡化处理,突出图像的细节。其次,设计一种更加轻量化的YOLOv4网络,从3个不同尺度提取舰船目标特征图,更快捷地捕捉舰船目标的位置和动态变化。最后,通过KCF算法结合相似度阈值,筛选出目标像素,构造舰船目标图像,完成舰船目标的识别。实验结果表明:所研究方法双向均衡化处理后图像质量得到提升,SNR最高达到35.4 dB,SSIM最大值为0.94;轻量化特征提取效果较为理想,特征提取的时间复杂度最低为1.2 s;相较于YOLOX-S算法、级联网络方法,所研究方法能够识别出全部的舰船目标,精准度达到了100%;所研究方法的最大帧率为49.6帧/s,相较于YOLOX-S算法、级联网络方法分别提升了84.40%与192.31%。因此,说明该方法能够更加精准地识别复杂海面舰船目标。 展开更多
关键词 轻量级yolov4网络 KCF算法 复杂海面 舰船目标识别 双向均衡化 特征图
在线阅读 下载PDF
基于三重注意力的轻量级YOLOv8印刷电路板缺陷检测算法 被引量：5
2
作者 沈萍 李想 +1 位作者 杨宁 陈艾东 《微电子学与计算机》 2024年第4期20-30,共11页
在全球产业中,印刷电路板的生产和应用持续增长,已经成为各种电子设备的核心组成部分。由于缺陷尺度较小的问题以及检测模型轻便嵌入便携式设备的需求,印刷电路板图像的自动缺陷检测是一项具有挑战性的任务。为了满足智能制造和使用中... 在全球产业中,印刷电路板的生产和应用持续增长,已经成为各种电子设备的核心组成部分。由于缺陷尺度较小的问题以及检测模型轻便嵌入便携式设备的需求,印刷电路板图像的自动缺陷检测是一项具有挑战性的任务。为了满足智能制造和使用中对高质量印刷电路板产品日益增长的需求,提出一种基于YOLOv8的印刷电路板缺陷检测改进方法。首先,采用轻量级网络MobileViT作为主干网络,减小模型体积和计算量。其次,引入Triplet Attention模块,增强张量中不同维度间特征的捕捉能力。最后,将边界框损失函数替换为LMPDIoU,直接最小化预测框与实际标注框之间的左上角和右下角点距离。实验表明:改进后的检测模型能够在拥有极小参数量的同时保证小尺寸缺陷检测精度较高,模型参数量降低率为89.38%,满足轻便嵌入便携式检测设备和计算机资源受限的场景应用,证实了在印刷电路板缺陷检测领域具有良好的应用前景。 展开更多
关键词 印刷电路板 缺陷检测 yolov8 轻量级主干网络 注意力机制
在线阅读 下载PDF
基于轻量级网络的小目标检测算法 被引量：4
3
作者 关玉明 王肖霞 +2 位作者 杨风暴 吉琳娜 丁春山 《现代电子技术》 北大核心 2024年第1期44-50,共7页
针对YOLOv5算法在检测小目标时存在准确率较低的情况,提出旨在提高小目标检测准确率的轻量级网络KOS-YOLOv5算法。首先采用K-means++聚类技术选择一组合适的锚框尺寸作为模型的先验,对小目标实现更精确的锚框尺寸,使模型能适应不同大小... 针对YOLOv5算法在检测小目标时存在准确率较低的情况,提出旨在提高小目标检测准确率的轻量级网络KOS-YOLOv5算法。首先采用K-means++聚类技术选择一组合适的锚框尺寸作为模型的先验,对小目标实现更精确的锚框尺寸,使模型能适应不同大小的目标;其次利用简化正负样本分配策略(SimOTA)进行动态样本匹配,更好地优化损失函数;最后将空间上下文金字塔(SCP)模块集成到算法检测层中,促使骨干网络更加关注小目标的特征信息,用以增加目标特征提取能力,提高目标的检测准确率。结果表明,改进后的KOS-YOLOv5算法与传统的YOLOv5模型进行比较,算法在检测精确度(P)方面提高了4%,召回率(R)方面提高了2.4%,平均检测精度(mAP)提高了3.1%,损失函数值(Loss)降低了5%,最终检测精度为95.38%。 展开更多
关键词 小目标检测 轻量级网络 特征提取 优化损失函数 yolov5 K-means++
在线阅读 下载PDF
改进YOLOv5网络的轻量级服装目标检测方法 被引量：7
4
作者 陈金广 李雪 +1 位作者 邵景峰 马丽丽 《纺织学报》 EI CAS CSCD 北大核心 2022年第10期155-160,共6页
为进一步降低基于深度学习的服装目标检测模型对计算资源的占用,提出一种改进的轻量级服装目标检测方法MV3L-YOLOv5。首先使用移动网络MobileNetV3_Large构造YOLOv5的主干网络;然后在训练阶段使用标签平滑策略,以增强模型泛化能力;最后... 为进一步降低基于深度学习的服装目标检测模型对计算资源的占用,提出一种改进的轻量级服装目标检测方法MV3L-YOLOv5。首先使用移动网络MobileNetV3_Large构造YOLOv5的主干网络;然后在训练阶段使用标签平滑策略,以增强模型泛化能力;最后使用数据增强技术弥补DeepFashion2数据集中不同服装类别图像数量不均衡问题。实验结果表明:MV3L-YOLOv5的模型体积为10.27 MB,浮点型计算量为10.2×10^(9)次,平均精度均值为76.6%。与YOLOv5系列最轻量的YOLOv5s网络相比,模型体积压缩了26.4%,浮点型计算量减少了39%,同时平均精度均值提高了1.3%。改进后的算法在服装图像的目标检测方面效果有所提升,且模型更加轻量,适合部署在资源有限的设备中。 展开更多
关键词 深度学习 目标检测 服装图像 轻量级网络 yolov5
在线阅读 下载PDF
基于SDD-YOLO的轻量级带钢缺陷实时检测算法
5
作者 梁秀满 肖寒 《中国测试》 北大核心 2025年第3期154-161,共8页
针对复杂工业生产环境下,热轧带钢的表面缺陷检测准确率低,网络模型参数量过大,难以部署等问题,该文提出一种基于YOLOv4模型改进的轻量级带钢缺陷实时检测算法SDD-YOLO。所提算法在特征提取部分采用GhostNet网络,压缩模型参数量;在特征... 针对复杂工业生产环境下,热轧带钢的表面缺陷检测准确率低,网络模型参数量过大,难以部署等问题,该文提出一种基于YOLOv4模型改进的轻量级带钢缺陷实时检测算法SDD-YOLO。所提算法在特征提取部分采用GhostNet网络,压缩模型参数量;在特征融合部分,借鉴BiFPN结构改进PAN网络,采用GSConv卷积代替标准卷积,减少模型参数量和计算量,同时嵌入注意力模块CA(Coordinate Attention),增强模型特征融合能力;在预测部分采用SIOU-loss代替CIOU-loss,提高模型收敛效率,加快收敛速度;采用k-means聚类算法重新设计先验框,提高模型精度。实验结果表明,该文提出的模型相较于YOLOv4,模型参数量减少71.6%,浮点运算量降低74.6%,模型大小减小71.6%,检测精度提高3.49%,单张图片检测速度为25.9 ms。在保证准确率和检测速度的条件下,基本可以满足工业现场对缺陷的实时检测要求。 展开更多
关键词 带钢表面缺陷 目标检测 轻量级网络 yolov4
在线阅读 下载PDF
一种用于输电线路绝缘子多缺陷检测的轻量级网络
6
作者 文斌 胡一鸣 +2 位作者 彭顺 丁弈夫 胡晖 《无线电工程》 2024年第10期2469-2477,共9页
针对绝缘子多类型缺陷检测速度慢、检测精度低的问题,提出一种用于输电线路绝缘子多缺陷检测的轻量级网络(Multi-Defect Detection Network, MDDNet),该算法主要针对绝缘子电弧烧伤和绝缘子伞裙破损的多类型绝缘子缺陷联合检测。基于Gho... 针对绝缘子多类型缺陷检测速度慢、检测精度低的问题,提出一种用于输电线路绝缘子多缺陷检测的轻量级网络(Multi-Defect Detection Network, MDDNet),该算法主要针对绝缘子电弧烧伤和绝缘子伞裙破损的多类型绝缘子缺陷联合检测。基于Ghost-C2f模块构建GC-Darknet53特征提取网络,增强特征提取能力并较少特征冗余;引入三尺度融合(Tri-Fusion)机制构建新型TF-Neck颈部网络,充分融合深层语义信息与浅层的细粒度信息,提高小目标缺陷检测精度;选用结构相似性交并比(Structural Similarity Intersection over Union, SIoU)损失函数提高模型定位能力。实验结果表明,提出的MDDNet模型平均精度均值(mean Average Precision mAP)达到92.1%,与YOLOv5相比,在参数量减少了20%的情况下mAP提升了3.0%,与其他现有一阶段算法相比,MDDNet算法检测速度达到86.1帧/秒,能够在保证轻量化的同时提高检测精度,满足绝缘子多缺陷检测的应用需求。 展开更多
关键词 图像处理 绝缘子 缺陷检测 yolov5 轻量级网络
在线阅读 下载PDF
基于改进YOLOv4的轻量级目标检测算法研究 被引量：3
7
作者 程书帅 王霄 +2 位作者 李伟 杨靖 覃涛 《微电子学与计算机》 2023年第6期1-8,共8页
针对YOLOv4目标检测算法在一些应用场景的参数多、网络复杂、精度低等问题,提出一种改进的轻量级的目标检测算法GD-YOLO.首先,通过使用轻量级网络GhostNet替换掉YOLOv4的主干特征提取网络CSPDarknet,GhostNet网络极大降低了算法的参数... 针对YOLOv4目标检测算法在一些应用场景的参数多、网络复杂、精度低等问题,提出一种改进的轻量级的目标检测算法GD-YOLO.首先,通过使用轻量级网络GhostNet替换掉YOLOv4的主干特征提取网络CSPDarknet,GhostNet网络极大降低了算法的参数量及计算量,使得算法更加轻量化;其次,提出双重注意力机制(DATM),其不仅增强模型对空间和通道上的特征进行加强,而且其结构参数量小,使用在对主干网络提取出来的三个有效特征层添加双重注意力机制,让模型对特征提取更加有效;最后,新增ACON激活函数代替原有的GhostNet网络中的ReLU激活函数,进一步提高算法检测精度.在VOC2007+2012数据集上的实验结果表明,GD-YOLO算法的平均准确率(mAP)达到84.28%,与YOLOv4算法相比提升了4个百分点,与YOLOv5算法相比低了大约1个百分点;从模型参数量方面,与YOLOv4算法相比减少了11 M,与YOLOv5相比减少3 M.所提GD-YOLO算法相对于YOLOv4不仅减少了模型参数量,而且也保存了较高的平均准确率,表明该算法是更具有轻量化及高准确率的. 展开更多
关键词 目标检测 yolov4 轻量级网络 GhostNet 双重注意力机制
在线阅读 下载PDF
基于YOLOv4神经网络的小龙虾质量检测方法 被引量：16
8
作者 王淑青 黄剑锋 +1 位作者 张鹏飞 王娟 《食品与机械》 北大核心 2021年第3期120-124,194,共6页
设计了一种采用YOLOv4深度学习算法的小龙虾质量检测模型,该算法在网络架构、数据处理、特征提取等方面进行了优化。自主拍摄小龙虾图片并进行数据扩充,使用LableImage平台进行数据标注,在Darknet框架下进行网络模型训练,通过对比,模型... 设计了一种采用YOLOv4深度学习算法的小龙虾质量检测模型,该算法在网络架构、数据处理、特征提取等方面进行了优化。自主拍摄小龙虾图片并进行数据扩充,使用LableImage平台进行数据标注,在Darknet框架下进行网络模型训练,通过对比,模型最终性能均高于其他常见目标检测模型,其检测准确率达97.8%,平均检测时间为37 ms,表明该方法能够有效检测生产过程中的小龙虾质量。 展开更多
关键词 深度学习 卷积神经网络 小龙虾 yolov4 目标检测
在线阅读 下载PDF
融合图像显著性特征的轻量级目标检测算法
9
作者 马雷 杨顺清 +2 位作者 王欢欢 翟家琛 徐健傲 《汽车工程》 EI CSCD 北大核心 2024年第1期84-91,共8页
针对智能车辆在实际交通环境中面临的目标密集、边缘严重遮挡和前景背景模糊的问题,本文提出了一种融合图像显著性特征的轻量级目标检测算法。首先基于灰度图像提取出显著性特征图,和彩色图像分别输入卷积神经网络。其次采用轻量化模块(... 针对智能车辆在实际交通环境中面临的目标密集、边缘严重遮挡和前景背景模糊的问题,本文提出了一种融合图像显著性特征的轻量级目标检测算法。首先基于灰度图像提取出显著性特征图,和彩色图像分别输入卷积神经网络。其次采用轻量化模块(ghost model)搭建轻量级融合网络,并使用EIoU优化模型的边框定位损失。在网络后端将非极大值抑制算法进行改进,以此提高网络对同类别遮挡目标的检测准确率。最后在KITTI数据集上进行训练和测试。实验表明,改进后的网络mAP达到92.7%,相比原始网络YOLOv5平均精度提高3.8%,精确率和召回率分别提高3%和6.2%。 展开更多
关键词 目标检测 多特征融合 轻量级网络 yolov5
在线阅读 下载PDF
基于改进YOLOv7-tiny的车辆目标检测算法
10
作者 赵海丽 许修常 潘宇航 《兵工学报》 北大核心 2025年第4期101-111,共11页
为更好地保护人民的生命财产安全,针对目前依靠人力进行交通管理工作时统计不准确、反馈不及时等问题,提出一种适合部署在边缘终端设备上的基于YOLOv7-tiny算法改进的车辆目标检测算法。通过构造深度强力残差卷积块对主干网络的轻量级... 为更好地保护人民的生命财产安全,针对目前依靠人力进行交通管理工作时统计不准确、反馈不及时等问题,提出一种适合部署在边缘终端设备上的基于YOLOv7-tiny算法改进的车辆目标检测算法。通过构造深度强力残差卷积块对主干网络的轻量级高效层聚合网络(Efficient Layer Aggregation Network-Tiny,ELAN-T)模块进行轻量化改进;通过削减分支,对特征融合网络的ELAN-T模块进行轻量化改进,降低网络的参数量和计算量,并对特征融合网络的结构进行重新构造;引入高效通道注意力机制和EIOU边界框损失函数提升算法的精度。在预处理后的UA-DETRAC数据集上实验,改进后的算法参数量相比于原始的YOLOv7-tiny算法降低了15.1%,计算量降低了5.3%,mAP@0.5提升了5.3个百分点。实验结果表明,改进后的算法不仅实现了轻量化,而且检测精度有所提升,适合部署在边缘终端设备上,完成对道路中车辆的检测任务。 展开更多
关键词 车辆检测 yolov7-tiny算法 深度强力残差卷积块 轻量级高效层聚合网络模块
在线阅读 下载PDF
基于轻量化YOLOv8的副井无人化智能操车系统研究
11
作者 陈瑞云 唐俊 +1 位作者 许志 李敬兆 《兰州工业学院学报》 2025年第2期20-25,共6页
针对目前基于深度学习神经网络的人员、车辆检测模型内存需求大、识别速度慢、在矿山复杂环境中检测精度低等问题,提出了一种基于轻量化YOLOv8的副井区域人员、车辆实时检测方法。首先,结合轻量级网络EfficientViT优化YOLOv8主干网络,... 针对目前基于深度学习神经网络的人员、车辆检测模型内存需求大、识别速度慢、在矿山复杂环境中检测精度低等问题,提出了一种基于轻量化YOLOv8的副井区域人员、车辆实时检测方法。首先,结合轻量级网络EfficientViT优化YOLOv8主干网络,大幅降低模型内存需求,提升网络推理速度;其次,在Head前融合CBAM注意力机制,增强网络对重要信息的关注度,提高矿井人员、车辆的检测精度。实验结果表明,所提模型在线检测精度为96.9%,检测速度为52 FPS,有效实现了副井区域人员、车辆的实时精准检测,保障了副井无人化智能操车系统顺利实施。 展开更多
关键词 无人化智能操车 CBAM 轻量级网络 yolov8
在线阅读 下载PDF
融合轻量级网络和双重注意力机制的煤块检测方法 被引量：11
12
作者 叶鸥 窦晓熠 +1 位作者 付燕 邓军 《工矿自动化》 北大核心 2021年第12期75-80,共6页
针对现有煤矿井下带式输送机上煤块检测方法存在检测精度低、检测速度慢等问题,提出了一种融合轻量级网络和双重注意力机制的改进YOLOv4模型,并将其应用于带式输送机煤块检测。改进YOLOv4模型采用K-means聚类算法重新聚类先验框,使先验... 针对现有煤矿井下带式输送机上煤块检测方法存在检测精度低、检测速度慢等问题,提出了一种融合轻量级网络和双重注意力机制的改进YOLOv4模型,并将其应用于带式输送机煤块检测。改进YOLOv4模型采用K-means聚类算法重新聚类先验框,使先验框更适应检测目标尺寸;通过引入MobileNet轻量级网络模型改进主干网络结构,以减少模型的参数量和计算量,提高检测速度;嵌入具有双重注意力机制的卷积块注意模块,用于提高模型对目标特征的敏感度,抑制干扰信息,提高目标检测精度。实验结果表明,改进YOLOv4模型能准确检测出不同尺寸的煤块;相较于YOLOv4模型,改进YOLOv4模型权重文件减少了36.46%,精确率提高了2.16%,召回率提高了20.4%,平均精度均值提高了14.37%,漏检率降低了16%,检测速度提升了19帧/s,处理单张图像耗时减少了1.31 s,提高了煤块检测精度和检测速度。 展开更多
关键词 带式输送机 煤块检测 目标检测 轻量级网络 双重注意力机制 yolov4
在线阅读 下载PDF
基于YOLOv4网络模型的金属表面划痕检测 被引量：6
13
作者 张博尧 冷雁冰 《兵工学报》 EI CAS CSCD 北大核心 2022年第S01期214-221,共8页
金属表面划痕检测旨在实现金属划痕的分类识别和尺度精确定位。由于划痕本身形态各异且其与背景的低对比度特性,当前基于传统图像处理方法难以精确实现划痕的定位与识别。为此提出一种基于小尺度卷积核的浅层神经网络模型,模型借鉴小目... 金属表面划痕检测旨在实现金属划痕的分类识别和尺度精确定位。由于划痕本身形态各异且其与背景的低对比度特性,当前基于传统图像处理方法难以精确实现划痕的定位与识别。为此提出一种基于小尺度卷积核的浅层神经网络模型,模型借鉴小目标检测相关理论,在数据层面对划痕进行增强,训练网络模型,实现表面划痕的精确检测。结果表明,相对于原始的YOLOv4网络模型而言,该网络模型且能够更好地避免不明显划痕的漏检测和误检测现象的出现,也能够更精确且完整地提取出贯穿式或较长的划痕。该模型完全能够满足生产线精确检验要求。 展开更多
关键词 金属表面 划痕检测 yolov4网络模型 NEU数据集
在线阅读 下载PDF
一种基于改进YOLOv3-tiny的轻量级轨道紧固件检测算法 被引量：5
14
作者 卢艳东 李积英 王筱婷 《铁道标准设计》 北大核心 2022年第7期41-47,共7页
为解决传统铁路轨道养护中人工巡检等工作的低效率和准确率不足等问题,提出一种改进的YOLOv3-tiny轻量级轨道紧固件检测算法。首先,其网络结构通过在深度和点方向的卷积来降低网络的计算复杂度;其次,采用具有反向残差的线性瓶颈结构设... 为解决传统铁路轨道养护中人工巡检等工作的低效率和准确率不足等问题,提出一种改进的YOLOv3-tiny轻量级轨道紧固件检测算法。首先,其网络结构通过在深度和点方向的卷积来降低网络的计算复杂度;其次,采用具有反向残差的线性瓶颈结构设计主干网络,并在检测层采用深度可分离卷积提取紧固件的深度特征;然后,增加1个尺度在3个尺度上预测,从而有效提取紧固件的特征;最后,对目标框坐标定位过程的损失函数进行优化。实验结果表明:改进后的YOLOv3-tiny算法检测精度达98.81%,检测速度25.1 frame/s,满足其实时性的要求。 展开更多
关键词 铁路轨道 扣件 神经网络 轻量级 yolov3-tiny 深度特征
在线阅读 下载PDF
基于YOLOv4模型的工件快速识别方法改进研究
15
作者 左皓楠 胡桂川 +2 位作者 蒲小霞 侯文赛 邓春燕 《重庆科技学院学报（自然科学版）》 CAS 2024年第2期56-61,共6页
为强化智能制造场景中机器人对工件的快速识别性能,从改进YOLOv4模型入手作了方法优化研究。首先,利用Ghost模块优化主干提取网络,以减少网络参数,提高网络检测速度;其次,引入DRConv卷积优化特征提取网络,以弥补对主干网络进行优化所造... 为强化智能制造场景中机器人对工件的快速识别性能,从改进YOLOv4模型入手作了方法优化研究。首先,利用Ghost模块优化主干提取网络,以减少网络参数,提高网络检测速度;其次,引入DRConv卷积优化特征提取网络,以弥补对主干网络进行优化所造成的精度损失;最后,引入GAM注意力模块,以强化在光线不足条件下的适应性。通过对YOLOv4模型的改进,在保证较高识别精度和检测速度的同时,使模型规模得以简化,使工件快速识别网络趋于轻量化。 展开更多
关键词 智能制造 工件识别 yolov4模型 轻量化网络 GhostNet
在线阅读 下载PDF
基于YOLOv4-Tiny结构的小目标实时检测优化算法 被引量：1
16
作者 于海洋 张钊 吕瑞宏 《海军航空大学学报》 2024年第4期429-436,474,共9页
文章针对小目标实时检测的实际应用需求,以YOLOv4-Tiny结构为基本框架,使用ECANet重新设计MobileNetV3的Bneck结构并替换主特征提取网络CSPDarkNet53-Tiny,以提高模型的深度和检测速度;通过在其主干网络输出接口后增加SPPCSPC模块和使... 文章针对小目标实时检测的实际应用需求,以YOLOv4-Tiny结构为基本框架,使用ECANet重新设计MobileNetV3的Bneck结构并替换主特征提取网络CSPDarkNet53-Tiny,以提高模型的深度和检测速度;通过在其主干网络输出接口后增加SPPCSPC模块和使用路径聚合网络(PAN)替换特征金字塔(FPN),增强模型的感受野,汇聚多区域上下文信息,使每个特征层得到更加充分的语义信息和位置信息;在Head后融入CBAM注意力机制,增强有用信息并抑制无用信息,提高模型的检测精度。以口罩佩戴状态实时监测来验证提出的算法,实验结果表明,与YOLOv4-Tiny结构相比,该算法平均精度提升4.13%,达到91.84%,FPS提升4.4 frame/s,达到89.5 frame/s,满足口罩佩戴状态检测的实时性要求。 展开更多
关键词 yolov4-Tiny结构 Bneck结构 SPPCSPC模块 路径聚合网络 CBAM注意力机制
在线阅读 下载PDF
基于轻量化YOLOv4对不同遮挡程度成熟番茄果实的识别
17
作者 李文峰 胡世康 +3 位作者 杨琳琳 李仁智 徐蕾 郑嘉鑫 《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第4期184-189,共6页
【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghost... 【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghostnet,对遮挡程度小于35%、35%~65%以及超过65%的成熟番茄果实进行特征提取和识别分析。【结果】3种YOLOv4轻量化模块对遮挡面积小于65%的番茄果实的识别率超过90%。Ghostnet-YOLOv4算法在3种模块中识别率最高、表现最稳定,平均识别率为94.41%,检测速度为0.012 s;该算法对遮挡面积大于65%的果实识别率明显优于其他2种算法。3种算法的识别率均随遮挡程度的提高而下降。【结论】Ghostnet-YOLOv4算法识别率高、速度快,可用于番茄果实的识别,且优势更为明显。本研究可以为采摘机器人的采摘策略提供更好的思路和技术基础。 展开更多
关键词 番茄识别 yolov4 不同遮挡程度 轻量化网络
在线阅读 下载PDF
改进YOLOv8n的MEMS缺陷检测方法
18
作者 代培康 李翰山 《半导体技术》 北大核心 2025年第2期170-180,共11页
微电子机械系统(MEMS)器件在高温、强振动以及高过载下易出现引线断开、管腔杂质等缺陷,造成搭载MEMS器件的设备发生故障,对MEMS器件中的这些缺陷进行快速、精准的检测成为亟待解决的难题。基于MEMS金相图像,提出了一种改进YOLOv8n的MEM... 微电子机械系统(MEMS)器件在高温、强振动以及高过载下易出现引线断开、管腔杂质等缺陷,造成搭载MEMS器件的设备发生故障,对MEMS器件中的这些缺陷进行快速、精准的检测成为亟待解决的难题。基于MEMS金相图像,提出了一种改进YOLOv8n的MEMS缺陷检测方法。在Backbone层构建全新的C2f_Faster-EMA模块,使网络能够更高效地处理缺陷的多尺度信息,突出小目标缺陷特征;在Neck层的C2f后嵌入三分支注意力机制,加强缺陷权重的同时抑制背景干扰;调整网络检测头,以提高小目标缺陷检测能力;采用WIoU作为改进网络的损失函数,可平衡检测锚框的惩戒力度。实验结果表明:提出的算法可对MEMS两类缺陷进行快速精准的检测,检测准确率达到94.8%。相较于基线模型,模型的参数量减少了近44.9%,且每秒检测帧数达到了118,满足实时检测需求。 展开更多
关键词 yolov8n 缺陷检测 轻量级网络 三分支注意力机制 WIoU
在线阅读 下载PDF
轻量级网络算法对输电线路上异物目标的识别 被引量：2
19
作者 唐政 张会林 +2 位作者 马立新 刘金芝 王昊 《电子科技》 2023年第4期71-77,共7页
针对输电线路上多种异物所引起的电力巡检问题,可以采用深度学习图像识别方法进行检测。文中提出了一种改进型轻量级网络检测算法模型,通过将YOLOv4的主干特征提取网络替换为轻量级神经网络GhostNet,减少图片输入时计算所产生的特征图冗... 针对输电线路上多种异物所引起的电力巡检问题,可以采用深度学习图像识别方法进行检测。文中提出了一种改进型轻量级网络检测算法模型,通过将YOLOv4的主干特征提取网络替换为轻量级神经网络GhostNet,减少图片输入时计算所产生的特征图冗余;对YOLOv4的PANet模块进行修改,采用深度可分离卷积模块替换其中的普通卷积模块,可减轻参数计算量。结果表明,相比于原YOLOv4检测算法,该改进型算法在IOU阈值取0.5时,平均精准度下降2.1%,但检测速度达到了原算法的2.21倍,参数计算量仅为原算法的17.84%。与其他几种算法的对比表明新算法的参数指标表现满足需求。在维持较高精确度的情况下,文中所提算法的检测速度得到提升,计算量减少,证明了其在目标检测时的有效性与可行性。 展开更多
关键词 输电线路 深度学习 yolov4 图像识别 GhostNet 深度可分离卷积模块 轻量级网络
在线阅读 下载PDF
基于改进YOLOv4的玉米秸秆颗粒机械堵塞故障检测
20
作者 吕超颖 《粮食与饲料工业》 CAS 2024年第6期38-43,共6页
针对传统玉米秸秆颗粒机械堵塞故障检测精度低,检测效率不高的问题,提出了一种基于改进YOLOv4网络的堵塞故障检测方法。首先,以YOLOv4网络作为基础目标检测算法,基于YOLOv4网络引入混合注意力模块(Mixed Attention Module, MA),得到YOLO... 针对传统玉米秸秆颗粒机械堵塞故障检测精度低,检测效率不高的问题,提出了一种基于改进YOLOv4网络的堵塞故障检测方法。首先,以YOLOv4网络作为基础目标检测算法,基于YOLOv4网络引入混合注意力模块(Mixed Attention Module, MA),得到YOLOv4-MA网络,以增强小目标通道和空间特征权重;然后将YOLOv4网络的损失函数替换为Focal-EIOU函数,以提升目标检测精度;最后将改进YOLOv4网络应用到玉米秸秆颗粒机械堵塞检测系统中。结果表明,该算法对不同秸秆颗粒检测的MAP值为98.51%,相较于传统SSD算法和Faster-RCNN算法分别高出了16.33%和20.05%,且该算法对秸秆颗粒目标的检测时间仅为0.024 s,均低于另外两种模型。由此说明,该算法能够提升秸秆颗粒小目标检测精度,提高秸秆颗粒机械堵塞故障检测效果,满足系统检测需求,具备实用性和有效性。 展开更多
关键词 yolov4网络 秸秆颗粒机械 混合注意力模块 堵塞故障 小目标检测
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 … 4 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