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
2
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
改进YOLOv7算法的钢板表面缺陷检测方法
1
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
职称材料
基于支持向量机的钢板表面缺陷检测
被引量：
23
2
作者
郭慧
徐威
刘亚菲
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2018年第4期635-639,共5页
针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板...
针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板表面各种缺陷的准确识别率达到90%及以上,为钢板表面缺陷检测技术提供了很好的支持。
展开更多
关键词
支持向量机
钢板表面缺陷检测
图像处理
在线阅读
下载PDF
职称材料
题名
改进YOLOv7算法的钢板表面缺陷检测方法
1
作者
孙超
刘均学
陈正超
周永康
张承瑞
丁建军
机构
江汉大学智能制造学院
出处
《实验室研究与探索》
北大核心
2025年第1期19-23,29,共6页
基金
国家重点研发计划项目(2018YFD1100104)
湖北省教育厅教学研究项目(2022277)
+1 种基金
江汉大学校级科研基金项目(2022XKZX32)
江汉大学创新创业科研项目(202411072011)。
文摘
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。
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
Keywords
surface defect detection of steel plate
spatial adaptive attention mechanism
improved algorithm
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TP389.1 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于支持向量机的钢板表面缺陷检测
被引量：
23
2
作者
郭慧
徐威
刘亚菲
机构
华东理工大学机械与动力工程学院
出处
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2018年第4期635-639,共5页
文摘
针对钢板缺陷的传统检测方法存在速度慢、工作量大的问题。采用机器视觉的方法,通过采集钢板表面图像信息,由计算机算法处理得到缺陷的特征样本,使用支持向量机提升分类的速度和准确度。试验结果表明,径向基核函数支持向量机方法对钢板表面各种缺陷的准确识别率达到90%及以上,为钢板表面缺陷检测技术提供了很好的支持。
关键词
支持向量机
钢板表面缺陷检测
图像处理
Keywords
support vector machine
steel plate surface defects detection
image processing
分类号
TP391.42 [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
改进YOLOv7算法的钢板表面缺陷检测方法
孙超
刘均学
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
0
在线阅读
下载PDF
职称材料
2
基于支持向量机的钢板表面缺陷检测
郭慧
徐威
刘亚菲
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2018
23
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
