检索结果-维普期刊中文期刊服务平台

基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究被引量：2: 1; 作者刘江鹏牛群峰 +3 位作者靳毅陈霞王莉袁强《河南农业科学》北大核心 2022年第11期145-154,共10页; 针对现有方法在识别烟丝类型中泛化能力差、准确率低的问题,提出了一种基于高效通道注意力机制与多尺度特征融合的烟丝类型识别方法。对采集的梗丝、膨胀叶丝、叶丝和再造烟丝4类烟丝图像进行降噪处理,处理后的图像经K-means聚类得到图... 展开更多; 关键词烟丝 K-MEANS算法 Inception网络高效通道注意力机制多尺度特征融合; 在线阅读下载PDF 职称材料

融合注意力与上下文信息的皮肤癌图像分割模型被引量：1: 2; 作者支慧芳韩建新吴永飞《计算机工程与设计》北大核心 2024年第9期2859-2865,共7页; 为提高黑色素瘤分割性能,提出一种结合注意力机制和上下文信息的U-Net网络。以Resnet-34网络作为编码器,在跳跃连接中加入坐标注意力,通过捕捉精准的位置信息定位更准确的目标区域;设计上下文信息模块强化对前景特征的学习能力;加入高... 展开更多; 关键词病变分割多尺度融合注意力机制上下文信息卷积神经网络 U-Net型网络坐标注意力高效通道注意力; 在线阅读下载PDF 职称材料

基于改进RT-DETR的井下输送带跑偏故障检测算法被引量：1: 3; 作者安龙辉王满利张长森《工矿自动化》北大核心 2025年第3期54-62,共9页; 目前输送带跑偏检测研究主要集中于提取输送带边缘的直线特征,该方式需设定特定阈值,易受环境因素的制约,导致检测速度慢、精度不高。针对该问题,提出了一种基于改进RT-DETR的井下输送带跑偏故障检测算法,使用改进RT-DETR直接对一组托... 展开更多; 关键词输送带跑偏目标检测实时检测转换器结构重参数化高效多尺度注意力机制多尺度特征融合; 在线阅读下载PDF 职称材料

基于改进YOLOv8n的自然场景下苹果外观品质检测方法: 4; 作者王会征李新龙 +4 位作者薄萍刘海藤刘家天焦乐宁兰玉彬《农业工程学报》北大核心 2025年第11期173-182,共10页; 为快速精准检测自然场景下的苹果外观品质,该研究提出了一种基于改进YOLOv8n的苹果外观品质检测模型ZAL-YOLOv8n。首先,使用融合了部分卷积(partial convolution,PConv)与高效多尺度注意力机制(efficient multiscale attention,EMA)的EP... 展开更多; 关键词苹果 YOLOv8n 目标检测 Slim-neck 高效多尺度注意力机制损失函数; 在线阅读下载PDF 职称材料

基于YOLOv8n的航拍图像小目标检测算法被引量：5: 5; 作者齐向明严萍萍姜亮《计算机工程与应用》 CSCD 北大核心 2024年第24期200-210,共11页; 针对航拍图像小目标检测中存在目标密集和相互遮挡问题,提出一种基于YOLOv8n的航拍图像小目标检测算法。在主干网络末段,置换C2f中Bottleneck为改进后的FasterNet,保持通道数并提升收敛速度;替换SPPF中CBS激活函数SiLU为ReLU使输入负值... 展开更多; 关键词航拍图像小目标检测 YOLOv8n FasterNet SPPF模块高效多尺度注意力机制(ema) Wise IoU; 在线阅读下载PDF 职称材料

基于交错部分卷积的高压输电线路检测方法被引量：1: 6; 作者李利荣戴俊伟 +3 位作者崔浩梅冰贺章擎李婕《电网技术》 EI CSCD 北大核心 2024年第12期5159-5168,I0074-I0076,I0073,共14页; 在输电线路无人机巡检任务中,针对基于深度学习的航拍图像中待检测目标检测精度不高和模型过大而难以部署至无人机等移动端设备的问题,提出了以YOLOv7-tiny为基础网络进行改进以实现提高检测精度并将模型轻量化的方法。首先,该文设计了... 展开更多; 关键词输电线路巡检通道冗余多尺度交错部分卷积高效多尺度注意力机制快速空间金字塔池化及跨阶段空间通道; 在线阅读下载PDF 职称材料

基于改进YOLO v7-tiny的小麦麦穗检测方法: 7; 作者鲁子翱张婧婧 +1 位作者韩博李永福《江苏农业科学》北大核心 2024年第20期147-156,共10页; 针对农田环境下小麦麦穗目标检测精确率低的问题,在YOLO v7-tiny模型基础上进行深入改进,旨在提高麦穗检测的准确率,以满足农业生产管理系统和农业机器人边缘检测设备的需求。采用EfficientViT的主干网络替代YOLO v7-tiny的特征提取网络... 展开更多; 关键词目标检测 YOLO v7 EfficientViT CARAFE 高效多尺度注意力机制; 在线阅读下载PDF 职称材料

题名基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究被引量：2: 1; 作者刘江鹏牛群峰靳毅陈霞王莉袁强; 机构河南工业大学电气工程学院河南中烟工业有限责任公司安阳卷烟厂; 出处《河南农业科学》北大核心 2022年第11期145-154,共10页; 基金河南省科技攻关计划项目(201300210100,222102110160) 河南中烟科技项目(A202047,A202049)。; 文摘针对现有方法在识别烟丝类型中泛化能力差、准确率低的问题,提出了一种基于高效通道注意力机制与多尺度特征融合的烟丝类型识别方法。对采集的梗丝、膨胀叶丝、叶丝和再造烟丝4类烟丝图像进行降噪处理,处理后的图像经K-means聚类得到图像的前景和后景并完成分割,提高输入图像的抗环境干扰能力和特征提取能力。在Inception-ResNet-V2网络中引入高效通道注意力机制,加强模型提取特征的能力;同时,将改进后的模块输出的特征图进行多尺度融合,增加特征代表性,降低过拟合风险。最后,在比较收敛性和准确性时,用PReLU和AdaBound代替了ReLU激活函数和Adam优化器。结果表明,提出的算法具有较好的泛化能力,能实现4类烟丝高效识别,最终识别精度为97.23%,单幅图像的检测时间为0.107 s。; 关键词烟丝 K-MEANS算法 Inception网络高效通道注意力机制多尺度特征融合; Keywords Tobacco shred K-means algorithm Inception network Efficient channel attention mechanism Multi-scale feature fusion; 分类号 S126 [农业科学—农业基础科学] TS42 [农业科学—烟草工业]; 在线阅读下载PDF 职称材料

题名融合注意力与上下文信息的皮肤癌图像分割模型被引量：1: 2; 作者支慧芳韩建新吴永飞; 机构太原理工大学大数据学院晋中学院物理与电子工程系; 出处《计算机工程与设计》北大核心 2024年第9期2859-2865,共7页; 基金国家自然科学基金项目(61901292) 山西省应用基础研究计划基金项目(201901D211080、20210302124542)。; 文摘为提高黑色素瘤分割性能,提出一种结合注意力机制和上下文信息的U-Net网络。以Resnet-34网络作为编码器,在跳跃连接中加入坐标注意力,通过捕捉精准的位置信息定位更准确的目标区域;设计上下文信息模块强化对前景特征的学习能力;加入高效通道注意力模块,重新校准权重并获得更高质量的分割图。在公共数据集ISIC 2017上验证改进模型,其结果表明,该模型召回率、F1分数达到85.29%、87.03%,与现有方法对比,在准确率、交并比、召回率、F1分数产生竞争性结果。; 关键词病变分割多尺度融合注意力机制上下文信息卷积神经网络 U-Net型网络坐标注意力高效通道注意力; Keywords lesion segmentation multi-scale fusion attention mechanism context information CNN U-Net network coordinate attention efficient channel attention; 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

题名基于改进RT-DETR的井下输送带跑偏故障检测算法被引量：1: 3; 作者安龙辉王满利张长森; 机构河南理工大学物理与电子信息学院; 出处《工矿自动化》北大核心 2025年第3期54-62,共9页; 基金国家自然科学基金项目(52074305) 河南省科技攻关项目(242102221006)。; 文摘目前输送带跑偏检测研究主要集中于提取输送带边缘的直线特征,该方式需设定特定阈值,易受环境因素的制约,导致检测速度慢、精度不高。针对该问题,提出了一种基于改进RT-DETR的井下输送带跑偏故障检测算法,使用改进RT-DETR直接对一组托辊检测,根据左右托辊的暴露程度识别是否跑偏。针对实时检测转换器(RT-DETR)主干网络进行3个方面的改进:①为了减少主干网络的参数量和浮点运算数量(FLOPs),使用FasterNet Block替换ResNet34中的BasicBlock;②为了提升模型的精度和效率,在FasterNet Block结构中,引入结构重参数化的思想;③为了提升FasterNet Block在特征提取方面的性能,引入了高效多尺度注意力机制(EMA),更加有效地捕捉全局和局部特征图。为了拓展感受野并捕获更有效、更广泛的上下文信息,以获得更为丰富的特征表达,采用改进高级筛选特征融合金字塔网络(HS-FPN)来优化多尺度特征融合。实验结果表明,与基准模型相比较,改进RT-DETR模型的参数量和FLOPs分别减少了8.4×10^(6)个和17.8 G,mAP@0.5达94.5%,严重跑偏检测精度达99.2%,检测速度达41.0帧/s,优于TOOD,ATSS等目标检测模型,满足煤矿生产对目标检测实时性和准确性的需求。; 关键词输送带跑偏目标检测实时检测转换器结构重参数化高效多尺度注意力机制多尺度特征融合; Keywords conveyor belt deviation target detection real-time detection transformer(RT-DETR) structural reparameterization efficient multi-scale attention mechanism multi-scale feature fusion; 分类号 TD634 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8n的自然场景下苹果外观品质检测方法: 4; 作者王会征李新龙薄萍刘海藤刘家天焦乐宁兰玉彬; 机构山东理工大学农业工程与食品科学学院山东理工大学生态无人农场研究院山东理工大学现代农业装备研究院; 出处《农业工程学报》北大核心 2025年第11期173-182,共10页; 基金山东省自然科学基金项目(ZR2023MC133) 宁夏回族自治区重点研发计划项目(2023BCF01051)。; 文摘为快速精准检测自然场景下的苹果外观品质,该研究提出了一种基于改进YOLOv8n的苹果外观品质检测模型ZAL-YOLOv8n。首先,使用融合了部分卷积(partial convolution,PConv)与高效多尺度注意力机制(efficient multiscale attention,EMA)的EP-C2f模块替换骨干网络中的C2f模块,提升模型对复杂遮挡情况下苹果目标的特征提取能力。其次,为改善患病苹果表皮病斑区域定位不准的问题,引入基于最小点距离的损失函数(multiple path distance intersection over union,MPDIoU)作为边界回归损失函数来加速预测框与真实框之间的位置拟合,提高模型对病害识别能力。最后,使用Slim-neck架构重建YOLOv8n的特征融合网络,实现颈部网络轻量化,提高模型运行速度。结果表明,与原模型相比,改进后的YOLOv8n模型的准确率、召回率和平均精度均值分别提高了3.4、1.1、1.3个百分点,同时,浮点运算量、参数量和模型大小分别缩减了22.2%、17.7%、15.9%。该模型在提高检测精度的同时实现了一定程度的轻量化,可为苹果智能采摘机器人的研发提供技术支撑。; 关键词苹果 YOLOv8n 目标检测 Slim-neck 高效多尺度注意力机制损失函数; Keywords apple YOLOv8n object detection Slim-neck efficient multi-scale attention mechanism loss function; 分类号 S24 [农业科学—农业电气化与自动化]; 在线阅读下载PDF 职称材料

题名基于YOLOv8n的航拍图像小目标检测算法被引量：5: 5; 作者齐向明严萍萍姜亮; 机构辽宁工程技术大学软件学院塔里木大学信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2024年第24期200-210,共11页; 基金国家自然科学基金面上项目(62173171)。; 文摘针对航拍图像小目标检测中存在目标密集和相互遮挡问题,提出一种基于YOLOv8n的航拍图像小目标检测算法。在主干网络末段,置换C2f中Bottleneck为改进后的FasterNet,保持通道数并提升收敛速度;替换SPPF中CBS激活函数SiLU为ReLU使输入负值置零,在CBS后引入SE注意力机制扩张感受野,保留更多小目标特征。输出端检测头前嵌入高效多尺度注意力机制EMA获取更多细节信息,进一步提高小目标关注度。将基线网络损失函数CIoU替换成Wise IoU,提供增益分配策略,专注普通质量锚框,提高网络泛化能力。在数据集VisDrone2021和RSOD上做消融实验和对比实验,相较于基线算法,mAP@0.5分别提升5.1和7.2个百分点,mAP@0.5:0.95分别提升4.4和2.1个百分点,表明检测精度指标显著提升;在公开数据集VOC2007+2012上做泛化实验,mAP@0.5提升3.8个百分点,表明具有良好的鲁棒性。; 关键词航拍图像小目标检测 YOLOv8n FasterNet SPPF模块高效多尺度注意力机制(ema) Wise IoU; Keywords aerial images small object detection YOLOv8n FasterNet spatial pyramid pooling fast(SPPF) efficient multi-scale attention(ema) Wise IoU; 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

题名基于交错部分卷积的高压输电线路检测方法被引量：1: 6; 作者李利荣戴俊伟崔浩梅冰贺章擎李婕; 机构湖北工业大学电气与电子工程学院湖北省高效利用及储能运行控制湖北省重点实验室(湖北工业大学) 太阳能高效利用湖北省协同创新中心(湖北工业大学); 出处《电网技术》 EI CSCD 北大核心 2024年第12期5159-5168,I0074-I0076,I0073,共14页; 基金国家自然科学基金项目(62271194) 湖北省高效利用及储能运行控制湖北省重点实验室开发基金项目(HBSEES202306)。; 文摘在输电线路无人机巡检任务中,针对基于深度学习的航拍图像中待检测目标检测精度不高和模型过大而难以部署至无人机等移动端设备的问题,提出了以YOLOv7-tiny为基础网络进行改进以实现提高检测精度并将模型轻量化的方法。首先,该文设计了一种交错部分卷积(interlace partial convolution,IPConv),并利用其构建IP1-ELAN、IP2-ELAN模块作为网络的特征提取模块,使其能有效减轻模型中通道冗余问题,并大幅度减少模型的参数量和浮点数;其次,在骨干网络最后一层中融合高效多尺度注意力机制(efficient multi-scale attention,EMSA)以实现跨通道交互,增强目标区域特征提取能力;最后,融合快速空间金字塔池化及跨阶段空间通道(spatial pyramid pooling faster,cross stage partial channel,SPPFCSPC)模块,进一步增强特征提取能力,提升模型检测性能。通过实验验证,该文方法在输电线路巡检数据集中模型参数量和浮点数分别仅为3.79M,8.4G,检测精度为85.8%。综合性能优于目前常用的检测算法,能够基本满足部署至无人机端进行检测任务。; 关键词输电线路巡检通道冗余多尺度交错部分卷积高效多尺度注意力机制快速空间金字塔池化及跨阶段空间通道; Keywords transmission line inspection channel redundancy multi-scale IPConv EMSA SPPFCSPC; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于改进YOLO v7-tiny的小麦麦穗检测方法: 7; 作者鲁子翱张婧婧韩博李永福; 机构新疆农业大学计算机与信息工程学院新疆农业科学院土壤肥料与农业节水研究所智能农业教育部工程研究中心新疆农业信息化工程技术研究中心; 出处《江苏农业科学》北大核心 2024年第20期147-156,共10页; 基金新疆维吾尔自治区重大科技专项(编号:2022A02011-2) 科技创新2030重大项目(编号:2022ZD0115805)。; 文摘针对农田环境下小麦麦穗目标检测精确率低的问题,在YOLO v7-tiny模型基础上进行深入改进,旨在提高麦穗检测的准确率,以满足农业生产管理系统和农业机器人边缘检测设备的需求。采用EfficientViT的主干网络替代YOLO v7-tiny的特征提取网络层,强化图像特征的提取能力;在特征融合网络层,引入CARAFE上采样模块替代原模型中的上采样模块,进一步优化特征融合过程;在特征融合网络层和输出层引入基于跨空间学习的高效多尺度注意力机制,有效提升模型的目标检测性能。结果表明,改进后的模型在小麦麦穗检测精确率上比YOLO v7-tiny模型提高了2.9百分比;与YOLO v7模型相比,本模型虽然精确率低0.2百分点,但在参数量、计算量上分别降低了82.6%、84.5%,同时模型体积减小了81.2%。综合考虑精确率、参数量、计算量、模型体积等多个指标,本研究的改进模型在部署于智能农机类边缘检测设备方面具有优越性。; 关键词目标检测 YOLO v7 EfficientViT CARAFE 高效多尺度注意力机制; 分类号 S126 [农业科学—农业基础科学] 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	基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究	刘江鹏牛群峰靳毅陈霞王莉袁强	《河南农业科学》北大核心	2022	2	在线阅读下载PDF 职称材料
2	融合注意力与上下文信息的皮肤癌图像分割模型	支慧芳韩建新吴永飞	《计算机工程与设计》北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于改进RT-DETR的井下输送带跑偏故障检测算法	安龙辉王满利张长森	《工矿自动化》北大核心	2025	1	在线阅读下载PDF 职称材料
4	基于改进YOLOv8n的自然场景下苹果外观品质检测方法	王会征李新龙薄萍刘海藤刘家天焦乐宁兰玉彬	《农业工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于YOLOv8n的航拍图像小目标检测算法	齐向明严萍萍姜亮	《计算机工程与应用》 CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料
6	基于交错部分卷积的高压输电线路检测方法	李利荣戴俊伟崔浩梅冰贺章擎李婕	《电网技术》 EI CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
7	基于改进YOLO v7-tiny的小麦麦穗检测方法	鲁子翱张婧婧韩博李永福	《江苏农业科学》北大核心	2024	0	在线阅读下载PDF 职称材料