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10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：
基于AFPN的汽车故障诊断研究 被引量：1
1
作者 金永夫 郝平 +1 位作者 张华波 袁华炜 《机电工程》 CAS 2010年第5期90-93,101,共5页
针对汽车故障诊断专家系统的知识具有动态性和不确定性的特点.提出了一种基于自适应模糊Petri网(AFPN)的汽车故障诊断方法。该方法首先根据模糊产生式规则建立相应的模糊Petri网模型,然后利用BP算法,通过样本数据对模糊Petri网中的权值... 针对汽车故障诊断专家系统的知识具有动态性和不确定性的特点.提出了一种基于自适应模糊Petri网(AFPN)的汽车故障诊断方法。该方法首先根据模糊产生式规则建立相应的模糊Petri网模型,然后利用BP算法,通过样本数据对模糊Petri网中的权值等进行反复的学习训练,最后利用训练得到的参数和故障征兆发生概率对故障进行诊断。这种方法使知识库能动态更新,并可以避免依靠人工经验设置带来的不确定性。诊断结果表明,和传统故障树方法相比,该方法具有很多优点。 展开更多
关键词 自适应模糊Petri网 故障诊断 知识表示 知识学习 汽车
在线阅读 下载PDF
改进PSPNet的电成像测井裂缝自动识别 被引量：1
2
作者 申科 肖小玲 +1 位作者 张翔 林茂山 《科学技术与工程》 北大核心 2025年第7期2691-2702,共12页
针对裂缝特征提取困难导致裂缝分割精度低、网络参数量计算量大的问题,提出一种改进的PSPNet(pyramid scene parseing network)网络用于自动识别电成像测井图像中的裂缝。首先将PSPNet中的骨干网络替换为优化的MobileNetV3网络,减少网... 针对裂缝特征提取困难导致裂缝分割精度低、网络参数量计算量大的问题,提出一种改进的PSPNet(pyramid scene parseing network)网络用于自动识别电成像测井图像中的裂缝。首先将PSPNet中的骨干网络替换为优化的MobileNetV3网络,减少网络参数量和计算量;其次,引入渐进特征金字塔(asymptotic feature pyramid network,AFPN),用于增加多尺度信息的交互,增强对细小裂缝的识别能力;接着,引入多深度卷积头转置注意力(multi-depthwise Conv head transposed attention,MDTA)进行全局特征的提取,提升关键信息的提取能力;最后,采用Focal Loss和Dice Loss组合相加作为损失函数,以解决数据集类别占比不平衡的问题。实验结果表明,改进的PSPNet网络对电成像测井裂缝具有较好的分割效果。与PSPNet网络相比,mIoU(mean intersection over union)提升了3.17%,mPA(mean pixel accuracy)提升了6.38%。此外,研究成果的参数量、计算量、权重分别比原模型减少94.3%、95.7%和93.8%。同时,开发了基于CIFLog的裂缝识别系统,该系统能够满足对电成像测井的实际需要。 展开更多
关键词 PSPNet 裂缝识别 电成像测井图像 MobileNetV3 afpn
在线阅读 下载PDF
MS^(2)-YOLO:多尺度敏感的海上红外目标检测算法研究
3
作者 康越卿 杨小冈 +3 位作者 卢瑞涛 王思宇 宿爽 成桢灏 《红外与激光工程》 北大核心 2025年第10期258-269,共12页
在现代化军事侦察及作战行动中,实现海面红外多尺度目标检测对态势感知与精准打击至关重要,但现有方法因特征解耦不充分导致的微小目标漏检,以及跨层级语义差异引发的多尺度特征融合低效等问题,限制了检测性能的进一步提升。为此,文中... 在现代化军事侦察及作战行动中,实现海面红外多尺度目标检测对态势感知与精准打击至关重要,但现有方法因特征解耦不充分导致的微小目标漏检,以及跨层级语义差异引发的多尺度特征融合低效等问题,限制了检测性能的进一步提升。为此,文中提出多尺度敏感的红外目标检测算法MS^(2)-YOLO,通过融合RevCol机制设计BILoNet主干网络,优化特征前向传播路径以解耦冗余特征并避免信息压缩,显著增强小目标捕获能力;引入渐进式AFPN检测头构建跨层级特征语义对齐策略,通过多层特征融合缩小语义差异,提升多尺度目标表征鲁棒性;进一步提出双阶段空间语义残差模块(C3K2-DWR),以区域残差-语义残差化两步策略优化颈部特征提取,强化复杂背景下的多尺度信息捕获效率。基于自建海上红外多尺度敏感目标检测数据集(MIMSTD-D)的实验表明,改进后算法mAP@0.5达到91%,较基准YOLO11s提升9.1%,验证了其在复杂海面场景的优越性。 展开更多
关键词 YOLO11 海面多尺度目标 BILoNet afpn C3K2-DWR
在线阅读 下载PDF
基于改进YOLOv5s的风电叶片表面缺陷检测方法
4
作者 王俊 高贵兵 《中国机械工程》 北大核心 2025年第9期2108-2117,共10页
为了提高风电机组叶片健康监测技术的智能化、高效化、便捷化发展,依据目标识别技术提出一种基于改进YOLOv5s算法的风电叶片表面缺陷检测方法。首先将YOLOv5s算法的原始骨干网络用渐进特征金字塔网络(AFPN)替换,增强了网络的学习能力;... 为了提高风电机组叶片健康监测技术的智能化、高效化、便捷化发展,依据目标识别技术提出一种基于改进YOLOv5s算法的风电叶片表面缺陷检测方法。首先将YOLOv5s算法的原始骨干网络用渐进特征金字塔网络(AFPN)替换,增强了网络的学习能力;其次将卷积块注意力模块(CBAM)嵌入到主干提取网络中,提高了模型对叶片表面缺陷特征的提取能力;然后使用最小点距离交并比(MPDIoU)损失函数替换CIoU损失函数,提高了边界框定位精度;最后,采用改进的检测方法对某风电机组叶片进行缺陷检测。检测结果表明,改进后的算法在精确率、召回率和平均精度均值(mAP)等方面分别提高了4.1%、2.9%和4.8%,达到了91.9%、89.3%和93.5%,具有显著的精度优势和更好的模型稳定性。 展开更多
关键词 风电叶片 缺陷检测 渐进特征金字塔网络 卷积块注意力模块
在线阅读 下载PDF
基于改进YOLOv8n的无人机目标检测算法研究 被引量：5
5
作者 张立国 袁煜淋 +2 位作者 金梅 张琦 吴文哲 《计量学报》 CSCD 北大核心 2024年第10期1487-1493,共7页
针对低空无人机目标的误检漏检等问题,提出改进YOLOv8n的算法模型ASSM-YOLO。首先,添加小目标检测头并使用AFPN替换原有Neck结构,渐近融合低层与高层特征;其次,引入SA注意力机制增强对无人机目标的感知能力;再次,将主干网络卷积层替换为... 针对低空无人机目标的误检漏检等问题,提出改进YOLOv8n的算法模型ASSM-YOLO。首先,添加小目标检测头并使用AFPN替换原有Neck结构,渐近融合低层与高层特征;其次,引入SA注意力机制增强对无人机目标的感知能力;再次,将主干网络卷积层替换为SPD-Conv,改善卷积过程中特征丢失问题;最后,替换损失函数MPDIoU Loss,优化回归损失计算。在DUT-UAV数据集上的实验表明:ASSM-YOLO算法的平均精度值R_(mAP@0.5)、R_(mAP@0.75)和R_(mAP@0.5∶0.95)结果为92.5%、72.2%和62.9%,较原YOLOv8n网络分别提升了5.9%、8.3%和6.5%,显著提升了无人机目标的检测精度。 展开更多
关键词 机器视觉 YOLOv8n afpn SA注意力 SPD-Conv MPD损失函数
在线阅读 下载PDF
基于YOLOv7的机场跑道异物检测算法 被引量：3
6
作者 程擎 叶紫 +1 位作者 何汶键 华翔 《电子测量技术》 北大核心 2024年第16期120-129,共10页
机场跑道异物对航班安全起降构成极大威胁,准确及时地检测并清除机场跑道异物是机场安全工作的重点。针对机场跑道异物检测任务中的小目标检测精确度与实时性,提出一种基于YOLOv7的机场跑道异物检测算法。首先在主干网络引入CBAM模块,... 机场跑道异物对航班安全起降构成极大威胁,准确及时地检测并清除机场跑道异物是机场安全工作的重点。针对机场跑道异物检测任务中的小目标检测精确度与实时性,提出一种基于YOLOv7的机场跑道异物检测算法。首先在主干网络引入CBAM模块,从空间注意力与和通道注意力两方面专注小目标特征信息提取;其次在加强特征提取网络结合AFPN思想提出SA-PANet结构,将相邻有效特征层进行渐进式特征融合,缓解有效特征层之间的语义差距;然后在加强特征提取网络的PANet结构下采样支路中引入BiFormer模块,聚焦小目标特征信息的进一步融合提取;最后在边界框定位损失函数计算过程中引入MPDIoU Loss,加速模型收敛并提升机场跑道异物检测准确率与定位精度。在机场跑道异物图像数据集上实验表明,改进后算法mAP 50为98.76%,较改进前算法提升9.09个百分点。与其他针对机场跑道异物检测的算法相比,改进后算法具有更高的检测精度同时将模型参数量与模型计算量增幅控制在可接受范围内,达到机场跑道异物检测任务的准确、快速需求。 展开更多
关键词 目标检测 机场跑道异物 注意力机制 CBAM afpn BiFormer MPDIoU Loss
在线阅读 下载PDF
改进YOLOv8n的道路目标检测算法 被引量：18
7
作者 高德勇 陈泰达 缪兰 《计算机工程与应用》 CSCD 北大核心 2024年第16期186-197,共12页
针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题,提出一种改进YOLOv8n的道路目标检测算法。引入多样化分支块(diverse branch block,DBB)构建C2fDBB模块,替代原算法中的C2f模块,增强网络多尺度特征提取能力... 针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题,提出一种改进YOLOv8n的道路目标检测算法。引入多样化分支块(diverse branch block,DBB)构建C2fDBB模块,替代原算法中的C2f模块,增强网络多尺度特征提取能力。在路径聚合网络(path aggregation network,PANet)的基础上结合渐进特征金字塔网络(asymptotic feature pyramid network,AFPN)思想,提出PA-AFPN(path aggregation progressive feature pyramid network)特征融合方式,提升网络对多尺度特征的融合能力。设计SPPF2_TA(SPPF with dual-branch structure incorporating triplet attention)模块,通过在SPPF(spatial pyramid pooling fast)中引入平均池化分支和三重注意力机制(triplet attention,TA),有效整合多尺度信息,降低背景干扰对检测的影响。采用MPDIoU作为新边界回归损失函数,替代原损失函数,加速算法收敛,提高目标定位精度。在公开道路目标数据集BDD100K和SODA10M上的实验结果显示,改进方法的mAP@0.5相较于基线算法分别提升了5.7个百分点和7.3个百分点,计算量降低了0.6 GFLOPs。与其他主流目标检测方法相比,改进方法在计算量、FPS和mAP@0.5等方面均展现出显著优势,更加契合道路场景下的目标检测任务需求。 展开更多
关键词 YOLOv8 结构重参数化 渐进特征金字塔网络(afpn) 道路目标 注意力机制
在线阅读 下载PDF
多源信息融合下冷链配送车辆碳排放动态预测方法 被引量：1
8
作者 杨霖 刘双印 +3 位作者 徐龙琴 赫敏 绳庆峰 韩佳伟 《智慧农业（中英文）》 CSCD 2024年第4期138-148,共11页
[目的/意义]冷链配送碳排放动态预测是企业碳排放精准评估及其绿色信用等级评定的重要依据。本研究面向车辆碳排放受路况信息、行驶特征、制冷参数等多因素影响,提出一种融合多源信息的冷藏车辆碳排放动态预测模型。[方法]基于道路车辆... [目的/意义]冷链配送碳排放动态预测是企业碳排放精准评估及其绿色信用等级评定的重要依据。本研究面向车辆碳排放受路况信息、行驶特征、制冷参数等多因素影响,提出一种融合多源信息的冷藏车辆碳排放动态预测模型。[方法]基于道路车辆数量与像素面积占比表征路况信息,构建基于改进YOLOv8s的路况信息识别模型,并以路况信息、行驶特征(速度、加速度)、货物重量、制冷参数(温度、功率)等为输入,构建基于改进iTransformer的冷藏车辆碳排放动态预测模型。最后与其他模型展开对比分析,分别验证路况信息识别与车辆碳排放动态预测的精度。[结果]改进的YOLOv8s路况信息识别模型在精确率、召回率和平均识别精度上分别达到98.1%、95.5%和98.4%,比YOLOv8s分别提高了1.2%、3.7%和0.2%,参数量和运算量分别减少了12.5%和31.4%,检测速度提高了5.4%。改进的iTransformer模型碳排放量预测的均方误差、平均绝对误差、均方根误差和R^(2)分别为0.026 1%VOL、0.079 1%VOL、0.161 5%VOL和0.940 0,均优于其他时序预测模型。[结论]提出的多源信息融合下冷链配送碳排放预测模型可实现对冷藏车辆碳排放量的精准预测,为有效降低冷链配送碳排放与提升配送企业绿色信用等级等提供理论参考。 展开更多
关键词 冷链配送 碳排放 路况识别 时序预测 YOLOv8s iTransformer 多源信息融合 渐进特征金字塔网络
在线阅读 下载PDF
基于改进YOLOv8n的钢材表面缺陷检测 被引量：6
9
作者 赵洋 王军凯 +2 位作者 林志毅 周忠祥 徐森 《电子测量技术》 北大核心 2024年第13期191-198,共8页
为解决钢材表面缺陷检测中面临的缺陷类型繁多、尺寸差异显著以及现有模型复杂度高、检测精度不足等问题,本文提出了一种基于改进YOLOv8n的检测算法YOLOv8-ODAW。首先,引入全维动态卷积(ODConv)增强对多维度特征的捕捉能力,减少信息损失... 为解决钢材表面缺陷检测中面临的缺陷类型繁多、尺寸差异显著以及现有模型复杂度高、检测精度不足等问题,本文提出了一种基于改进YOLOv8n的检测算法YOLOv8-ODAW。首先,引入全维动态卷积(ODConv)增强对多维度特征的捕捉能力,减少信息损失;其次,嵌入渐进特征金字塔网络(AFPN)改善特征融合过程,实现了非相邻层级特征间的直接交互,有效缓解语义断层。最后,采用动态非单调聚焦机制的Wise-IoUv3损失函数优化边界框回归,加快网络收敛的同时提高检测精度。在NEU-DET数据集上进行多组实验,结果表明,改进后的YOLOv8-ODAW网络模型相比原网络模型mAP50%提升了7.3%、GFLOPs下降了21.95%,展现出对钢材表面缺陷更佳的定位与识别能力,且检测速度满足工业应用需求。 展开更多
关键词 钢材 缺陷检测 YOLOv8n 全维动态卷积 渐进特征金字塔网络 Wise-IoUv3
在线阅读 下载PDF
基于改进YOLOv8n的无人机入侵检测方法
10
作者 邓鹏 唐文涛 罗静 《火力与指挥控制》 2025年第11期188-195,共8页
针对复杂环境下多样化无人机类型的入侵检测中存在精度低、误报和漏报率高等问题,提出一种基于改进YOLOv8n的无人机入侵检测方法。在YOLOv8的基础上进行了4个方面的改进。在YOLOv8n的主干网络中引入了感受野注意力卷积,解决了标准卷积... 针对复杂环境下多样化无人机类型的入侵检测中存在精度低、误报和漏报率高等问题,提出一种基于改进YOLOv8n的无人机入侵检测方法。在YOLOv8的基础上进行了4个方面的改进。在YOLOv8n的主干网络中引入了感受野注意力卷积,解决了标准卷积操作中参数共享的问题,并考虑了每个特征的重要性,从而提升了网络的整体性能;将C2F模块替换为FasterBlock模块,通过高效计算和减少内存访问提升神经网络的推理速度,同时保持较高的精度;引入MSDA模块对不同尺度的特征进行多重处理,确保模型能够在处理小目标和大目标时都有效捕捉到关键特征;采用渐进特征金字塔网络,通过逐层融合不同层次的特征,减少语义差距,提高特征融合的有效性和检测性能。在USC-Drone数据集和Real World数据集进行测试,相比于原始的YOLOv8n,改进模型的mAP@0.5分别提高了6.4%和3.5%。 展开更多
关键词 无人机入侵检测 YOLOv8n 复杂环境 深度学习 afpn
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 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