基于改进YOLOv5s算法的锂电池火灾识别模型

1

作者 张术琳 王澜凝 +1 位作者 文拙 鲁义 《消防科学与技术》 北大核心 2025年第8期1023-1028,共6页

锂电池火灾温度上升迅速,易引起周边物体燃烧,扩大火灾范围;同时,锂电池火灾会产生可燃气体,容易形成爆炸风险,加重火灾的危险性。因此,及时检测锂电池火灾以采取应急救援措施对阻断锂电池连锁事故具有重要意义。本研究基于YOLOv5s算法... 锂电池火灾温度上升迅速,易引起周边物体燃烧,扩大火灾范围;同时,锂电池火灾会产生可燃气体,容易形成爆炸风险,加重火灾的危险性。因此,及时检测锂电池火灾以采取应急救援措施对阻断锂电池连锁事故具有重要意义。本研究基于YOLOv5s算法,添加CA注意力机制增强模型的特征提取能力,并选用Mosaic-9数据增强算法提高模型的泛化能力,同时在模型中添加CIoU损失函数提升模型对小目标火焰的检测精度,建立基于改进YOLOv5s算法的锂电池火灾识别模型,并基于多干扰锂电池火灾数据集训练分析改进前后算法模型的损失函数和评价指标的鲁棒性。结果表明,改进模型的损失值收敛性更好,损失值较低;相比于原算法模型,改进算法模型的精确度提高了2.25%,召回率提升了2.11%,mAP增加了2.98%,F1分数提升了4.14%;改进算法模型在实现46帧/秒的检测速度的同时维持了准确的识别效果,本模型的建立对智能识别锂电池火灾的研究具有参考价值。 展开更多

关键词 锂电池火灾 火灾检测 YOLOv5s算法 CA注意力机制 Mosaic-9数据增强 ciou损失函数

在线阅读 下载PDF 职称材料

基于改进ATSS模型的水稻叶片病害检测 被引量：1

2

作者 丁士宁 姜明富 +1 位作者 刘丽娟 张莉 《山东农业大学学报（自然科学版）》 北大核心 2024年第1期93-99,共7页

针对传统水稻病害诊断方法依赖人工、容易误判等缺点,提出一种基于ATSS的水稻叶片病害检测模型。首先收集白叶枯病、胡麻斑病、叶瘟病这三种病害图像,构建水稻叶片病害图像数据集。然后在原ATSS模型的基础上,网络Neck部分采用FPN-CARAF... 针对传统水稻病害诊断方法依赖人工、容易误判等缺点,提出一种基于ATSS的水稻叶片病害检测模型。首先收集白叶枯病、胡麻斑病、叶瘟病这三种病害图像,构建水稻叶片病害图像数据集。然后在原ATSS模型的基础上,网络Neck部分采用FPN-CARAFE模块代替特征金字塔网络FPN,以减少上采样过程中的信息损失。同时,为提升模型的检测效果,回归分支的损失函数采用CIoU损失函数代替GIoU。改进ATSS模型的平均精度均值可达74.0%,相比于原ATSS模型提升了3.5%。与模型Retinanet、Faster R-CNN、Cascade R-CNN、FCOS、TOOD相比,改进ATSS模型取得了最高的检测精度,且在检测精度和速度上取得了最高的权衡。实验结果表明,改进后的模型能对水稻叶片病害有效检测。 展开更多

关键词 改进ATSS模型 FPN-CARAFE ciou损失函数 水稻叶片病害

在线阅读 下载PDF 职称材料

面向无人驾驶场景下的道路多目标检测算法

3

作者 牛文杰 伊力哈木·亚尔买买提 《计算机应用与软件》 北大核心 2024年第8期282-288,共7页

针对无人驾驶场景下目标检测算法误检率高的问题,设计一种改进YOLOv3的多目标检测算法。该文在原始特征提取网络Darknet53中引入分组卷积核替换标准卷积核,降低了卷积操作的计算量;改进原始YOLOv3的特征融合方法,使不同尺度的特征层融... 针对无人驾驶场景下目标检测算法误检率高的问题,设计一种改进YOLOv3的多目标检测算法。该文在原始特征提取网络Darknet53中引入分组卷积核替换标准卷积核,降低了卷积操作的计算量;改进原始YOLOv3的特征融合方法,使不同尺度的特征层融合更加充分,对遮挡目标和小目标的检测效果有明显提升;构建CIoU位置损失函数,提示网络收敛效果。实验结果表明,改进的YOLOv3算法平均精确度提高了1.71%,误检率降低了12%,明显优于原始算法。 展开更多

关键词 无人驾驶 多目标检测 分组卷积 YOLOv3 ciou损失函数

在线阅读 下载PDF 职称材料

基于改进FCOS的水稻叶片病害检测模型

4

作者 丁士宁 姜明富 《江苏农业科学》 北大核心 2024年第12期232-238,共7页

针对传统水稻病害识别方法主要依赖人工,效率低下且存在人工主观误差的问题,提出一种基于改进FCOS模型的水稻叶片病害检测模型。首先收集950张3种不同病害的水稻叶片图像,构建Pascal Voc格式的水稻叶片病害数据集。为增强模型的泛化能力... 针对传统水稻病害识别方法主要依赖人工,效率低下且存在人工主观误差的问题,提出一种基于改进FCOS模型的水稻叶片病害检测模型。首先收集950张3种不同病害的水稻叶片图像,构建Pascal Voc格式的水稻叶片病害数据集。为增强模型的泛化能力,对划分为训练集的图像进行数据增强,训练集图像由760张扩增到6080张。然后构建检测模型,改进FCOS模型在原模型的基础上,在特征融合网络引入CBAM注意力模块;损失函数中,回归损失函数采用CIoU损失函数,分类损失函数和中心度损失函数与原FCOS模型保持一致。改进的FCOS模型在水稻叶片病害数据上的平均精度均值达77.7%,相比原FCOS模型提升了2.3百分点,改进的模型在不明显提升检测时间的情况下,提升了模型的精度。通过试验与模型YOLOF、Faster R-CNN、VarifocalNet、NAS-FCOS、TOOD进行对比,结果表明本研究模型取得了最高的检测精度,且在检测精度和检测速度上取得了最高的权衡。结果表明,本研究提出的模型能够比较精准地识别水稻白叶枯病、胡麻叶斑病和叶瘟病,可以为水稻叶片病害的检测提供参考。 展开更多

关键词 改进FCOS模型 水稻叶片病害图像 Pascal Voc格式 CBAM注意力模块 ciou损失函数

在线阅读 下载PDF 职称材料

改进YOLOv5算法在停车场火灾检测中的应用 被引量：6

5

作者 张震 晋志华 陈可鑫 《郑州大学学报（工学版）》 CAS 北大核心 2023年第4期16-21,共6页

针对传统传感器对于地下停车场火灾检测不及时、目标检测对小型火焰目标检测效果较差等问题,提出了一种改进的YOLOv5火灾检测算法。为了提高检测算法对小型火焰目标的检测效果,在YOLOv5s网络骨干中增加小目标检测层;为了增强火焰特征的... 针对传统传感器对于地下停车场火灾检测不及时、目标检测对小型火焰目标检测效果较差等问题,提出了一种改进的YOLOv5火灾检测算法。为了提高检测算法对小型火焰目标的检测效果,在YOLOv5s网络骨干中增加小目标检测层;为了增强火焰特征的表达,提出了一种基于CA注意力机制的间隔注意力结构;为了提升定位精度、降低目标漏检率,将GIoU替换为CIoU。设计了3组消融实验以及1组对比实验用来验证所提算法的有效性。实验结果表明:所提算法在自定义数据集上的mAP_(0.5)、召回率R分别为92%、96.9%。与YOLOv5s模型相比,所提算法在自定义火焰数据集上的mAP_(0.5)提升了1.8百分点,R提升了2.0百分点。所提算法权重大小仅为16.4 MB,帧率能达到113帧/s,具有较小的模型体积以及较快的检测速度,且能够准确检出小型火焰目标,有效提升了地下停车场火灾防范能力。 展开更多

关键词 地下停车场 火灾检测 YOLOv5 坐标注意力 ciou损失函数

在线阅读 下载PDF 职称材料

基于注意力和多级特征融合的铁路场景小尺度行人检测算法 被引量：9

6

作者 石瑞姣 陈后金 +3 位作者 李居朋 李艳凤 李丰 万成凯 《铁道学报》 EI CAS CSCD 北大核心 2022年第5期76-83,共8页

行人入侵是影响铁路行车安全的重要因素。为有效解决短焦距摄像机在大视场中小尺度行人检测精度低的问题,提出一种注意力机制引导下的多级特征融合网络模型。首先,将YOLOv3作为主干网络,针对多次降采样后行人特征丢失的问题,设计四倍降... 行人入侵是影响铁路行车安全的重要因素。为有效解决短焦距摄像机在大视场中小尺度行人检测精度低的问题,提出一种注意力机制引导下的多级特征融合网络模型。首先,将YOLOv3作为主干网络,针对多次降采样后行人特征丢失的问题,设计四倍降采样分支以利用高分辨率特征有效提取小尺度行人信息。其次,特征融合阶段引入通道-空间注意力机制以抑制低层特征中背景噪声干扰。最后,引入CIoU损失函数用于行人目标框的回归,解决均方误差损失函数存在的优化不一致及尺度敏感问题。实验结果表明,相较于经典YOLOv3以及现阶段主流目标检测算法,本算法具有更高的检测精度,在自建铁路私有数据集和Caltech公开数据集的各子集上对数平均漏检率均有明显降低。 展开更多

关键词 铁路行车安全 小尺度行人检测 多级特征融合 通道-空间注意力 ciou损失函数

在线阅读 下载PDF 职称材料

一种改进YOLOv5s的多尺度目标检测算法 被引量：8

7

作者 茆震 任玉蒙 +2 位作者 陈晓艳 任克营 赵昱炜 《传感技术学报》 CAS CSCD 北大核心 2023年第2期267-274,共8页

针对多尺度目标检测准确率偏低的问题,提出了一种基于YOLOv5s改进的多尺度目标检测算法。在YOLOv5s主干网络与Neck网络之间融合CBAM模块,增强模型对多尺度目标重要特征信息的提取能力;同时,在模型的Head部分增加多尺度目标检测结构,提... 针对多尺度目标检测准确率偏低的问题,提出了一种基于YOLOv5s改进的多尺度目标检测算法。在YOLOv5s主干网络与Neck网络之间融合CBAM模块,增强模型对多尺度目标重要特征信息的提取能力;同时,在模型的Head部分增加多尺度目标检测结构,提高不同尺度目标检测精度;训练时采用CIoU替代GIoU损失函数,以提高模型收敛能力,实现高精度目标定位。数据集来源于实际场景中采集并增强的4万余张图像。实验结果表明,改进后的模型对行人、车辆和人脸的多尺度目标检测平均精度达92.1%,相比未改进YOLOv5s算法提升了3.4%。模型的收敛性好,对密集场景的目标,小尺度目标检测准确度更加突出。 展开更多

关键词 深度学习 YOLOv5s 多尺度目标检测 CBAM注意力机制 ciou损失函数

在线阅读 下载PDF 职称材料

基于轻量级卷积神经网络的手势识别检测 被引量：10

8

作者 牛雅睿 武一 +2 位作者 孙昆 卢昊 赵普 《电子测量技术》 北大核心 2022年第4期91-98,共8页

针对基于深度学习的手势识别模型参数量大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种基于轻量级卷积神经网络的手势识别检测算法。首先利用Ghost模块设计轻量级主干特征提取网络,减少网络的参数量和计算量;通过引入加... 针对基于深度学习的手势识别模型参数量大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种基于轻量级卷积神经网络的手势识别检测算法。首先利用Ghost模块设计轻量级主干特征提取网络,减少网络的参数量和计算量;通过引入加权双向特征金字塔网络改进特征融合网络,提升网络检测精度;最后使用CIoU损失函数作为边界框回归损失函数并加入Mosaic数据增强技术,加快模型收敛速度提升网络的鲁棒性。实验结果表明,改进后的模型大小仅为17.9MB,较原YOLOv3模型大小减小了92.4%,平均精确度提高了0.6%。因此新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,为手势识别检测提供理论参考。 展开更多

关键词 手势识别 轻量级网络 YOLOv3 Ghost模块 加权双向特征金字塔 ciou损失函数

在线阅读 下载PDF 职称材料

基于EfficientNet的实时目标检测模型 被引量：2

9

作者 赵昀杰 张太红 姚芷馨 《计算机应用与软件》 北大核心 2023年第8期255-264,297,共11页

在智能驾驶领域中,通常要求模型兼顾精度和推演速率。然而由于硬件条件的限制,目前大量的目标检测模型尚不能满足该要求。因此,基于单阶段目标检测算法提出一种准确率与推演速率相对平衡的实时目标检测模型。该模型使用EfficientNet-B1... 在智能驾驶领域中,通常要求模型兼顾精度和推演速率。然而由于硬件条件的限制,目前大量的目标检测模型尚不能满足该要求。因此,基于单阶段目标检测算法提出一种准确率与推演速率相对平衡的实时目标检测模型。该模型使用EfficientNet-B1作为主干网络,SPP与改进后的PANet作为脖颈网络,CIoU损失函数与YOLO损失函数的组合作为模型训练时的损失函数。为了在不引入额外计算量的同时进一步提升模型的精度,在模型训练时引入多种模型训练技巧。实验结果证明,在BDD100K与PASCAL VOC数据集上,该模型相比YOLOv4模型有着更低的计算量和更好的检测精度,且实验中所使用的训练技巧均为模型带来了一定的精度提升,证明了该模型及训练技巧的有效性。 展开更多

关键词 目标检测 EfficientNet ciou损失函数 训练技巧

在线阅读 下载PDF 职称材料

基于轻量级神经网络的目标检测研究 被引量：2

10

作者 黄志强 李军 张世义 《计算机工程与科学》 CSCD 北大核心 2022年第7期1265-1272,共8页

由于以CSPDarknet53为主干的YOLOv4神经网络参数量巨大,将其移植至手机等小型设备上时会降低其检测精度和速度,为了提高检测速度同时将检测精度控制在合理范围内,提出将原有的53层神经网络改为15层,并对其中的聚类算法进行优化,引入K-me... 由于以CSPDarknet53为主干的YOLOv4神经网络参数量巨大,将其移植至手机等小型设备上时会降低其检测精度和速度,为了提高检测速度同时将检测精度控制在合理范围内,提出将原有的53层神经网络改为15层,并对其中的聚类算法进行优化,引入K-means++聚类算法对数据集进行分析,生成满足检测条件的Anchor Box;使用在负区间带有一定斜率的LeakyReLU激活函数代替存在梯度消失问题的Sigmoid激活函数,从而增强浅层网络的学习能力;同时考虑到Bounding Box与Anchor Box之间的中心距和宽高比具有一定的相关性,提出在原有损失函数的基础上增加相应的惩罚项生成L_(CIoU)损失函数,使损失函数在反向传播时梯度下降的方向性更好。实验结果表明,改进后的CSPDarknet15神经网络在VOC2007数据集上检测的平均精度达到83.94%,检测一幅图像的时间为3625 ms,与CSPDarknet53神经网络相比,检测速度提高了54.43%,能满足小型设备实时检测的速度和精度要求。 展开更多

关键词 YOLOv4神经网络 K-means++聚类算法 LeakyReLU激活函数 L ciou损失函数

在线阅读 下载PDF 职称材料

面向密集场景结合TC-YOLOX的小目标检测方法 被引量：2

11

作者 李翔宇 王伟 +1 位作者 王峰萍 韩岩江 《电子测量技术》 北大核心 2023年第15期133-142,共10页

密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer E... 密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer Encode模块,不断更新目标权重实现增强目标特征信息,提高网络的特征提取能力;其次,在特征金字塔网络中增加卷积注意力机制模块,关注重要特征并抑制不必要特征,提高不同尺度目标的检测准确度;然后,采用CIoU代替IoU作为回归损失函数,使得模型训练过程中网络收敛更快,性能更好;最后在PASCAL VOC 2007数据集上验证。实验结果表明,所设计的TC-YOLOX模型能够有效的检测出多样化场景中正常、密集、稀疏、黑暗条件下的小目标物体,mAP和检测速度可以达到94.6%和38 fps,与原始模型相比提升了10.9%和1 fps,对多种密集场景下的小目标检测任务均具有较好的适用性。 展开更多

关键词 小目标检测 YOLOX 卷积注意力机制模块 Transformer Encode ciou回归损失函数

在线阅读 下载PDF 职称材料