基于改进SDP和FasterNet-GCAM的滚动轴承故障诊断

1

作者 陈家芳 唐湛恒 周健 《现代制造工程》 北大核心 2025年第7期129-138,41,共11页

对滚动轴承进行故障诊断关乎设备运行安全及稳定可靠性。使用传统卷积神经网络进行故障诊断,模型运算量过大,且易出现过拟合现象从而导致诊断精度不高,端到端模型存在可信度不高等问题。鉴于此,提出一种基于改进对称极坐标(Symmetrized ... 对滚动轴承进行故障诊断关乎设备运行安全及稳定可靠性。使用传统卷积神经网络进行故障诊断,模型运算量过大,且易出现过拟合现象从而导致诊断精度不高,端到端模型存在可信度不高等问题。鉴于此,提出一种基于改进对称极坐标(Symmetrized Dot Pattern,SDP)法和FasterNet-GCAM网络的滚动轴承故障诊断方法。首先,将一维振动信号经过小波阈值降噪处理,再输入经皮尔逊图像相关系数法优化的SDP法生成SDP图像,并通过在FasterNet网络中加入部分卷积(partial convolution)思想,构建成改进的SDP-FasterNet模型进行进一步的特征提取,并完成滚动轴承不同故障的分类诊断。为了验证模型在图像识别过程中决策的可信度,将梯度加权类激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)与FasterNet网络相结合,突出SDP图像与决策相关的重要部分。试验结果表明,所提方法相比于其他方法具有更快的收敛速度和更强的鲁棒性,且诊断识别精度达到了99.20%,并提高了诊断过程中的可解释性及可信度,为故障诊断领域提供了具备良好可行性和鲁棒性的轻量化诊断模型。 展开更多

关键词 滚动轴承 故障诊断 fasternet网络 部分卷积 梯度加权类激活映射 对称极坐标法

在线阅读 下载PDF 职称材料

基于改进FasterNet的轻量化小麦生育期识别模型 被引量：4

2

作者 时雷 雷镜楷 +4 位作者 王健 杨程凯 刘志浩 席磊 熊蜀峰 《农业机械学报》 EI CAS CSCD 北大核心 2024年第5期226-234,共9页

针对现阶段小麦生育期信息获取需依靠人工观测,效率低、主观性强等问题,本文构建包含冬小麦越冬期、返青期、拔节期和抽穗期4个生育期共计4599幅小麦图像数据集,并提出一种基于FasterNet的轻量化网络模型FSST(Fast shuffle swin transfo... 针对现阶段小麦生育期信息获取需依靠人工观测,效率低、主观性强等问题,本文构建包含冬小麦越冬期、返青期、拔节期和抽穗期4个生育期共计4599幅小麦图像数据集,并提出一种基于FasterNet的轻量化网络模型FSST(Fast shuffle swin transformer),开展4个关键生育期的智能识别。在FasterNet部分卷积的基础上引入Channel Shuffle机制,以提升模型计算速度。引入Swin Transformer模块来实现特征融合和自注意力机制,用来提升小麦关键生育期识别准确率。调整整个模型结构,进一步降低网络复杂度,并在训练中引入Lion优化器,加快网络模型收敛速度。在自建的数据集上进行模型验证,结果表明,FSST模型参数量仅为1.22×10^(7),平均识别准确率、F1值和浮点运算量分别为97.22%、78.54%和3.9×10^(8),与FasterNet、GhostNet、ShuffleNetV2和MobileNetV34种模型相比,FSST模型识别精度更高,运算速度更快,并且识别时间分别减少84.04%、73.74%、72.22%和77.01%。提出的FSST模型能够较好地进行小麦关键生育期识别,并且具有识别快速精准和轻量化的特点,可以为大田作物生长实时监测提供信息技术支持。 展开更多

关键词 小麦 生育期识别 fasternet 轻量化 Lion优化器

在线阅读 下载PDF 职称材料

基于FasterNet和YOLOv5改进的玻璃绝缘子自爆缺陷快速检测方法 被引量：18

3

作者 邬开俊 徐泽浩 单宏全 《高电压技术》 EI CAS CSCD 北大核心 2024年第5期1865-1876,共12页

为了实现对电力输电线路中绝缘子缺陷实时快速的巡检需求,提出了一种结合FasterNet-tiny和YOLOv5-s-v6.1网络模型改进的缺陷快速检测算法FasterNet-YOLOv5。首先引入参数量小推理速度更快的FasterNet网络替换原先的CSPDarkNet53主干网络... 为了实现对电力输电线路中绝缘子缺陷实时快速的巡检需求,提出了一种结合FasterNet-tiny和YOLOv5-s-v6.1网络模型改进的缺陷快速检测算法FasterNet-YOLOv5。首先引入参数量小推理速度更快的FasterNet网络替换原先的CSPDarkNet53主干网络,加快网络的检测速度。然后结合由GhostNetv2网络提出的解耦全连接注意力机制(decoupled fully connected,DFC),在主干特征提取网络中设计了DFC-FasterNet模块,模块中的DFC Attention机制可以在特征提取过程中增大感受野,提升网络的检测精度。最后针对玻璃绝缘子自爆缺陷目标较小和背景较复杂的情况,重新设计Neck模块,提出BiFPN-F特征融合模块,使网络更精确地定位绝缘子缺陷区域。实验结果表明:改进后的算法可以快速精准定位,其均值平均精度(mean average precision,mAP)达到93.3%,相较于改进前提升5.67%,检测速度达到45.7 Hz,较改进前提升近1倍。同时与最新的YOLOv8n和YOLOv7-tiny相比,改进后的FasterNet-YOLOv5在自爆缺陷上的检测精度和速度更具优势,该文所提算法能够更快速地对绝缘子及其自爆缺陷实时定位识别。 展开更多

关键词 缺陷检测 BiFPN-F fasternet YOLOv5s DFC Attention PConv

在线阅读 下载PDF 职称材料

融合Fasternet与YOLOv5模型的鸡蛋外观检测 被引量：1

4

作者 魏晶鑫 陈中举 许浩然 《食品与机械》 CSCD 北大核心 2024年第8期105-112,165,共9页

[目的]高效识别自动化生产过程中存在蛋壳瑕疵的鸡蛋。[方法]设计了一种融合Fasternet模块与YOLOv5s的鸡蛋外观检测模型FC-YOLOv5。该模型使用Kmeans++算法对数据集重新聚类,优化先验框;将C3结构中的Bottleneck模块替换为FasternetBloc... [目的]高效识别自动化生产过程中存在蛋壳瑕疵的鸡蛋。[方法]设计了一种融合Fasternet模块与YOLOv5s的鸡蛋外观检测模型FC-YOLOv5。该模型使用Kmeans++算法对数据集重新聚类,优化先验框;将C3结构中的Bottleneck模块替换为FasternetBlock模块,减少模型参数量,同时提高模型检测精度;采用Soft-NMS算法作为非极大值抑制算法,提高重叠特征的检测效果;引入CBAM注意力机制,增加网络模型对重要特征的提取能力。[结果]与YOLOv5原模型相比,改进后的FC-YOLOv5模型在mAP@0.5和mAP@0.5:0.95上分别提高了3.2%和5.2%,计算量和参数量分别减少了19.6%和16.9%,且与YOLOv7-tiny和YOLOv8模型相比有显著优势。[结论]试验方法在鸡蛋外观检测场景下可提高检测精度并降低参数量,达到鸡蛋自动化生产中的次品蛋识别目的。 展开更多

关键词 鸡蛋外观检测 YOLOv5 fasternet Kmeans++ CBAM

在线阅读 下载PDF 职称材料

改进YOLOv5s的路面坑槽目标检测模型 被引量：1

5

作者 赵江平 王欣然 吴立舟 《中国安全科学学报》 北大核心 2025年第1期67-74,共8页

为提高道路安全巡检工作中路面坑槽隐患的检测效率和自动化水平,降低交通事故发生概率,构建一种基于改进YOLOv5s的路面坑槽隐患智能检测模型。在原YOLOv5s网络中加入自适应空间特征融合(ASFF)模块,将主干网络替换为FasterNet网络,引入... 为提高道路安全巡检工作中路面坑槽隐患的检测效率和自动化水平,降低交通事故发生概率,构建一种基于改进YOLOv5s的路面坑槽隐患智能检测模型。在原YOLOv5s网络中加入自适应空间特征融合(ASFF)模块,将主干网络替换为FasterNet网络,引入轻量通道注意力(ECA)模块;通过消融试验分析改进模块对检测模型性能的影响,验证目标检测效果,并开发交互式可视化检测界面。结果表明:改进后的模型精度、召回率和平均检测精度分别提升了4.1%、9.9%和5.6%。较原网络有较为显著的提升,具有良好的检测效果,能够满足路面坑槽自动化检测的应用需求,提高巡检效率,减少因路面坑槽导致的交通事故。 展开更多

关键词 YOLOv5s 路面坑槽 目标检测 自适应空间特征融合(ASFF) fasternet

在线阅读 下载PDF 职称材料

基于FPBW-YOLO v8的复杂场景下番茄果实识别方法

6

作者 顾文娟 刘浩状 +3 位作者 魏金 高文奇 阴艳超 刘孝保 《农业机械学报》 北大核心 2025年第8期467-478,共12页

番茄果实的快速准确检测是实现其智能采摘的重要前提,针对部署需求以及番茄图像背景复杂、枝叶遮挡和果实重叠等问题,提出了一种基于改进YOLO v8n的复杂场景下番茄果实识别方法。使用FasterNet作为YOLO v8n的主干特征提取网络,提高模型... 番茄果实的快速准确检测是实现其智能采摘的重要前提,针对部署需求以及番茄图像背景复杂、枝叶遮挡和果实重叠等问题,提出了一种基于改进YOLO v8n的复杂场景下番茄果实识别方法。使用FasterNet作为YOLO v8n的主干特征提取网络,提高模型的特征提取能力;通过在颈部网络中融合P2小目标检测分支和双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)结构,降低复杂背景的干扰以提高模型的检测精度;使用WIoU(Wise intersection over union)损失函数提高模型在遮挡、重叠情况下的果实定位精度,同时加快模型收敛;基于NCNN框架将模型部署到移动端进行测试。试验结果表明,FPBW-YOLO v8模型精确率、召回率、平均精度均值(mAP@0.5和mAP@0.5:0.95)分别达到97.9%、95.1%、98.3%和74.3%,相较于Faster R-CNN、SSD、YOLO v8n、YOLO v7、YOLO v5n和Rt-Detr均有明显优势,且模型内存占用量仅8.7 MB。在移动端上的测试结果表明,本文模型能够在计算资源有限的硬件设备上获得较高的检测精度,可以有效解决复杂场景下番茄果实的识别问题,为番茄采摘机器人的研发提供技术支持。 展开更多

关键词 番茄果实 目标检测 改进YOLO v8n fasternet BiFPN WIoU

在线阅读 下载PDF 职称材料

基于FCM-SimCC的猪只面部关键点定位方法

7

作者 张惠莉 王光远 +3 位作者 员玉良 代晨龙 滕飞 任景龙 《农业机械学报》 北大核心 2025年第4期397-407,共11页

随着生猪养殖业向规模化和集约化转型,非侵入式个体识别技术对于追踪溯源、食品安全、疾病控制等方面至关重要,而猪只面部关键点定位技术是实现猪只非侵入式个体识别的前提。本研究基于SimCC关键点定位算法提出一种猪只面部关键点定位模... 随着生猪养殖业向规模化和集约化转型,非侵入式个体识别技术对于追踪溯源、食品安全、疾病控制等方面至关重要,而猪只面部关键点定位技术是实现猪只非侵入式个体识别的前提。本研究基于SimCC关键点定位算法提出一种猪只面部关键点定位模型FCM-SimCC,使用FasterNet代替原算法的CSPDarkNet作为特征提取网络;通过在FasterNet中嵌入CA注意力机制,提高模型对长距离特征的捕获能力;使用MLT自适应权重多任务损失函数联合KL散度损失函数与Wing Loss损失函数对模型进行监督。在包含多个猪只品种、多种面部姿态的4861幅图像的数据集上进行实验,结果表明本研究模型平均精度均值、50%平均精度、75%平均精度分别为76.12%、93.44%、83.25%,相比原模型分别提升3.14、1.77、4.47个百分点,浮点运算量为2.79×10^(9),参数量为1.38×10^(7),浮点运算量减少38.68%,参数量减少20.16%。并与DarkPose、HRNet、YOLO X-Pose等主流关键点定位方法进行对比,实验结果表明FCM-SimCC模型能够在较低的浮点运算量与较少模型参数量的基础上实现快速精准的猪只面部关键点定位,为猪只面部关键点定位及后续的猪只个体身份识别等提供技术支持。 展开更多

关键词 猪脸关键点定位 SimCC fasternet 坐标注意力机制

在线阅读 下载PDF 职称材料

基于YOLOv8的雾天车辆行人实时检测方法

8

作者 汤亮 陈博文 +1 位作者 牛一森 马荣庚 《广西师范大学学报(自然科学版)》 北大核心 2025年第3期72-83,共12页

随着智能通信技术在智能交通场景的广泛运用,行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题,本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模... 随着智能通信技术在智能交通场景的广泛运用,行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题,本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模块对输入图像进行预处理,保留原图片的细节特征并去除雾气的遮挡,再使用改进后的YOLOv8n进行检测。在YOLOv8n上基于FasterNet改进C2f模块,降低模型参数量及模型大小,增加模型计算效率,并设计SE-ResNeXt检测头,避免了因堆积神经网络层数带来的负面影响。最后运用知识蒸馏的方式,进一步提高检测精度。将所提出模型在reside rtts数据集和合成有雾数据集上进行验证。与原网络相比,平均精度(mAP@50_95)提升5.2个百分点,检测帧数达到170 frame/s。 展开更多

关键词 雾天场景 目标检测 信息交互 fasternet SENet ResNeXt

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的环卫车辆驾驶员疲劳检测方法

9

作者 仝光 赵博 +1 位作者 随婷婷 刘书炘 《汽车技术》 北大核心 2025年第3期15-21,共7页

针对环卫车驾驶员的驾驶环境和驾驶安全,提出了一种基于改进YOLOv8n算法的驾驶员疲劳检测方法。使用FasterNet替换YOLOv8n目标检测算法的主干网络,并设计FasterNet-YOLO的轻量级网络模型;在主干网络和颈部中分别加入压缩和激励(SE)模块... 针对环卫车驾驶员的驾驶环境和驾驶安全,提出了一种基于改进YOLOv8n算法的驾驶员疲劳检测方法。使用FasterNet替换YOLOv8n目标检测算法的主干网络,并设计FasterNet-YOLO的轻量级网络模型;在主干网络和颈部中分别加入压缩和激励(SE)模块与卷积注意力机制(CBAM)模块,保留输入的重要特征信息;引入Zero-DCE++算法对摄像头输入的视频流进行亮度增强,处理因驾驶员面部亮度不足所致模型难以识别问题。试验结果表明:交并比为0.5时的平均类别检测精度(mAP@0.5)达到98%,平均每帧图片推理时间缩短至6.95 ms;该方法在不同光照情况下,均能够实时、准确地检测驾驶员疲劳状态。 展开更多

关键词 疲劳驾驶 目标检测 fasternet-YOLO 注意力机制 低光增强

在线阅读 下载PDF 职称材料

基于FEW-YOLOv8遥感图像目标检测算法 被引量：1

10

作者 席阳丽 屈丹 +1 位作者 王芳芳 都力铭 《郑州大学学报(工学版)》 北大核心 2025年第4期62-69,共8页

针对遥感图像目标检测任务中进行特征提取时缺少小目标信息,特征融合过程中部分信息丢失,小目标特征信息不明显,导致小目标检测精度不高的问题,提出了一种基于FEW-YOLOv8模型的遥感图像目标检测算法。首先,优化骨干网络架构,使用Faster... 针对遥感图像目标检测任务中进行特征提取时缺少小目标信息,特征融合过程中部分信息丢失,小目标特征信息不明显,导致小目标检测精度不高的问题,提出了一种基于FEW-YOLOv8模型的遥感图像目标检测算法。首先,优化骨干网络架构,使用FasterNet骨干网络,更有效地提取了遥感图像中小目标的空间特征,使得网络模型更专注于微小目标,从而提升小目标检测精度。其次,使用EMA注意力与C2f构建全新的C2f_EMA模块,替换Neck结构中的C2f模块,在融合特征前进行特征注意力加强操作,使网络模型更突出特征信息中小目标部分,有效解决特征融合过程中小目标特征丢失问题。最后,采用带有动态非单调FM的WIoUv3作为边界框的损失函数,提高了模型的边界框定位精度,并且提升了对小目标的检测性能。实验结果显示:在NWPU VHR-10数据集上经过优化的YOLOv8算法的mAP 50相较于原始YOLOv8算法提高了7.71百分点,在HRSC2016和DOTA v1.0上分别提高了9.70百分点和12.32百分点,证明所提算法能够有效提升遥感图像中小目标的检测精度。 展开更多

关键词 遥感图像 YOLOv8 fasternet骨干网络 EMA注意力机制 WIoU损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8的轻量化车辆检测网络 被引量：3

11

作者 陈梓延 王晓龙 +1 位作者 何迪 安国成 《计算机工程》 北大核心 2025年第5期314-325,共12页

现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网... 现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网络,并且将颈部的双向特征金字塔网络替换为加权双向特征金字塔网络(BiFPN),简化特征融合过程。同时,引入一种融合注意力机制的动态检测头,实现检测头和注意力的无冗余结合;此外,针对完全交并比(CIoU)在检测精度和收敛速度上的缺陷,提出一种尺度不变交并比(SIoU)结合归一化高斯Wasserstein距离(NWD)的回归损失算法。最后,为尽量减小模型对边缘设备的算力需求,进行基于幅值的层自适应稀疏化剪枝,进一步压缩模型大小。实验结果表明,提出的改进模型相较于原模型YOLOv8s,在精度上升1.5百分点的情况下,参数量降低78.9%,计算量下降67.4%,模型尺寸降低77.8%,达到了比较优秀的轻量化效果,具有很强的实用性。 展开更多

关键词 YOLOv8模型 车辆检测 轻量化 fasternet网络 归一化高斯Wasserstein距离

在线阅读 下载PDF 职称材料

基于改进的小目标交通标志检测算法研究 被引量：1

12

作者 韩东旭 谢雨飞 《电子测量技术》 北大核心 2025年第6期28-37,共10页

为了解决交通标志小目标检测所存在的漏检、误检和准确率低等问题,本文提出了一种小目标交通标志检测模型YOLOv8-Faster-Ghost-GAM。该算法首先在主干网络的最后一个C2f模块中引入了全局注意力机制(GAM),增强关键特征并抑制无关信息,显... 为了解决交通标志小目标检测所存在的漏检、误检和准确率低等问题,本文提出了一种小目标交通标志检测模型YOLOv8-Faster-Ghost-GAM。该算法首先在主干网络的最后一个C2f模块中引入了全局注意力机制(GAM),增强关键特征并抑制无关信息,显著提升了目标检测中的小目标和复杂场景下的识别能力;其次,将主干网络中的每个C2f模块替换为Fasternet,以减少模型参数量,并将普通卷积替换为幻影卷积Ghost,使用低廉的线性变换较少计算量;最后,采用WiOU损失函数,有效提升对低质量样本的识别,精度提升了1.6%,召回率提升了3.2%,证明了所作的改进的有效性。 展开更多

关键词 fasternet GAM 小目标交通标志检测 YOLOv8 GHOST WiOU

在线阅读 下载PDF 职称材料

基于改进RT-DETR的铆接件缺陷检测算法

13

作者 李文龙 李宗刚 +3 位作者 焦建军 杜亚江 陈引娟 王国平 《兵器装备工程学报》 北大核心 2025年第5期213-222,共10页

针对现有智能检测算法对铆接件表面缺陷检测类型不充分、检测点位少、精度与效率较低等问题,提出了一种基于改进RT-DETR的缺陷检测方法。为高效地提取铆接件缺陷特征,减少冗余计算和内存访问,提出一种高低频特征融合的主干网络HiLo-Fast... 针对现有智能检测算法对铆接件表面缺陷检测类型不充分、检测点位少、精度与效率较低等问题,提出了一种基于改进RT-DETR的缺陷检测方法。为高效地提取铆接件缺陷特征,减少冗余计算和内存访问,提出一种高低频特征融合的主干网络HiLo-Fasternet-r18;为增强缺陷特征到注意力头的多样性,采用级联群体注意网络加强AIFI输入特征的多样性,并以点采样的方式完成CCFM中的上采样,提升对小目标检测的效率和精度;通过重构SIoU损失,完成对难易样本缺陷目标的关注,以提高缺陷边界框的回归精度。实验表明,改进的模型能够实现铆接件多类型、多点位缺陷检测任务,其平均检测精度mAP50达到了97.7%,参数量下降20%,且其检测速度FPS达到59.6帧/s,满足工业场景检测实时性的要求。 展开更多

关键词 铆接件缺陷检测 RT-DETR HiLo-fasternet-r18 注意力机制 超轻量高效动态上采样

在线阅读 下载PDF 职称材料

改进轻量高效FMG-YOLOv8s的钢材表面缺陷检测算法 被引量：3

14

作者 梁礼明 龙鹏威 李俞霖 《计算机工程与应用》 北大核心 2025年第3期84-93,共10页

针对当前钢材表面缺陷检测存在效率低和精度差等问题,以及现有缺陷检测模型结构复杂、参数量庞大、检测精度和实时性较差的挑战,基于YOLOv8s模型,提出一种轻量高效的钢材缺陷检测算法(FMG-YOLOv8s)。该方法采用轻量级的FasterNet网络作... 针对当前钢材表面缺陷检测存在效率低和精度差等问题,以及现有缺陷检测模型结构复杂、参数量庞大、检测精度和实时性较差的挑战,基于YOLOv8s模型,提出一种轻量高效的钢材缺陷检测算法(FMG-YOLOv8s)。该方法采用轻量级的FasterNet网络作为骨干网络,降低模型复杂度并更好地处理多尺度特征信息,以提升检测性能;重构特征交互模块(M-C2f),有效保留空间和通道特征,抑制冗余信息,促进检测精度和速度的提升;设计GS-Detect模块作为整体模型的检测网络,降低模型复杂度,提升训练和推理速度。在Severstal钢材缺陷数据集进行实验验证,相较于YOLOv8s算法,FMG-YOLOv8算法的mAP提升3.3个百分点,参数量和计算量分别降低8.2×10^(6)和2.21×10^(10),检测速度达到250帧/s,召回率提升6.9个百分点。实验结果表明,该算法在检测精度、速度和轻量化方面取得更好的平衡,为边缘终端设备提供较高精度、轻量化和实时性的可靠参考。在NEU-DET缺陷数据集上进行泛化性验证,相较于原模型,mAP和检测速度分别提升3.1个百分点和185帧/s,结果显示该算法具备良好的鲁棒性。 展开更多

关键词 缺陷检测 轻量化YOLOv8s fasternet M-C2f GS-Detect

在线阅读 下载PDF 职称材料

改进YOLOv10的钢材表面缺陷检测方法 被引量：1

15

作者 吴葛 朱宇凡 叶天成 《电子测量技术》 北大核心 2025年第4期158-168,共11页

针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone... 针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone网络轻量化与特征提取能力增强的平衡;在Backbone网络末端添加自适应细粒度通道注意力机制AFGC,增强模型骨干网络对输入特征的初步提取能力,进而提高模型的检测精度;将Neck部分换为注意力尺度序列融合框架ASF,提升模型整合多尺度特征信息的能力。在NEU-DET钢材表面缺陷数据集上进行对比实验和消融实验,实验结果表明,提出的FAA-YOLO模型较基线YOLOv10n模型参数量降低11.01%,计算量降低7.69%,检测精度提高2.9个点,达到83.6%的检测准确率,在降低模型复杂度的同时实现了较高的检测准确率,在工业系统中具有高可用性与高实时性。 展开更多

关键词 钢材表面缺陷检测 YOLOv10 fasternet EMA AFGC ASF-YOLO

在线阅读 下载PDF 职称材料

面向航拍图像的轻量化目标检测算法 被引量：1

16

作者 何戚天 李为相 +2 位作者 程明 孙圆 陈闯 《电光与控制》 北大核心 2025年第3期56-61,81,共7页

针对无人机航拍图像背景复杂、目标物较小且模型部署困难的问题,提出了面向航拍图像的轻量化目标检测算法。在YOLOv5m的主干网络中引入FasterNet轻量化模块替换C3模块,压缩模型参数量,提升模型的推理速度;在特征融合网络,采用改进的CBA... 针对无人机航拍图像背景复杂、目标物较小且模型部署困难的问题,提出了面向航拍图像的轻量化目标检测算法。在YOLOv5m的主干网络中引入FasterNet轻量化模块替换C3模块,压缩模型参数量,提升模型的推理速度;在特征融合网络,采用改进的CBAM_L机制,专注于捕捉航拍图像中的小目标信息的同时提高了模型的目标识别精度;将检测网络中检测头替换成解耦头,解决航拍图像输出变量时分类和回归的冲突问题,并把网络中损失函数替换成EIoU,有效提升了模型回归精度。在公开数据集VisDrone上验证结果表明,改进后模型的平均精度均值(mAP@0.5)提高了0.014,参数量缩减到原模型的34.3%,计算量缩减到原模型的32.4%,检测速率达到77帧/s,表明该算法在检测准确性和速度上都取得出色的性能。 展开更多

关键词 YOLOv5m fasternet 轻量化 注意力机制 解耦头 EIoU

在线阅读 下载PDF 职称材料

融合多尺度特征的输电线路绝缘子多缺陷检测方法

17

作者 杜剑锋 李宏杰 +3 位作者 贾璐萌 李旭涛 邓若宇 王安红 《现代电子技术》 北大核心 2025年第17期124-130,共7页

针对输电线路绝缘子多缺陷存在尺寸小、背景复杂等特点,造成检测精度低、检测效果不佳的问题,提出一种改进YOLO的绝缘子多缺陷检测算法。首先,引入FasterNet替换原始主干网络,降低模型计算量;然后,在特征提取方面,引入尺度序列特征融合... 针对输电线路绝缘子多缺陷存在尺寸小、背景复杂等特点,造成检测精度低、检测效果不佳的问题,提出一种改进YOLO的绝缘子多缺陷检测算法。首先,引入FasterNet替换原始主干网络,降低模型计算量;然后,在特征提取方面,引入尺度序列特征融合模块(SSFF),将深层特征图的高级信息与浅层特征图的详细信息相结合,充分融合多尺度特征,提高针对绝缘子不同缺陷的区分;最后,引入三特征编码(TFE)模块,从而更好地捕获小目标的详细信息,增强对重叠目标与小目标的识别。该算法对输电线路上的正常绝缘子、破损、自爆、闪络等缺陷进行检测,实验结果表明,该算法的平均精度均值(mAP@0.5)相较于基线算法提升了3.9%,破损及闪络等小目标检测的精确率分别提高了8.4%和7.9%,参数量和浮点运算量均降低了20%,在满足轻量化的同时提高了对不同绝缘子缺陷的识别,该算法对绝缘子多缺陷检测的实际应用具有现实指导意义。 展开更多

关键词 绝缘子 缺陷检测 YOLO fasternet 多尺度特征融合 轻量级网络 小目标检测 深度学习

在线阅读 下载PDF 职称材料

无人机视角轻量化红外与可见光图像检测方法 被引量：1

18

作者 蒋行国 王峣 +3 位作者 林国军 孙潇 刁豪杰 黎明 《激光与红外》 北大核心 2025年第3期452-460,共9页

针对无人机航拍视角目标检测空间尺度变化大、物体像素占比少,算法部署边缘计算平台存储空间占比大等问题。本文基于YOLOv8n网络结构,提出一种改进航拍视角轻量化小目标检测方法DSF-YOLO-P算法。首先,主干网络C2f模块融合FasterNet,组成... 针对无人机航拍视角目标检测空间尺度变化大、物体像素占比少,算法部署边缘计算平台存储空间占比大等问题。本文基于YOLOv8n网络结构,提出一种改进航拍视角轻量化小目标检测方法DSF-YOLO-P算法。首先,主干网络C2f模块融合FasterNet,组成Faster-C2f轻量化模块,以保证模型在不影响检测精确度的同时实现网络轻量化与提升检测速度。然后,新增160×160预测头并重构网络通道,以提升模型对小型目标检测的准确度及鲁棒性。改进后的DSF-YOLO算法在可见光数据集VisDrone2019与红外数据集HIT-UAV上准确度分别提升2.5%与0.6%,参数量降低10%。最后,将DSF-YOLO算法进行依赖图剪枝操作,减少模型冗余参数又不影响模型性能。剪枝后的DSF-YOLO-P算法在VisDrone2019数据集上相较于DSF-YOLO算法,精确度不变,计算量与参数量分别降低45%与26%。实验结果充分证明了DSF-YOLO-P算法在无人机航拍视角小目标检测中的有效性。 展开更多

关键词 边缘计算平台 无人机 fasternet 预测头 剪枝

在线阅读 下载PDF 职称材料

一种基于改进卷积神经网络YOLOv8n的黄精种子成熟度识别模型

19

作者 冯峰 孔淳 +5 位作者 陈诗瑶 马春悦 王琛 郭秀茹 孙博 王志军 《山东农业科学》 北大核心 2025年第1期156-165,共10页

黄精是重要的药食同源品种,在黄精的种植与育种过程中,通常采用基于个人经验的人工方式进行种子成熟度识别,但该方式存在主观性强、精确度不稳定的问题,会在一定程度上影响种植后黄精的产量和质量,进而影响黄精产品的品质和下游产业的... 黄精是重要的药食同源品种,在黄精的种植与育种过程中,通常采用基于个人经验的人工方式进行种子成熟度识别,但该方式存在主观性强、精确度不稳定的问题,会在一定程度上影响种植后黄精的产量和质量,进而影响黄精产品的品质和下游产业的经济效益;另一方面,由于黄精种植地块通常较为分散,使得人工识别种子成熟度的方式较为低效。为了解决以上问题,本研究提出一种基于改进卷积神经网络YOLOv8n的黄精种子成熟度识别模型——YOLOv8n-FasterNet-EMA。首先,在模型轻量化方面,通过将YOLOv8n主干网络中原本的卷积替换为FasterNet的PConv卷积结构,与Bottleneck层结合后得到新的c2f-FasterNet模块,从而减小模型的计算量与内存消耗;其次,在模型泛化性能方面,通过使用EMA注意力机制与YOLOv8n颈部网络中检测处的c2f模块结合,提升模型的特征提取能力,进而改善模型的泛化能力。为验证所提模型的性能,在构建的黄精种子成熟度数据集上进行了对比实验,结果表明,与原YOLOv8n模型相比,本研究所提模型在平均识别精度上提升了2.1%,同时模型的参数量降低了21.3%;此外,与SSD、YOLOv5n相比,本研究所提模型在识别精度和速度上也取得一定的提升。因此,YOLOv8n-FasterNet-EMA能有效识别黄精种子的成熟度,这对实现黄精种子成熟度的智能化识别,进而提升黄精育种的质量、改善下游产业的经济效益均具有重要的实际意义。 展开更多

关键词 黄精 种子成熟度识别 卷积神经网络 YOLOv8n fasternet EMA注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv8s的交通标志识别方法

20

作者 秦伦明 张云起 +2 位作者 崔昊杨 边后琴 王悉 《现代电子技术》 北大核心 2025年第17期145-152,共8页

针对自动驾驶汽车摄像头捕捉的交通标志图像尺度变化大且小目标占比多,易受背景环境干扰等特点,进而导致漏检、误检等问题,文中提出CMF-YOLOv8s交通标志检测算法。首先,去除原网络模型中大目标特征提取层及检测头,并且添加小目标检测头... 针对自动驾驶汽车摄像头捕捉的交通标志图像尺度变化大且小目标占比多,易受背景环境干扰等特点,进而导致漏检、误检等问题,文中提出CMF-YOLOv8s交通标志检测算法。首先,去除原网络模型中大目标特征提取层及检测头,并且添加小目标检测头,提高模型对小目标的检测精度并减少参数量;其次,在主干中添加改进的坐标注意力机制,通过全局平均池化和卷积操作获取全局通道信息,并结合位置信息处理特征图,提高模型在复杂环境中的目标检测精度;此外,使用FasterNet模块改进原模型中的C2f模块,降低参数量;最后,引入损失函数MPDIoU,通过顶点坐标综合考虑非重叠面积、中心点距离和宽高偏差等因素优化计算过程并提高模型检测精度。实验结果表明,CMF-YOLOv8s算法平均精度均值为91.2%,模型参数量为2.7×10^(6),相比原YOLOv8s模型平均精度均值提高了5.7%,模型参数量降低了76%,且对重叠、遮挡的交通标志识别精度更高,对自动驾驶的安全性具有实际意义。 展开更多

关键词 交通标志检测 MPDIoU损失函数 Channel_CA机制 fasternet模块 小目标检测 自动驾驶 CMFYOLOv8s

在线阅读 下载PDF 职称材料