检索结果-维普期刊中文期刊服务平台

基于改进YOLOv8n的环卫车辆驾驶员疲劳检测方法: 1; 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... 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FPBW-YOLO v8的复杂场景下番茄果实识别方法: 2; 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... 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

改进YOLOv10的钢材表面缺陷检测方法被引量：1: 3; 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... 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

融合多尺度特征的输电线路绝缘子多缺陷检测方法: 4; 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... 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

基于Faster-NAM-YOLO的黄瓜霜霉病菌孢子检测被引量：13: 5; 作者乔琛韩梦瑶 +3 位作者高苇李凯雨朱昕怡张领先《农业机械学报》 EI CAS CSCD 北大核心 2023年第12期288-299,共12页; 黄瓜霜霉病由古巴假霜霉病菌孢子通过侵染引起,严重影响了黄瓜的品质和产量;病菌孢子数量与病情严重度相关,因此建立快速、简便和高效的病菌孢子定量检测方法,实现黄瓜霜霉病防治关口前移。基于YOLO v5模型提出了一种基于Faster-NAM-YOL... 展开更多; 关键词黄瓜霜霉病孢子目标检测 YOLO v5 FasterNet NAM注意力; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8n的环卫车辆驾驶员疲劳检测方法: 1; 作者仝光赵博随婷婷刘书炘; 机构上海电机学院; 出处《汽车技术》北大核心 2025年第3期15-21,共7页; 基金国家自然科学基金项目(62103256) 福建省高校重点实验室开放课题基金项目(KLCCIIP202203)。; 文摘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。; 关键词疲劳驾驶目标检测 fasternet-yolo 注意力机制低光增强; Keywords Fatigue driving Object detection fasternet-yolo Attention Mechanism Low-light enhancement; 分类号 U492.84 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于FPBW-YOLO v8的复杂场景下番茄果实识别方法: 2; 作者顾文娟刘浩状魏金高文奇阴艳超刘孝保; 机构昆明理工大学机电工程学院; 出处《农业机械学报》北大核心 2025年第8期467-478,共12页; 基金国家自然科学基金项目(52065033) 云南省科技厅基础研究专项(202401AT070349) 云南省教育厅科学研究基金项目(2024J0069)。; 文摘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。; 关键词番茄果实目标检测改进YOLO v8n FasterNet BiFPN WIoU; Keywords tomato fruit object detection improved YOLO v8n FasterNet BiFPN WIoU; 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

题名改进YOLOv10的钢材表面缺陷检测方法被引量：1: 3; 作者吴葛朱宇凡叶天成; 机构华中科技大学电气与电子工程学院; 出处《电子测量技术》北大核心 2025年第4期158-168,共11页; 基金教育部2020年第二批新工科研究与实践项目(E-NYDQHGC20202219)资助。; 文摘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。; 关键词钢材表面缺陷检测 YOLOv10 FasterNet EMA AFGC ASF-YOLO; Keywords steel surface defect detection YOLOv10 FasterNet EMA AFGC ASF-YOLO; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TN791 [电子电信—电路与系统]; 在线阅读下载PDF 职称材料

题名融合多尺度特征的输电线路绝缘子多缺陷检测方法: 4; 作者杜剑锋李宏杰贾璐萌李旭涛邓若宇王安红; 机构太原科技大学电子信息工程学院; 出处《现代电子技术》北大核心 2025年第17期124-130,共7页; 基金国家自然科学基金项目(62072325) 山西省研究生教育项目(2022YJJG190) 山西省研究生实践创新项目(2024SJ319)。; 文摘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。; 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; Keywords insulator defect detection YOLO FasterNet multi-scale feature fusing lightweight network small object detection deep learning; 分类号 TN911-34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于Faster-NAM-YOLO的黄瓜霜霉病菌孢子检测被引量：13: 5; 作者乔琛韩梦瑶高苇李凯雨朱昕怡张领先; 机构中国农业大学信息与电气工程学院天津市农业科学院植物保护研究所; 出处《农业机械学报》 EI CAS CSCD 北大核心 2023年第12期288-299,共12页; 基金国家自然科学基金项目(62176261)。; 文摘黄瓜霜霉病由古巴假霜霉病菌孢子通过侵染引起,严重影响了黄瓜的品质和产量;病菌孢子数量与病情严重度相关,因此建立快速、简便和高效的病菌孢子定量检测方法,实现黄瓜霜霉病防治关口前移。基于YOLO v5模型提出了一种基于Faster-NAM-YOLO的黄瓜霜霉病菌孢子定量检测模型,该模型首先提出了一种特征提取模块C3_Faster,使用C3_Faster替换YOLO v5中的C3模块,有效降低了模型参数计算量和模型深度,提升了对黄瓜霜霉病菌孢子检测速度和精度;其次在主干网络中加入了NAM注意力模块,通过应用权重稀疏性惩罚抑制不显著权重,进而提高模型的特征提取能力和计算效率;最后实现了对黄瓜霜霉病菌孢子的定量检测。实验结果表明,Faster-NAM-YOLO模型在测试集上mAP@0.5和mAP@0.5:0.95分别达到95.80%和60.90%,对比原始YOLO v5模型分别提升1.80、1.20个百分点,较原始YOLO v5模型内存占用量和每秒浮点运算次数分别减少5.27 MB和1.49×10^(10);通过与YOLO v3、THP-YOLO v5、YOLO v7、YOLO v8、Faster RCNN、SSD目标检测模型对比,Faster-NAM-YOLO在检测精度、模型内存占用量、每秒浮点运算次数和推理时间方面均具有显著优势;在1 200像素×1 200像素、1 500像素×1 500像素和1 800像素×1 800像素3种不同分辨率尺度及不同图像数量下进一步验证了Faster-NAM-YOLO模型具有较强的鲁棒性和泛化能力。; 关键词黄瓜霜霉病孢子目标检测 YOLO v5 FasterNet NAM注意力; Keywords cucumber downy mildew spore target detections YOLO v5 FasterNet NAMAttention; 分类号 TP391 [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	基于改进YOLOv8n的环卫车辆驾驶员疲劳检测方法	仝光赵博随婷婷刘书炘	《汽车技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于FPBW-YOLO v8的复杂场景下番茄果实识别方法	顾文娟刘浩状魏金高文奇阴艳超刘孝保	《农业机械学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	改进YOLOv10的钢材表面缺陷检测方法	吴葛朱宇凡叶天成	《电子测量技术》北大核心	2025	1	在线阅读下载PDF 职称材料
4	融合多尺度特征的输电线路绝缘子多缺陷检测方法	杜剑锋李宏杰贾璐萌李旭涛邓若宇王安红	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于Faster-NAM-YOLO的黄瓜霜霉病菌孢子检测	乔琛韩梦瑶高苇李凯雨朱昕怡张领先	《农业机械学报》 EI CAS CSCD 北大核心	2023	13	在线阅读下载PDF 职称材料