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9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：
基于改进MobileNetV2的轻量化茶叶病害检测方法
1
作者 肖双喜 姚彤彤 李灿 《华南农业大学学报》 北大核心 2025年第6期801-809,共9页
【目的】解决茶叶病虫害检测中现有深度学习模型难以兼顾精度与效率,尤其不适合在资源受限的嵌入式设备上部署的问题。【方法】以MobileNetV2为基础架构引入2个关键改进,设计出轻量化且高精度的识别模型MobileNetV2-GCA-LS:一是设计了... 【目的】解决茶叶病虫害检测中现有深度学习模型难以兼顾精度与效率,尤其不适合在资源受限的嵌入式设备上部署的问题。【方法】以MobileNetV2为基础架构引入2个关键改进,设计出轻量化且高精度的识别模型MobileNetV2-GCA-LS:一是设计了一种新颖的幽灵坐标注意力(Ghost coordinate attention,GCA)模块,该模块融合坐标注意力的位置敏感性与GhostNet的高效计算特性,增强对关键病害区域的特征表达;二是采用标签平滑(Label smoothing,LS)正则化策略优化训练过程,提升模型泛化能力。模型在公开的茶树病害数据集上进行了训练与验证。【结果】MobileNetV2-GCA-LS模型在测试集上识别准确率达到了94.54%,F1为94.29%,性能显著优于MobileNetV2、MobileNetV3-Small、EfficientNet-B0、ResNet50和GhostNet。同时,该模型保持了较低的复杂度,参数量为2.6089×10^(6),浮点运算次数(Floating point operations,FLOPs)为0.3347×10^(10),验证了其在资源受限设备上部署的可行性。【结论】本研究提出的改进策略能够有效地提升模型识别茶叶病害的性能,在精度与效率间取得了良好的平衡,为智慧农业领域的病害智能监测与精准防控提供了实用的技术方案。 展开更多
关键词 茶叶 病害识别 MobileNetV2 幽灵坐标注意力(gca) 标签平滑 智慧农业
在线阅读 下载PDF
基于改进EfficientNetV2的苹果叶片病害识别模型 被引量：2
2
作者 王浩宇 崔艳荣 +1 位作者 胡玉荣 胡施威 《山东农业科学》 北大核心 2024年第9期124-132,共9页
斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻... 斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻量级的EGV2-CA网络。该网络在保留EfficientNetV2-b0主干网络的基础上,一是引入GhostNetV2网络中的核心Ghost Module,并选用original分支替换第一层卷积结构,可以进一步优化网络的计算效率,减少冗余计算,从而在提高模型速度和可移植性的同时保持较高的识别准确率;二是将EfficientNetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的坐标注意力(CA)机制,通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征。实验结果显示,相较于原始网络,EGV2-CA网络的识别精确率提高2.94个百分点,召回率提高2.53个百分点,F1得分提高2.67个百分点,Top-1准确率提高2.47个百分点,而参数量仅为48.9 M,可迁移至移动设备上使用,为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案。 展开更多
关键词 苹果叶片病害 轻量级网络 深度学习算法 EfficientNetV2 ghost模块 坐标注意力机制
在线阅读 下载PDF
基于SR-YOLOv8n-BCG的模糊花卉图像检测 被引量：3
3
作者 黄小龙 陈中举 +1 位作者 许浩然 李和平 《河南农业科学》 北大核心 2024年第4期161-171,共11页
为满足复杂环境下对模糊花卉图像快速、精确的检测需求,提出了一种组合模型SR-YOLOv8n-BCG,该模型有效地综合了SRGAN(Super-resolution generative adversarial network)的图像重建能力和YOLOv8的目标检测能力,并针对网络结构进一步改进... 为满足复杂环境下对模糊花卉图像快速、精确的检测需求,提出了一种组合模型SR-YOLOv8n-BCG,该模型有效地综合了SRGAN(Super-resolution generative adversarial network)的图像重建能力和YOLOv8的目标检测能力,并针对网络结构进一步改进,以提高准确率并实现轻量化。首先,SR-YOLOv8n-BCG利用SRGAN对模糊花卉图像进行超分辨处理,提高输入模型的图像质量。其次,在YOLOv8n特征提取网络中使用加权双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)替换PAN-FPN模块,以有效融合多尺度的花卉特征,并降低模型的体积。同时,引入坐标注意力机制(Coordinate attention,CA)以增强模型的特征提取能力。最后,利用Ghost卷积替换普通卷积,进一步提升检测精度并轻量化模型。结果表明,经过在自制的5类花卉数据集上的试验评估,相较于SR-YOLOv8n,SR-YOLOv8n-BCG模型在模型尺寸减小35.5%的情况下,平均精度均值提高1.2百分点,达到95.4%。表明提出的改进模型有效地提高了对模糊花卉图像检测的准确率,并实现了轻量化以适应低配的设备。 展开更多
关键词 花卉 图像检测 SRGAN YOLOv8 BiFPN 坐标注意力机制 ghost卷积
在线阅读 下载PDF
改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测 被引量：10
4
作者 梁礼明 龙鹏威 +1 位作者 冯耀 卢宝贺 《光学精密工程》 EI CAS CSCD 北大核心 2024年第8期1227-1240,共14页
针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重... 针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重坐标注意力机制,提升模型对空间和通道信息的特征提取能力;三是引入鬼影混洗卷积,在提高精度的同时降低模型参数量和计算量;四是增加大目标检测层,改善特征图中部分缺陷占比较大,导致检测精度低的问题。在NEU-DET和Severstal钢材缺陷数据集进行实验验证,改进后算法与原模型相比,mAP分别提升5.7%和8.5%;参数量和计算量分别降低0.61 M和4.2 G;精确度和召回率分别提升7.1%,1.8%和8.9%,7.0%。实验结果表明,改进后的算法更好地平衡了检测精度和轻量化,为边缘终端设备提供了参考。 展开更多
关键词 缺陷检测 轻量化YOLOv7-tiny VoVGA-FPN网络 三重坐标注意力 鬼影混洗卷积
在线阅读 下载PDF
基于轻量化卷积神经网络的陶瓷球表面缺陷快速识别方法 被引量：6
5
作者 付鲁华 庞家明 +1 位作者 孙长库 王鹏 《传感技术学报》 CAS CSCD 北大核心 2023年第7期1041-1047,共7页
由于球的形状特点,视觉方法需要处理多个角度的图像才能实现对单个球进行完整的缺陷识别,对图像处理速度要求较高。此外,卷积神经网络的浮点运算量(FLOPs)高,推理速度通常较慢。针对上述问题,基于MobileNetV3设计了更轻量化的卷积神经... 由于球的形状特点,视觉方法需要处理多个角度的图像才能实现对单个球进行完整的缺陷识别,对图像处理速度要求较高。此外,卷积神经网络的浮点运算量(FLOPs)高,推理速度通常较慢。针对上述问题,基于MobileNetV3设计了更轻量化的卷积神经网络。首先通过改变宽度因子、减少基本单元数量、使用Ghost模块代替标准卷积降低原始网络参数量。最后通过坐标注意力机制提高网络对缺陷的识别准确率。实验结果表明,在氮化硅陶瓷球表面缺陷数据集上,提出的轻量化卷积神经网络相较于原始网络仅有2.2%的准确率损失。网络浮点运算量和参数量分别为原始网络的10.4%和3.3%,在边缘计算设备Jetson AGX Xavier上的推理时间小于7 ms,相较于原始网络提升超过40%,能够满足工业现场实时检测的需求。 展开更多
关键词 缺陷识别 陶瓷球 ghost 坐标注意力
在线阅读 下载PDF
基于改进YOLOv5的X射线图像危险品检测 被引量：17
6
作者 李启明 阙祖航 《科学技术与工程》 北大核心 2023年第4期1598-1606,共9页
目前安检甄别工作主要依靠人工完成,但巨大的工作量使自动安检成为必然趋势。为了在保证精度的前提下轻量化模型,并进一步克服X射线安检图像存在物品重叠遮挡、背景干扰严重等问题,提出了一种基于YOLOv5的改进模型。该模型采用Ghost模... 目前安检甄别工作主要依靠人工完成,但巨大的工作量使自动安检成为必然趋势。为了在保证精度的前提下轻量化模型,并进一步克服X射线安检图像存在物品重叠遮挡、背景干扰严重等问题,提出了一种基于YOLOv5的改进模型。该模型采用Ghost模块对原模型进行剪枝处理;引入坐标注意力机制,使网络在训练中更好地聚焦危险品,生成更具分辨性的特征;采用传统数据增强策略与Mixup数据增强策略相结合的方式来改善模型的泛化能力和鲁棒性。实验结果表明:改进模型的参数量和模型大小比原模型分别减少了17.3%、16.1%,改进模型在SIXray和OPIXray数据集上的平均精度均值(mAP)比原模型分别提高了2.3%、5.7%。所提出模型在轻量化的同时能够进一步提高检测能力,满足实时检测要求,具有较好的应用价值。 展开更多
关键词 X射线安检图像 ghost模块 坐标注意力机制 数据增强策略
在线阅读 下载PDF
改进YOLOv5的路面裂缝检测模型研究 被引量：4
7
作者 沈思远 华蓓 黄汝维 《电子测量技术》 北大核心 2023年第21期132-142,共11页
针对传统的路面裂缝检测方式耗时耗力、成本高、主观性强等问题,提出了一种基于YOLOv5的路面裂缝检测模型YOLOv5-Crack。首先在主干部分处引入坐标注意力机制并优化成CA-plus结构以提高裂缝特征关注度;其次提出一种全新的特征融合网络ES... 针对传统的路面裂缝检测方式耗时耗力、成本高、主观性强等问题,提出了一种基于YOLOv5的路面裂缝检测模型YOLOv5-Crack。首先在主干部分处引入坐标注意力机制并优化成CA-plus结构以提高裂缝特征关注度;其次提出一种全新的特征融合网络ESPP,降低部分计算量的同时提升特征融合能力;然后,在颈部网络中使用重影混洗卷积替代传统卷积,尽可能保持通道语义信息的同时降低计算成本;最后,整体引入SIoU损失函数提升回归精度。为验证改进模型YOLOv5-Crack的有效性,在数据集GRDDC 2020上进行对比实验,结果表明其F1分数分别为58.43%和58.21%,与原YOLOv5模型相比分别提升了4.05%和3.93%,并且降低了7.8 GFLOPs的计算量,FPS达到37.9,有效解决了路面裂缝检测的弊端;同时与主流目标检测算法相比,所提出的YOLOv5-Crack模型在路面裂缝检测方面更具有优越性。 展开更多
关键词 路面裂缝 坐标注意力机制 ESPP结构 重影混洗卷积 SIoU损失函数
在线阅读 下载PDF
改进YOLOX的轻量级人体跌倒检测算法
8
作者 龙艺文 闵宣霖 +3 位作者 陈奕兆 罗欢 刘洪 易军 《电子测量技术》 北大核心 2023年第10期109-116,共8页
针对边缘计算设备算力和存储空间有限的问题,提出了一种基于YOLOX改进的轻量级人体跌倒检测算法。首先采用GhostNet中的Ghost模块降低YOLOX中Neck和Prediction层的卷积参数冗余;其次,在Neck层中添加坐标注意力机制,增强关键信息提取能力... 针对边缘计算设备算力和存储空间有限的问题,提出了一种基于YOLOX改进的轻量级人体跌倒检测算法。首先采用GhostNet中的Ghost模块降低YOLOX中Neck和Prediction层的卷积参数冗余;其次,在Neck层中添加坐标注意力机制,增强关键信息提取能力,减少背景带来的噪音影响;最后,针对轻量级模型检测头检测能力不足问题,引入辅助头模块以加强轻量检测头的学习能力。通过算法检测性能以及在边缘计算端NVIDIA Jetson Xavier NX运行实验,结果显示,所提模型的mAP@0.5达到84.9%,且模型大小为25.6 MB。相较于YOLOX模型,仅以牺牲少量推理速度提升了4.6%的检测精度,减少了25.4%的模型大小,另外与一些主流目标检测算法相比,也具有一定的优越性。这些结果表明所提模型能够更好地满足边缘计算设备在人体跌倒检测中对轻量化和准确性的需求。 展开更多
关键词 跌倒检测 边缘计算 YOLOX 鬼影模块 坐标注意力 辅助头模块
在线阅读 下载PDF
基于YOLOv5s-GCB模型的苹果叶部病害检测研究
9
作者 赵兴 王迎超 刘纪博 《北方农业学报》 2025年第4期121-134,共14页
【目的】提出一种基于YOLOv5s-GCB模型的苹果叶部病害检测方法,旨在实现模型轻量化的同时提升检测精度。【方法】在YOLOv5s框架基础上,引入Ghost卷积以减少卷积计算量,实现模型轻量化;在Neck部分嵌入坐标CA注意力机制,增强对苹果叶片病... 【目的】提出一种基于YOLOv5s-GCB模型的苹果叶部病害检测方法,旨在实现模型轻量化的同时提升检测精度。【方法】在YOLOv5s框架基础上,引入Ghost卷积以减少卷积计算量,实现模型轻量化;在Neck部分嵌入坐标CA注意力机制,增强对苹果叶片病斑区域的特征关注能力;并采用双向加权特征金字塔结构(BiFPN)优化多尺度病斑特征融合。基于采集的苹果叶部病害图像数据集对改进模型YOLOv5s-GCB进行训练与测试。【结果】改进的YOLOv5s-GCB模型在苹果叶部病害检测任务中表现优异,精确率(Precision)、召回率(Recall)与平均精度均值(mAP@0.5)分别达到90.7%、87.4%和93.4%。在苹果叶部斑点落叶病、灰斑病、锈病的检测中,YOLOv5s-GCB模型的mAP@0.5均最高,分别为93.8%、93.4%、93.0%。【结论】改进的YOLOv5s-GCB模型不仅具备高精度和高速度的检测能力,且模型小,适用于苹果叶部病害的自动化智能识别,具有较强的实用价值。 展开更多
关键词 YOLOv5s ghost CA注意力机制 双向加权特征金字塔结构(BiFPN) 苹果叶部病害 检测
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