检索结果-维普期刊中文期刊服务平台

基于SE-YOLOv5模型皮带异物检测算法研究被引量：1: 1; 作者边铁山《中国矿业》北大核心 2024年第7期127-134,共8页; 以某煤矿1305智能工作面皮带异物识别为工程背景,为了解决井下皮带运输机因废弃锚杆、大块煤等异物而导致的皮带撕裂甚至损伤停机等问题,亟需开展皮带异物智能检测研究。本文提出了SE-YOLOv5皮带异物智能检测方法,该方法以YOLOv5目标检... 展开更多; 关键词异物检测 se-yolov5 参数调整复杂环境识别率; 在线阅读下载PDF 职称材料

基于改进YOLOv5稻米垩白检测的研究: 2; 作者喻伟周劲黄金良《中国粮油学报》北大核心 2025年第2期41-48,共8页; 稻米垩白是稻米不成熟的表现,这是反映稻米质量的标志之一。垩白不仅影响了稻米的外观品质,同时也影响稻米口感。传统的稻米垩白检测是通过人工分辨进行筛选,不仅筛选的误差高,而且效率也非常低下。针对效率低,误差高的问题,本研究提出... 展开更多; 关键词深度学习垩白检测 YOLOv5 SE注意力机制; 在线阅读下载PDF 职称材料

基于改进YOLOv5s的草莓成熟度实时检测算法: 3; 作者梁敖代东南 +3 位作者牛思琪许晓琳周延培马德新《山东农业科学》北大核心 2024年第11期156-163,共8页; 本研究提出了一种基于YOLOv5s的草莓成熟度实时检测算法YOLOv5s-SCS,该算法针对检测过程中草莓数量多、体积小、果实之间遮挡、重叠、密集等特点,优化了对小目标和密集目标存在误检和漏检等问题,显著提升了检测速度。首先,引入SimOTA匹... 展开更多; 关键词深度学习草莓成熟度检测 YOLOv5s SE注意力机制 SimOTA; 在线阅读下载PDF 职称材料

基于改进的YOLOv5小目标检测SAR船只方法: 4; 作者龙莹莹余华云 +1 位作者杨武殷俊凯《湖南邮电职业技术学院学报》 2024年第3期56-60,共5页; 为了有效管理海上交通、实施海上救援和保护海洋环境,需要精确地掌握海上船只目标的位置和分布情况,但传统的检测方法(如CFAR)往往会出现船只细节丢失和小目标漏检的情况。为了解决以上问题,将YOLOv5模型进行改进。首先通过数据增强,提... 展开更多; 关键词 SAR船只检测 YOLOv5 SE注意力机制小目标检测层; 在线阅读下载PDF 职称材料

基于改进YOLO v5算法的光伏组件红外热成像缺陷检测被引量：5: 5; 作者孔松涛徐甄泽 +4 位作者林星宇张椿秋蒋国庆张淳钦王堃《红外技术》 CSCD 北大核心 2023年第9期974-981,共8页; 现有光伏组件缺陷识别方法存在提取特征困难、实时性较差导致了对光伏组件的缺陷故障检测的识别精度不高,本文提出一种基于改进YOLO v5算法的光伏组件红外热成像缺陷检测方法。改进后的YOLO v5算法主要是在原来的基础上增添注意机制SE模... 展开更多; 关键词缺陷检测深度学习 YOLOv5 损失函数 SE模块平衡特征金字塔结构; 在线阅读下载PDF 职称材料

基于改进YOLOv5s的安全帽检测算法被引量：25: 6; 作者赵睿刘辉 +2 位作者刘沛霖雷音李达《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期2050-2061,共12页; 针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加... 展开更多; 关键词安全帽检测 YOLOv5s算法数据增强 DenseBlock模块 SE-Net注意力模块; 在线阅读下载PDF 职称材料

题名基于SE-YOLOv5模型皮带异物检测算法研究被引量：1: 1; 作者边铁山; 机构冀中能源集团峰峰集团有限公司; 出处《中国矿业》北大核心 2024年第7期127-134,共8页; 文摘以某煤矿1305智能工作面皮带异物识别为工程背景,为了解决井下皮带运输机因废弃锚杆、大块煤等异物而导致的皮带撕裂甚至损伤停机等问题,亟需开展皮带异物智能检测研究。本文提出了SE-YOLOv5皮带异物智能检测方法,该方法以YOLOv5目标检测技术为基础模型,加入SE通道注意力机制进行优化,并对学习率、图像输入批大小、权重衰减等模型参数调整,对构建的数据集进行训练检测,将检测结果与Faster-RCNN、YOLOv3、CenterNet、YOLOv5等模型进行对比。研究结果表明:SE-YOLOv5模型预测结果得到较大提升,对锚杆的预测精度达0.98,对大块煤的预测精度达0.88,召回率(Recall)为0.91,各个检测目标平均精度的平均值(mAP)为0.912,单张识别速度为0.037s;此外,对处于低照度、高粉尘浓度等环境下的数据集仍有较高的识别率,说明SE-YOLOv5模型检测精度高、速度快、鲁棒性强,可以满足复杂环境下皮带异物识别的要求。煤矿皮带异物检测是煤矿安全和生产效率的关键组成部分,采用现代化的检测技术有助于提高系统生产效率,保障设备安全,降低维护成本。; 关键词异物检测 se-yolov5 参数调整复杂环境识别率; Keywords foreign object detection se-yolov5 parameter adjustment complex environment recognition rate; 分类号 TD849 [矿业工程—煤矿开采]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv5稻米垩白检测的研究: 2; 作者喻伟周劲黄金良; 机构武汉轻工大学电气与电子工程学院; 出处《中国粮油学报》北大核心 2025年第2期41-48,共8页; 基金湖北省重点研发计划项目(2023BBB110)。; 文摘稻米垩白是稻米不成熟的表现,这是反映稻米质量的标志之一。垩白不仅影响了稻米的外观品质,同时也影响稻米口感。传统的稻米垩白检测是通过人工分辨进行筛选,不仅筛选的误差高,而且效率也非常低下。针对效率低,误差高的问题,本研究提出了一种基于改进的YOLOv5稻米垩白检测算法,采用自建的一个稻米垩白检测数据集,利用其改进的YOLOv5算法进行训练检测。该算法基于YOLOv5模型,通过重组网络结构、改进损失函数、加入SE和ECA注意力机制,使原YOLOv5的检测精度得到了提升。实验表明,其改进的YOLOv5算法平均检测精确率可达91.9%。研究得出采用注意力机制叠加比单独加入注意力机制模块模型效果更好。; 关键词深度学习垩白检测 YOLOv5 SE注意力机制; Keywords deep learning chalkiness detection YOLOv5 SE attention mechanism; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv5s的草莓成熟度实时检测算法: 3; 作者梁敖代东南牛思琪许晓琳周延培马德新; 机构青岛农业大学传媒学院凯盛浩丰农业集团有限公司青岛农业大学智慧农业研究院; 出处《山东农业科学》北大核心 2024年第11期156-163,共8页; 基金山东省重点研发计划项目(2024CXGC010905,2023TZXD023) 山东省自然科学基金项目(ZR2022MC152) 中央引导地方科技发展专项计划项目(23-1-3-6-zyyd-nsh)。; 文摘本研究提出了一种基于YOLOv5s的草莓成熟度实时检测算法YOLOv5s-SCS,该算法针对检测过程中草莓数量多、体积小、果实之间遮挡、重叠、密集等特点,优化了对小目标和密集目标存在误检和漏检等问题,显著提升了检测速度。首先,引入SimOTA匹配算法动态分配成熟草莓正样本,提高成熟草莓的识别能力;其次,将YOLOv5s颈部的部分C3模块替换成C2f模块,实现了模型的轻量化,提升了模型的平均检测精度;最后,在YOLOv5s骨干网络的首个C3模块中添加具有全局感受野的SE(Squeeze-and-Excitation)注意力机制,该机制通过自动学习方式获取每个特征通道的重要程度,并且利用得到的重要程度来提升特征并抑制对当前任务不重要的特征。实验结果表明,改进后的算法平均精度均值、精确率、召回率、模型体积、检测速度分别为98.3%、92.6%、96.6%、13.5 MB和89.3 FPS,相较于原始YOLOv5s平均精度均值提高了1.8个百分点,精确率和召回率分别提升了1.3个和2.1个百分点,模型体积减小了0.3 MB,检测速度提高了82.24%,NMS(非极大值抑制处理)和图像预处理的时间大幅缩减,检测速度达到实时检测要求。该算法与其他算法比较,识别精度及模型体积均优于其他算法,在复杂环境下具有良好的鲁棒性,为开发草莓成熟度实时检测系统提供了解决方案。; 关键词深度学习草莓成熟度检测 YOLOv5s SE注意力机制 SimOTA; Keywords Deep learning Strawberry maturity detection YOLOv5s SE attention mechanism SimOTA; 分类号 S668.4 [农业科学—果树学] S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于改进的YOLOv5小目标检测SAR船只方法: 4; 作者龙莹莹余华云杨武殷俊凯; 机构长江大学; 出处《湖南邮电职业技术学院学报》 2024年第3期56-60,共5页; 基金 2024年度湖北省重点实验室开放基金项目“机器学习在页岩气井井筒积液预测及泡沫排水适用性诊断中的应用研究”(项目编号:YQZC202402)。; 文摘为了有效管理海上交通、实施海上救援和保护海洋环境,需要精确地掌握海上船只目标的位置和分布情况,但传统的检测方法(如CFAR)往往会出现船只细节丢失和小目标漏检的情况。为了解决以上问题,将YOLOv5模型进行改进。首先通过数据增强,提升数据的多样性,进而提高模型的泛化能力;之后加入SE注意力机制和小目标检测层来增强模型对船只的特征提取能力。实验结果表明,加入SE注意力机制和小目标检测层后,平均准确度mAP分别提高了2%和3.1%,可以有效改善船只密集分布、沿岸分布等不同场景下的检测准确率,实现整体准确率的提高。; 关键词 SAR船只检测 YOLOv5 SE注意力机制小目标检测层; Keywords SAR vessel detection YOLOv5 SE attention mechanism small target detection layer; 分类号 TP391.41 [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

题名基于改进YOLO v5算法的光伏组件红外热成像缺陷检测被引量：5: 5; 作者孔松涛徐甄泽林星宇张椿秋蒋国庆张淳钦王堃; 机构重庆科技学院机械与动力工程学院; 出处《红外技术》 CSCD 北大核心 2023年第9期974-981,共8页; 基金重庆市自然科学基金(CSTC020JCYJ-msxmX0798) 重庆市教委科学技术研究项目(KJQN201901526) 重庆科技学院研究生科技创新计划项目(YKJCX2120308)。; 文摘现有光伏组件缺陷识别方法存在提取特征困难、实时性较差导致了对光伏组件的缺陷故障检测的识别精度不高,本文提出一种基于改进YOLO v5算法的光伏组件红外热成像缺陷检测方法。改进后的YOLO v5算法主要是在原来的基础上增添注意机制SE模块,并且改进损失函数将GIoU改为EIoU提高模型收敛效果、最后采用KG模块平衡特征金字塔结构对模型进行优化,用以提高YOLOv5算法的识别精度和收敛效果。改进后的网络结构应用在YOLO v5s模型中,在光伏组件红外图像的检测上的平均检测精度mAP可以达到92.8%,比原本的YOLO v5s算法88.3%提升了4.5%,在精确度和召回率上的收敛效果也比原始YOLO v5算法模型有所提高,改进后的网络结构应用于l、m、x三种模型中,其检测精度都有所提升,因此改进后的YOLOv5算法适用于4种模型。; 关键词缺陷检测深度学习 YOLOv5 损失函数 SE模块平衡特征金字塔结构; Keywords defect detection deep learning YOLOv5 loss function SE module balanced feature pyramid structure; 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

题名基于改进YOLOv5s的安全帽检测算法被引量：25: 6; 作者赵睿刘辉刘沛霖雷音李达; 机构湖南师范大学物理与电子科学学院; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期2050-2061,共12页; 文摘针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加关注小目标信息的通道特征,以提升对小目标的检测性能;对数据增强方式进行改进,丰富小尺度样本数据集;增加一个检测层以便能更好地学习密集目标的多级特征,从而提高模型应对复杂密集场景的能力。此外,构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明:所提改进算法比原始YOLOv5s算法平均精确率(mAP@0.5)提升6.57%,比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%,在密集场景及小目标场景下具有较强的泛化能力。; 关键词安全帽检测 YOLOv5s算法数据增强 DenseBlock模块 SE-Net注意力模块; Keywords safety helmet detection YOLOv5s algorithm data augmentation DenseBlock module SE-Net attention module; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 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SE-YOLOv5模型皮带异物检测算法研究	边铁山	《中国矿业》北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于改进YOLOv5稻米垩白检测的研究	喻伟周劲黄金良	《中国粮油学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于改进YOLOv5s的草莓成熟度实时检测算法	梁敖代东南牛思琪许晓琳周延培马德新	《山东农业科学》北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于改进的YOLOv5小目标检测SAR船只方法	龙莹莹余华云杨武殷俊凯	《湖南邮电职业技术学院学报》	2024	0	在线阅读下载PDF 职称材料
5	基于改进YOLO v5算法的光伏组件红外热成像缺陷检测	孔松涛徐甄泽林星宇张椿秋蒋国庆张淳钦王堃	《红外技术》 CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
6	基于改进YOLOv5s的安全帽检测算法	赵睿刘辉刘沛霖雷音李达	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2023	25	在线阅读下载PDF 职称材料