基于DCP-ShuffleNetV2的轻量级森林害虫识别方法

1

作者 高天赐 王克俭 +3 位作者 陈晨 韩宪忠 王超 李会平 《中国农机化学报》 北大核心 2025年第1期190-197,共8页

针对现有害虫识别模型复杂度高、计算量和参数量巨大的问题,提出一种基于DCP-ShuffleNetV2的轻量级森林害虫识别模型。该模型主要从特征提取、特征融合、轻量化方面进行改进。首先通过引入金字塔分割注意力模块PSA提取多尺度的空间信息... 针对现有害虫识别模型复杂度高、计算量和参数量巨大的问题,提出一种基于DCP-ShuffleNetV2的轻量级森林害虫识别模型。该模型主要从特征提取、特征融合、轻量化方面进行改进。首先通过引入金字塔分割注意力模块PSA提取多尺度的空间信息和跨通道依赖关系,有效地学习上下文信息;其次将基准网络模型ShuffleNetV2的Stage模块修改为CSP结构,增强特征融合能力;将模型的普通卷积替换为动态卷积,压缩模型参数量和计算量。试验以雄安新区“千年秀林”害虫为研究对象,构建30类常见害虫数据集。结果表明,改进后的DCP-ShuffleNetV2模型在自制的Forest30数据集上的害虫识别准确率是92.43%,模型参数量、计算量和内存大小分别是0.13 M、24.53 M和9.53 MB,相比于基准网络模型,识别准确率提升3.11%,参数量、计算量和内存大小分别减少62.83%、42.48%和15.13%。与目前常用的分类模型相比,识别准确率平均提高5.39%,模型参数量、计算量和内存大小平均减小14.32 M、1 035.80 M和35.98 MB。 展开更多

关键词 害虫识别 DCP-shufflenetv2 注意力机制 CSP结构 特征提取

在线阅读 下载PDF 职称材料

基于改进ShuffleNetV2的轻量化饲料原料种类识别模型

2

作者 田敏 牛智有 刘梅英 《华中农业大学学报》 北大核心 2025年第2期105-115,共11页

针对目前配合饲料加工过程中生产饲料原料入仓环节人工识别粉碎程度、颜色和形状相近的入仓原料时存在种类识别困难的问题,基于轻量化卷积神经网络模型ShuffleNetV2,提出一种识别精度更高、计算复杂度更小且适用于饲料原料图像种类识别... 针对目前配合饲料加工过程中生产饲料原料入仓环节人工识别粉碎程度、颜色和形状相近的入仓原料时存在种类识别困难的问题,基于轻量化卷积神经网络模型ShuffleNetV2,提出一种识别精度更高、计算复杂度更小且适用于饲料原料图像种类识别的ShuffleNetV2-EH轻量化模型。首先在ShuffleNetV2网络模型结构中引入注意力机制ECA(efficient channel attention),根据输入自适应调整通道权重,提升网络模型对饲料原料图像重要特征的感知能力;其次将ReLU替换为HardSwish激活函数,在不增加额外的权重和偏置参数的前提下,提升模型的识别准确率;最后在保证模型识别精度的基础上,对ShuffleNetV2网络模型结构进行调整,减少模型的参数量以及计算量。结果显示,ShuffleNetV2-EH模型在8种饲料原料图像测试集上的识别准确率为99.13%,与原ShuffleNetV2模型相比提升1.38百分点,其精确率、召回率和F1分数分别提升1.45、1.63和1.62百分点,模型参数量和浮点运算量较之前分别减少352 092个和45.27×10^(6);且综合性能优于经典卷积神经网络模型AlexNet、VggNet16、GoogLeNet和ResNet18。结果表明,改进后的ShuffleNetV2模型较好地平衡了模型的计算复杂度和识别精度,为入仓环节的饲料原料在线识别提供了算法基础。 展开更多

关键词 饲料原料 种类识别 轻量化模型 shufflenetv2 注意力机制

在线阅读 下载PDF 职称材料

嵌合ShuffleNetv2的小麦叶片条锈病检测YOLOv5s轻量化改进

3

作者 李劲松 许磊 钱海明 《农村科学实验》 2025年第14期157-159,共3页

针对常规深度学习训练模型结构复杂、参数量大、算力要求高,难以满足田间病害实时监测需求的问题,该研究提出了一种融合ShuffleNetv2轻量级网络的YOLOv5s改进方法。ShuffleNetv2通过通道混洗和通道分割技术,实现了速度与精度的最优权衡... 针对常规深度学习训练模型结构复杂、参数量大、算力要求高,难以满足田间病害实时监测需求的问题,该研究提出了一种融合ShuffleNetv2轻量级网络的YOLOv5s改进方法。ShuffleNetv2通过通道混洗和通道分割技术,实现了速度与精度的最优权衡。融合CSP(Cross-Stage Partial Connections)结构的部分模块,进一步降低了模型复杂度。试验结果表明,与原始YOLOv5相比,其网络参数量下降了44%,缩减至4.1×10^(6)。模型的检测速度提升至50.2 fps,相对于初始的41.3 fps,提高了21.55%。该方法适用于计算资源受限的野外便携式设备,为小麦叶片条锈病的实时检测提供了轻量化解决方案。 展开更多

关键词 小麦叶片条锈病 YOLOv5s shufflenetv2 病害检测 轻量化改进

在线阅读 下载PDF 职称材料

基于改进ShuffleNetV2的男西服领型识别与分类模型

4

作者 郑攀 庹武 +4 位作者 魏新桥 高雅昆 杜聪 刘思雨 张欣汝 《毛纺科技》 CAS 北大核心 2024年第8期90-97,共8页

针对男西服领型款式识别分类效果不佳的问题,提出一种基于改进ShuffleNetV2的识别与分类模型。首先收集男西服样本图像,建立包含9类男西服领型的样本库;其次以ShuffleNetV2模型为基础,引入CBAM注意力机制、H-Swish激活函数来增强模型特... 针对男西服领型款式识别分类效果不佳的问题,提出一种基于改进ShuffleNetV2的识别与分类模型。首先收集男西服样本图像,建立包含9类男西服领型的样本库;其次以ShuffleNetV2模型为基础,引入CBAM注意力机制、H-Swish激活函数来增强模型特征提取能力,有效防止神经元坏死;另外利用迁移学习的方法再次增强模型的特征提取能力,提高模型的识别适应性和识别精度;最后对样本库数据集进行数据增强后开始训练验证。实验结果对比表明,本文的改进模型可以实现对男西服领型的有效识别和分类,平均准确率达到92.82%。本文为解决男西服领型识别与分类困难等问题提供了有效的解决方案,对服装定制行业的分类识别具有借鉴意义。 展开更多

关键词 男西服领型 shufflenetv2 CBAM H-Swish 迁移学习

在线阅读 下载PDF 职称材料

基于改进ShuffleNetV2模型的荔枝病虫害识别方法 被引量：38

5

作者 彭红星 何慧君 +3 位作者 高宗梅 田兴国 邓倩婷 咸春龙 《农业机械学报》 EI CAS CSCD 北大核心 2022年第12期290-300,共11页

为更好地助力荔枝病虫害防治工作,推进荔枝产业健康发展,本文以所收集的荔枝病虫害图像数据集为研究对象,基于轻量型卷积神经网络ShuffleNetV2模型,提出一个高精度、稳定且适用于荔枝病虫害的识别模型SHTNet。首先,在ShuffleNetV2模型... 为更好地助力荔枝病虫害防治工作,推进荔枝产业健康发展,本文以所收集的荔枝病虫害图像数据集为研究对象,基于轻量型卷积神经网络ShuffleNetV2模型,提出一个高精度、稳定且适用于荔枝病虫害的识别模型SHTNet。首先,在ShuffleNetV2模型中引入注意力机制SimAM,不额外增加网络参数的同时,增强重要特征的有效提取,强化荔枝病虫害特征并抑制背景特征。其次,在保证模型识别精度的同时,采用激活函数Hardswish减少网络模型参数量,使网络更加轻量化。最后,在改进模型上采用迁移学习方法,将源数据(Mini-ImageNet数据集)学习到的知识迁移到目标数据(数据增强后的荔枝病虫害图像数据集),增强模型识别不同的荔枝病虫害种类的适应性。实验结果表明,与原始ShuffleNetV2模型相比,本文提出的荔枝病虫害识别模型SHTNet的准确率达到84.9%,提高8.8个百分点;精确率达到78.1%,提高9个百分点;召回率达到73.2%,提高8.8个百分点;F1值达到75.8%,提高10.2个百分点;且综合性能明显优于ResNet34、ResNeXt50和MobileNetV3-large模型。本文提出的荔枝病虫害识别模型具有较高的识别精度和较强的泛化能力,为荔枝病虫害实时在线识别奠定了技术基础。 展开更多

关键词 荔枝 病虫害 识别 shufflenetv2 注意力机制 迁移学习

在线阅读 下载PDF 职称材料

基于SimCC-ShuffleNetV2的轻量化奶牛关键点检测方法 被引量：10

6

作者 宋怀波 华志新 +3 位作者 马宝玲 温毓晨 孔祥凤 许兴时 《农业机械学报》 EI CAS CSCD 北大核心 2023年第10期275-281,363,共8页

针对现有深度学习技术在奶牛关键点检测研究中尚存在网络复杂度高、检测速度慢等问题,提出了一种轻量化奶牛关键点检测模型SimCC-ShuffleNetV2。在模型中,主干网络采用ShuffleNetV2用于特征提取,有利于实现网络的轻量化;检测头采用SimC... 针对现有深度学习技术在奶牛关键点检测研究中尚存在网络复杂度高、检测速度慢等问题,提出了一种轻量化奶牛关键点检测模型SimCC-ShuffleNetV2。在模型中,主干网络采用ShuffleNetV2用于特征提取,有利于实现网络的轻量化;检测头采用SimCC用于关键点位置预测,SimCC采取坐标分类的方法使得检测更加简单高效。为了验证模型的性能,本研究设计了奶牛的关键点及骨架结构,并标注了3600幅图像用于模型的训练与测试。试验结果表明,SimCC-ShuffleNetV2模型的AP50:95为88.07%,浮点运算量为1.5×10^(8),参数量为1.31×10^(6),检测速度为10.87 f/s,可以实现奶牛关键点的精确与高效检测。与基于回归的DeepPose网络、基于热力图的HRNet网络进行了对比试验,结果表明SimCC-ShuffleNetV2取得了精度与速度的良好平衡。同时,本研究通过更换不同主干与不同检测头的方式,对比验证了不同模块对模型性能影响,本研究所提出的模型在所有试验中均取得了最佳结果,表明ShuffleNetV2与SimCC的组合具备良好的关键点检测性能。为了验证模型的有效性,将模型应用于4种动作视频中提取骨架序列并将其送入ST-GCN网络以实现不同动作的分类,其分类准确率为84.56%,表明本研究提出的SimCC-ShuffleNetV2模型是良好的关键点提取器,可为奶牛行为识别等任务提供关键信息支撑。 展开更多

关键词 奶牛 关键点检测 shufflenetv2 SimCC 动作识别

在线阅读 下载PDF 职称材料

基于改进ShuffleNetV2的荔枝叶片病虫害图像识别 被引量：12

7

作者 谢家兴 陈斌瀚 +7 位作者 彭家骏 何培华 景庭威 孙道宗 高鹏 王卫星 郑代德 李君 《果树学报》 CAS CSCD 北大核心 2023年第5期1024-1035,共12页

【目的】探索及时、准确识别危害荔枝叶片病虫害的方法,做好防护和治理工作。【方法】以常见荔枝叶片病虫害图像为研究对象,针对荔枝病虫害图像的病斑分布区域广、面积大小不一等特点,对ShuffleNet V2模型进行相应改进。首先,采集荔枝5... 【目的】探索及时、准确识别危害荔枝叶片病虫害的方法,做好防护和治理工作。【方法】以常见荔枝叶片病虫害图像为研究对象,针对荔枝病虫害图像的病斑分布区域广、面积大小不一等特点,对ShuffleNet V2模型进行相应改进。首先,采集荔枝5类叶片病虫害制作数据集,采用数据增强操作构建更加丰富的数据集;其次,在网络特征提取模块采用混合空洞卷积,避免传统卷积在下采样过程中造成图像分辨率降低及信息丢失;然后,通过嵌入轻量型通道注意力模块ECA(efficient channel attention),增进特征图之间相互依赖关系。此外,删减模型中不必要的层数和通道数,降低模型的参数量及运算量。【结果】研究所改进模型在5类荔枝病虫害图像(毛毡病、炭疽病、煤烟病、叶瘿蚊、藻斑病)中达到了99.04%的识别准确率,比原网络ShuffleNet V2高出2.55%。相较于经典网络AlexNet、ResNet-18、DenseNet和MobileNet V2等,改进模型不仅有着更高的识别准确率,并且改进后模型参数量仅为0.059×10^(6),为原模型的4.92%,浮点运算量仅为0.183×10^(9)。【结论】研究结果适合部署在移动终端等嵌入式资源受限设备上,有助于实现对作物病虫害实时、准确地识别。 展开更多

关键词 荔枝 叶斑症状 图像识别 shufflenetv2模型 模型参数

在线阅读 下载PDF 职称材料

基于改进ShuffleNetV2模型的声目标识别方法研究 被引量：4

8

作者 简泽明 赵旭辉 +2 位作者 胡君豪 丁善婷 刘梦然 《传感器与微系统》 CSCD 北大核心 2023年第8期43-45,49,共4页

轻量级神经网络模型参数量大幅减少,且速度得到了很大的提升,然而,检测的准确率却不高。因此,对轻量级ShuffleNetV2模型进行改进,加入3×3的Depthwise卷积核,同时降低1×1的卷积核和引入注意力机制SE模块。在ImageNet数据集中进... 轻量级神经网络模型参数量大幅减少,且速度得到了很大的提升,然而,检测的准确率却不高。因此,对轻量级ShuffleNetV2模型进行改进,加入3×3的Depthwise卷积核,同时降低1×1的卷积核和引入注意力机制SE模块。在ImageNet数据集中进行ShuffleNetV2模型预训练。然后,将改进的ShuffleNetV2模型与其他4种网络模型进行了实验对比。结果表明:改进ShuffleNetV2模型的综合性能最佳;与SE-ShuffleNetV2模型相比,在参数量和计算量一样时,其准确率提高了7.25%。改进的ShuffleNetV2模型为移动端的声目标精确识别进一步奠定了基础。 展开更多

关键词 声目标识别 shufflenetv2模型 结构优化 迁移学习 识别准确率

在线阅读 下载PDF 职称材料

基于ShuffleNetv2-YOLOv3模型的静态手势实时识别方法 被引量：15

9

作者 辛文斌 郝惠敏 +3 位作者 卜明龙 兰媛 黄家海 熊晓燕 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第10期1815-1824,1846,共11页

针对移动端平台下计算资源有限、存储空间小的特点,提出高效的ShuffleNetv2及YOLOv3集成网络静态手势实时识别方法,以减小模型对硬件的计算能力需求.通过将轻量化网络ShuffleNetv2代替Darknet-53作为主干网络,减小模型的计算复杂度.引入... 针对移动端平台下计算资源有限、存储空间小的特点,提出高效的ShuffleNetv2及YOLOv3集成网络静态手势实时识别方法,以减小模型对硬件的计算能力需求.通过将轻量化网络ShuffleNetv2代替Darknet-53作为主干网络,减小模型的计算复杂度.引入CBAM注意力机制模块,加强网络对空间和通道的关注度.采用K-means聚类算法,重新生成Anchors的长宽比和数量,使重新生成的Anchors尺寸对目标进行精确定位来提高模型的检测精度.实验结果表明,提出算法在手势识别上的平均识别准确率为99.2%,识别速度为44帧/s,单张416×416图片在GPU上的推理时间为15 ms,CPU上的推理时间为58 ms,模型所占内存为15.1 MB.该方法具有识别精度高、识别速度快、内存占用率低等优点,有利于模型在移动终端上部署. 展开更多

关键词 YOLOv3 轻量化shufflenetv2网络 CBAM注意力机制 手势识别 移动终端

在线阅读 下载PDF 职称材料

基于SPRRD-ShuffleNetV2的GF-2图像茶种植区快速提取方法

10

作者 张世超 王常颖 +1 位作者 李劲华 张志梅 《遥感信息》 CSCD 北大核心 2022年第4期80-86,共7页

由于茶树在光谱特征上与其他农作物种植区具有相似性,导致茶种植区的遥感识别具有比较大的难度。为了在保证提取精度能达到基本实际需求的前提下,有效提高高分辨率遥感图像茶区提取速度,提出了一种基于SPRRD-ShuffleNetV2的遥感图像茶... 由于茶树在光谱特征上与其他农作物种植区具有相似性,导致茶种植区的遥感识别具有比较大的难度。为了在保证提取精度能达到基本实际需求的前提下,有效提高高分辨率遥感图像茶区提取速度,提出了一种基于SPRRD-ShuffleNetV2的遥感图像茶种植区快速提取方法。首先,以去除了最后1×1卷积层、全局池化层和全连接层的ShuffleNetV2网络作为编码器,并增加解码器以实现像素级分类;然后,在几乎不增加参数量、不影响推理速度的前提下,在编码器部分增加增强条纹池化模块和混合池化模块,用于捕获全局和局部依赖关系,在解码器部分增加残差优化块,用于优化输出特征。使用高分二号图像作为实验数据源。结果表明,该方法能够满足基本提取精度需求,并有效提高了提取速度。 展开更多

关键词 GF-2图像 茶种植区提取 SPRRD-shufflenetv2 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的矿井下安全帽佩戴检测算法 被引量：5

11

作者 王媛彬 韦思雄 +2 位作者 吴华英 段誉 刘萌 《煤炭科学技术》 北大核心 2025年第S1期366-377,共12页

针对矿井下复杂环境所导致的人员安全帽检测算法精确度低、漏检率高等问题,提出一种基于YOLOv5s改进的矿井下安全帽检测算法。卷积神经网络在提取特征时由于计算机制容易导致图像全局上下文信息丢失,造成井下小目标安全帽的检测效果欠... 针对矿井下复杂环境所导致的人员安全帽检测算法精确度低、漏检率高等问题,提出一种基于YOLOv5s改进的矿井下安全帽检测算法。卷积神经网络在提取特征时由于计算机制容易导致图像全局上下文信息丢失,造成井下小目标安全帽的检测效果欠佳。为此,采用注意力机制CBAM与YOLOv5s进行融合,增强目标区域的特征图,弱化背景信息,从而帮助算法更好地定位小目标安全帽。同时,在YOLOv5s原有3个输出层的基础上新增了1个P2小目标检测层,增加了模型的多尺度感受野,可以同时捕获全局和局部上下文信息,提升了算法在复杂场景中针对小目标的检测能力。此外,采用EIoU损失替换原有的CIoU损失函数,解决预测框宽高比模糊的问题,保证回归框的精度,同时加快网络的收敛速度。通过将YOLOv5s主干网络中的普通卷积Conv替换为ShuffleNetV2,大幅减少模型参数量,提高了模型的识别速度。最后,将改进后的算法与YOLOv5s、SSD、FasterRCNN以及YOLOv7算法进行对比分析,实验结果表明:将改进后的算法应用于矿井下人员安全帽检测中,相比于原YOLOv5s,准确率提升了2.9%,召回率提升了2.42%,参数量减少了7.6%,最终在矿井下安全帽检测的平均精度mAP@.5达到了87.5%。 展开更多

关键词 安全帽检测 YOLOv5s 矿井 CBAM shufflenetv2

在线阅读 下载PDF 职称材料

基于深度学习的高效率烤烟等级识别模型研究 被引量：1

12

作者 冯川 祝诗平 +2 位作者 黄华 严森垚 于丽敏 《西南大学学报（自然科学版）》 CAS 北大核心 2025年第1期213-225,共13页

烤烟的等级识别是烟草产业的一个关键环节,为了降低烟农烤烟分级劳动强度,减少主观因素,提高识别精度,需要实现烤烟的自动分级。研究了深度学习中多种卷积神经网络的多层特征提取方法,并基于ShuffleNetV2网络提出一种改进的网络模型(Shu... 烤烟的等级识别是烟草产业的一个关键环节,为了降低烟农烤烟分级劳动强度,减少主观因素,提高识别精度,需要实现烤烟的自动分级。研究了深度学习中多种卷积神经网络的多层特征提取方法,并基于ShuffleNetV2网络提出一种改进的网络模型(ShuffleNetV2_FTC)。ShuffleNetV2_FTC网络是将ShuffleNetV2网络的主干单元进行更改,并引入CBAM(Convolutional Block Attention Module)注意力机制和SiLU激活函数。应用该模型对27种类别的烤烟图像进行识别分类。该模型的最佳测试准确率为93.09%,检测帧率达到每秒15.3张。相对原模型获得了0.24%(0.5×)、6.06%(1×)和4.73%(1.5×)的准确率提升,每秒检测12.3张图片到15.3张图片的检测帧率提升。ShuffleNetV2_FTC网络结合机器视觉技术可以很好地识别烤烟等级,为优化烤烟的收购、烘干和加工等流程奠定基础。 展开更多

关键词 烤烟等级 图像处理 机器视觉 深度学习 shufflenetv2网络

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的白酒摘酒酒度检测方法

13

作者 王泷 纪元霞 +2 位作者 吴红刚 杨润玲 鲁绍坤 《食品与机械》 北大核心 2025年第7期65-71,共7页

[目的]提高白酒的质量和产量,实现摘酒酒度的高效精准检测,建立改进YOLOv5s的白酒摘酒酒度模型。[方法]结合YOLOv5s模型的自动提取特征,利用ShuffleNetV2轻量化模块替换原始模型中的特征提取模块,减少模型层级结构,使模型更加轻量化;在... [目的]提高白酒的质量和产量,实现摘酒酒度的高效精准检测,建立改进YOLOv5s的白酒摘酒酒度模型。[方法]结合YOLOv5s模型的自动提取特征,利用ShuffleNetV2轻量化模块替换原始模型中的特征提取模块,减少模型层级结构,使模型更加轻量化;在特征提取部分添加CBAM双通道注意力机制,提取不同维度的特征信息;使用SIOU损失函数替换原始模型的损失函数;构建一个基于YOLOv5s改进模型的白酒酒度检测方法。[结果]改进后的模型准确率为91.9%,模型大小为6.7 MB,召回率和平均精度均值分别为89.3%和96.3%,较原始YOLOv5s模型分别提升了10.3%和12.3%;与当前主流的YOLOv3、YOLOv5m和YOLOv8等模型相比,平均精度均值分别提升了44.3%,9.3%,13.1%。[结论]试验提出的YOLOv5s改良模型对白酒摘酒酒度检测具有较高的准确率。 展开更多

关键词 摘酒 YOLOv5s 酒度 CBAM注意力机制 SIOU损失函数 shufflenetv2轻量化模型

在线阅读 下载PDF 职称材料

基于深度学习的轻量化木材表面缺陷检测系统研究

14

作者 张茹 杨昊 +4 位作者 王钰圣 赵园园 毕立岩 任世学 王伟 《林业工程学报》 北大核心 2025年第4期107-117,共11页

木材加工过程中,表面缺陷检测是不可或缺的。近年来,深度学习在木材表面缺陷检测领域取得了一定成果。但现有的木材表面缺陷检测算法仍存在检测结果准确率低、检测速度慢、模型参数多等问题。为了解决这些问题,提出了一种基于YOLOv5s的... 木材加工过程中,表面缺陷检测是不可或缺的。近年来,深度学习在木材表面缺陷检测领域取得了一定成果。但现有的木材表面缺陷检测算法仍存在检测结果准确率低、检测速度慢、模型参数多等问题。为了解决这些问题,提出了一种基于YOLOv5s的木材表面缺陷检测算法,并搭建木材表面缺陷检测系统。利用ShuffleNetv2轻量化模块技术,显著降低了模型的计算成本和参数数量,使模型在移动端和嵌入式设备上取得优异的性能;提出将SimAM注意力机制插入主干网络中,使得模型更好地理解不同区域之间的语义联系;采用DIoU损失函数以提高模型鲁棒性;应用Python第三方库PyQt5配合外接摄像头、红外线传感器、传送带等硬件装置搭建木材表面缺陷检测平台。将改进后的算法在本研究使用的数据集上进行训练和测试,与原YOLOv5s算法相比,改进后的网络参数量只有原网络的47.1%,计算量是原网络的44.3%,检测速率提高39.5,mAP提高3.4个百分点。试验结果充分验证了本算法的优势,在轻量化的基础上检测速度和精度都有提升。最后的仿真试验结果表明,本研究搭建的检测系统可以准确快速地识别木材表面各种缺陷的位置和数量,能够大大提高木材生产效率。 展开更多

关键词 深度学习 表面缺陷检测系统 YOLOv5s shufflenetv2 SimAM

在线阅读 下载PDF 职称材料

3D打印混凝土界面孔隙智能检测方法研究

15

作者 曾妮 马宗方 +1 位作者 宋琳 段明 《工程设计学报》 北大核心 2025年第1期11-22,共12页

目前,3D打印混凝土领域仍存在诸多问题,严重制约了其大规模工业化生产与应用。其中,孔隙为最常见缺陷,亟须发展相关检测技术,以提高混凝土的打印质量。针对现有3D打印混凝土界面孔隙检测方法主要依赖人的主观经验,且存在耗时长、成本高... 目前,3D打印混凝土领域仍存在诸多问题,严重制约了其大规模工业化生产与应用。其中,孔隙为最常见缺陷,亟须发展相关检测技术,以提高混凝土的打印质量。针对现有3D打印混凝土界面孔隙检测方法主要依赖人的主观经验,且存在耗时长、成本高和计算资源耗费量大等缺陷,引入基于深度学习的目标检测算法,提出了一种轻量级的孔隙智能检测方法。首先,利用传统图像处理算法对3D打印混凝土界面孔隙图像进行预处理,并构建适用于目标检测算法的孔隙图像数据集;同时,基于所构建数据集的特点对锚框计算方法进行优化,以获取更适合界面孔隙目标的锚框,从而提升检测准确度。然后,在检测方法的主干网络中,利用ShuffleNetv2网络进行多尺度特征提取,并去掉部分网络以降低网络深度和减少计算参数量,从而提高孔隙检测效率。最后,在特征提取网络中融合极化自注意力机制模块,在保持高分辨率的同时增强对孔隙目标的关注度,以提高检测精度。实验结果表明,所提出的方法能够有效完成3D打印混凝土界面孔隙的智能化检测,通过与多种检测算法对比,发现该方法的多个性能指标均有所提升,检测效率提升显著。研究结果可为后续混凝土的质量控制和性能评估提供一定的数据支持。 展开更多

关键词 3D打印混凝土 孔隙检测 shufflenetv2 自注意力机制 多尺度特征融合

在线阅读 下载PDF 职称材料

基于RT-DETR的轻量化交通标志检测算法

16

作者 王泽玄 雷雪梅 《现代电子技术》 北大核心 2025年第18期57-64,共8页

交通标志检测在自动驾驶系统中具有极其重要的作用,它直接关系到车辆行驶的安全性和遵守交通规则的准确性。交通标志检测对检测精确度、速度和实时性要求很高。目前交通标志检测领域存在检测速度与精确度难以平衡的问题。针对这个问题,... 交通标志检测在自动驾驶系统中具有极其重要的作用,它直接关系到车辆行驶的安全性和遵守交通规则的准确性。交通标志检测对检测精确度、速度和实时性要求很高。目前交通标志检测领域存在检测速度与精确度难以平衡的问题。针对这个问题,基于RT-DETR目标检测算法进行交通标志检测,具有较好的平均精度均值表现。为了进一步提升效率和实时性,提出一种改进的RT-DETR算法,以实现模型轻量化并提升目标检测速度。轻量化RT-DETR使用轻量级网络ShuffleNetV2替换原来的ResNet网络作为RT-DETR的主干网络,在减少计算量和参数量的同时保证了RT-DETR的学习能力,并提升了检测速度。为了进一步优化模型性能,随后通过通道剪枝、量化及知识蒸馏进行微调。实验结果表明:轻量化后的RT-DETR在CCTSDB2021数据集上,平均精度均值(mAP@50)为97.1%,推理时间为13.7 ms,模型大小为16.9 MB;相比以ResNet-50作为主干网络的RT-DETR模型,在保证精度的前提下,模型大小缩小了89.5%,推理时间降低了43.62%,模型更加轻量化,有效地提升了检测速度;与目前主流的同类目标检测方法相比,也具有较快的检测速度和较高的检测精确度。 展开更多

关键词 交通标志检测 轻量化 RT-DETR shufflenetv2 剪枝 知识蒸馏

在线阅读 下载PDF 职称材料

基于负荷高频特征图像化的非侵入式负荷辨识技术研究 被引量：1

17

作者 林顺富 林屹峰 +2 位作者 李毅 杨嘉钰 李东东 《电网技术》 北大核心 2025年第3期1236-1245,共10页

随着智能电网高速建设发展,实现双向互动的智能用电逐渐成为电力系统主要发展目标之一,开展智能用电的关键在于获取用户侧的负荷信息,非侵入式负荷监测(non-intrusive load monitoring,NILM)技术在此起着关键作用。在基于电器开关事件... 随着智能电网高速建设发展,实现双向互动的智能用电逐渐成为电力系统主要发展目标之一,开展智能用电的关键在于获取用户侧的负荷信息,非侵入式负荷监测(non-intrusive load monitoring,NILM)技术在此起着关键作用。在基于电器开关事件检测的基础上,该文提出一种融合负荷高频特征的非侵入式负荷辨识方法。首先,提取负荷高频电流、电压波形,绘制U-I特性曲线灰度图并分别通过格拉姆角场、马尔可夫转移场算法将周期电流、周期瞬时有功功率转换为特征灰度图。其次,分别将灰度图放入图片的R通道、G通道、B通道中组成RGB图片。最后,利用ShuffleNetV2神经网络对特征RGB图片进行训练与辨识。实验验证了该方法能够在家庭电器种类复杂情况下,实现对居民用户负荷种类的有效辨识,且算法收敛速度较快,准确度高。 展开更多

关键词 U-I特性曲线 周期瞬时有功功率 周期电流 格拉姆角场、马尔可夫转移场 shufflenetv2

在线阅读 下载PDF 职称材料

改进YOLOv8的矿用传输带异物检测方法

18

作者 杨迪 赵培培 +2 位作者 孙奥然 张君逸 肖涛 《计算机工程与应用》 北大核心 2025年第19期311-319,共9页

目前矿井下输送带图像存在昏暗环境清晰度差、图像噪点等问题,现有检测算法模型存在复杂度高、漏检和错检、精度不足等问题。基于上述问题,提出一种改进YOLOv8模型。使用轻量级ShuffleNetv2作为头部网络减少模型参数量,并构建多尺度组... 目前矿井下输送带图像存在昏暗环境清晰度差、图像噪点等问题,现有检测算法模型存在复杂度高、漏检和错检、精度不足等问题。基于上述问题,提出一种改进YOLOv8模型。使用轻量级ShuffleNetv2作为头部网络减少模型参数量,并构建多尺度组合注意力机制(multi-scale composite attention module,MSCAM)来增强特征提取能力,以降低漏检率和错检率;针对现有模型对长条状异物准确率低的问题,在C2f模块中使用动态可变形卷积(DDConv)的思想,使模型更容易提取长条状异物结构特征;使用具有角度损失的SIoU新型损失函数,提升模型训练能力和推理性能。在MTBID数据集进行验证,实验结果表明:改进模型的mAP@0.5可达0.893,mAP@0.5:0.95可达0.663,参数量相较于YOLOv8n减少了27.6%。 展开更多

关键词 目标检测 YOLOv8n shufflenetv2 异物识别 轻量化

在线阅读 下载PDF 职称材料

轻量化深度学习网络的条码定位算法

19

作者 单彦虎 王子硕 +2 位作者 储成群 高昕 赵兴龙 《传感器与微系统》 北大核心 2025年第7期130-134,共5页

针对自动化生产中条码定位算法的精度低,鲁棒性差的问题,提出了一种基于轻量化YOLO网络的条码定位算法。算法首先采用ShuffleNetV2网络构建主干特征提取网络,使用分布偏移卷积(DSConv)构建网络特征金字塔(FPN),实现模型的轻量化的同时,... 针对自动化生产中条码定位算法的精度低,鲁棒性差的问题,提出了一种基于轻量化YOLO网络的条码定位算法。算法首先采用ShuffleNetV2网络构建主干特征提取网络,使用分布偏移卷积(DSConv)构建网络特征金字塔(FPN),实现模型的轻量化的同时,提升了模型运行速度;然后增加SE通道注意力机制,以提升条码种类的识别能力;最后为提升收敛速度和提高回归精度,采用增强交并比(EIoU)作为边界框损失函数。消融实验、模型对比实验和可视化验证表明,算法平均检测精度为0.956,模型大小为1.39 MB。同时相较于其他算法具有更好的平台适用性,推理一张640×640分辨率图片,CPU耗时41 ms,GPU耗时仅7 ms,满足算法在不同硬件配置下的部署要求。 展开更多

关键词 条码定位 YOLO 目标检测 shufflenetv2网络

在线阅读 下载PDF 职称材料

基于轻量化网络与增强多尺度特征融合的绝缘子缺陷检测 被引量：27

20

作者 陈奎 刘晓 +2 位作者 贾立娇 方永丽 赵昌新 《高电压技术》 EI CAS CSCD 北大核心 2024年第3期1289-1300,I0025,共13页

随着无人机搭载目标检测算法在输电杆塔绝缘子巡检领域的发展,针对绝缘子缺陷检测速度较低,网络复杂度高且缺陷小目标难以准确检测的问题,提出一种基于轻量化网络与增强多尺度特征融合的YOLOv5-3S-4PH模型进行绝缘子缺陷实时检测。首先... 随着无人机搭载目标检测算法在输电杆塔绝缘子巡检领域的发展,针对绝缘子缺陷检测速度较低,网络复杂度高且缺陷小目标难以准确检测的问题,提出一种基于轻量化网络与增强多尺度特征融合的YOLOv5-3S-4PH模型进行绝缘子缺陷实时检测。首先将重构的ShuffleNetV2-Stem-SPP(3S)网络作为YOLOv5的主干网络,显著减小了网络的参数量和计算量;其次引入针对小目标的增强多尺度特征融合网络以及4个预测头,来增强网络对绝缘子缺陷的感知能力,并结合Mosaic-9数据增强、CIoU损失函数进一步补偿轻量化导致的检测精度损失;最后将其应用到自制绝缘子数据集进行验证。实验结果表明,该文所提出的模型相对于未改进的YOLOv5,全类平均精度提高了3%,检测速度提高了81.8%,参数量、计算量分别压缩了82.4%、67%。因此,所提出的模型更适合部署在无人机平台上进行绝缘子缺陷的实时监测。 展开更多

关键词 绝缘子缺陷检测 YOLOv5 轻量化 shufflenetv2网络 小目标检测 无人机

在线阅读 下载PDF 职称材料