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67篇文章
< 1 2 … 4 >
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XMem-SimAM的半监督猪只视频分割方法
1
作者 陈萌放 徐迪红 +3 位作者 李国亮 刘小磊 周明彦 黎煊 《华中农业大学学报》 北大核心 2025年第2期17-28,共12页
为解决因猪场复杂环境、猪只动态生长及体型变化等因素导致的猪只精确分割难题,以种猪性能测定过程中动态采食和生长过程的猪只为研究对象,构建一个包括234个视频序列的猪只视频数据集,提出基于XMem-SimAM的半监督猪只视频分割方法。通... 为解决因猪场复杂环境、猪只动态生长及体型变化等因素导致的猪只精确分割难题,以种猪性能测定过程中动态采食和生长过程的猪只为研究对象,构建一个包括234个视频序列的猪只视频数据集,提出基于XMem-SimAM的半监督猪只视频分割方法。通过引入SimAM注意力进行多尺度特征融合,提升模型在不同尺度下对时序信息的提取能力,捕捉猪只动态移动的时序特征;利用空间-通道注意力模块,强化模型对时序语义特征的权重提取;优化多尺度特征融合策略和上采样模块,充分利用视频序列中的时序关联信息,从细粒度层面提高视频中猪只分割精度。经过测试对比,XMem-SimAM模型在猪只视频数据集上的区域相似度Jaccard、轮廓准确度F、平均度量J&F和Dice系数分别达到96.9、95.8、98.0和98.0,优于MiVOS、STCN、DEVA、XMem++等视频对象分割方法,显示出卓越的分割性能;在推理阶段,处理速度达到58.5帧/s,内存消耗为795 MB,实现了处理效率与资源利用的良好平衡。结果表明,该方法可应用于猪场复杂环境下动态生长猪只的视频分割。 展开更多
关键词 半监督 视频分割 猪只 simam注意力
在线阅读 下载PDF
基于可形变卷积与SimAM注意力的密集柑橘检测算法 被引量：10
2
作者 李子茂 李嘉晖 +2 位作者 尹帆 帖军 吴钱宝 《中国农机化学报》 北大核心 2023年第2期156-162,F0002,共8页
针对现有检测算法难以检测自然场景下小而密集的柑橘问题,提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层,使特征提取网络... 针对现有检测算法难以检测自然场景下小而密集的柑橘问题,提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层,使特征提取网络能自适应提取遮挡、重叠等导致柑橘形状信息缺失的位置特征,在特征融合模块中,增加新的检测尺度并融合SimAM注意力机制,增强模型对于小而密集柑橘特征的提取能力。试验结果表明:DS-YOLO算法相较于原YOLOv4准确率提高8.75%,召回率提高7.9%,F1分数提高5%,能够较准确检测自然环境下的密集柑橘目标,为密集水果产量预测和采摘机器人提供了有效的技术支持。 展开更多
关键词 目标检测 特征提取 密集柑橘 可形变卷积 simam注意力
在线阅读 下载PDF
基于SimAM模块与ResNet34网络的混合缺陷检测模型 被引量：12
3
作者 朱传军 刘荣光 +2 位作者 成佳闻 梁泽启 王林琳 《现代制造工程》 CSCD 北大核心 2023年第2期1-9,共9页
针对现表面缺陷检测方法准确率低、需要进行复杂的特征设计、特征泛化性不强、参数多和识别速度慢等问题,在残差网络卷积模块之后采用自适应全局平均池化,有效降低了分类器的特征维度,减少了信息冗余。将无参注意力机制模块SimAM与ResNe... 针对现表面缺陷检测方法准确率低、需要进行复杂的特征设计、特征泛化性不强、参数多和识别速度慢等问题,在残差网络卷积模块之后采用自适应全局平均池化,有效降低了分类器的特征维度,减少了信息冗余。将无参注意力机制模块SimAM与ResNet34网络相结合用于缺陷检测,并对不同组合结构进行研究,提出ResNet34_s_e和ResNet34_m这2种混合网络模型,该2种混合网络模型均不增加原始网络参数量。在东北大学钢铁缺陷标准数据集上进行实验,对数据集使用镜像、翻转等数据增广策略,防止模型过拟合。通过对比发现,ResNet34_s_e混合网络模型能够有效加快训练过程中误差的下降趋势,提升分类准确率。最后在武汉某制造车间采集的冲压件缺陷数据集上验证该混合网络模型的泛化性能。测试集正确率由88.34%提高到了89.19%,有效提升了车间冲压件缺陷检测准确率。 展开更多
关键词 缺陷识别 残差网络 数据增广 simam模块
在线阅读 下载PDF
基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型 被引量：2
4
作者 张昌凡 胡新亮 +2 位作者 何静 刘建华 侯娜 《中国安全科学学报》 CAS CSCD 北大核心 2022年第6期38-43,共6页
为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型。首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更... 为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型。首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更强的类别特征;然后,利用SpinalNet关联特征图的局部和整体语义,得到缺陷类别特征的强区分性表示;最后,以强区分性表示特征输入带有L2正则化的softmax分类器,得到分类结果。试验结果表明:小样本任务评估指标准确率1和准确率2分别为68.35%和100%,优于目前主流深度学习模型,能够有效分类轮对踏面缺陷从而避免列车安全事故发生。 展开更多
关键词 轮对踏面 缺陷分类 简单无参注意力模块(simam) 脊柱神经网络(SpinalNet) L2正则化
在线阅读 下载PDF
基于Multi-WHFPN与SimAM注意力机制的版面分割 被引量：1
5
作者 杨陈慧 周小亮 +2 位作者 张恒 孙政 业宁 《电子测量技术》 北大核心 2024年第1期159-168,共10页
作为OCR的预处理工作,版面分割技术越来越受到学术界和工业界重视。针对版面分割中遇到的检测速度慢、目标区域边界不准确以及细小目标易遗漏等问题,提出了YOLOv7-MSY模型。此模型首先借鉴残差连接思想,提出了Multi-WHFPN网络结构。它... 作为OCR的预处理工作,版面分割技术越来越受到学术界和工业界重视。针对版面分割中遇到的检测速度慢、目标区域边界不准确以及细小目标易遗漏等问题,提出了YOLOv7-MSY模型。此模型首先借鉴残差连接思想,提出了Multi-WHFPN网络结构。它采用可训练的权重参数,突出特征融合过程中特征重要性,并添加了小目标检测头,从而提升对小目标的检测性能;其次,引入SimAM注意力机制,可以在不增加额外参数的基础上在3D维度评估特征权重,以增强重要特征,抑制无效特征;最后,使用YEIOU来代替原模型中的定位损失函数,提升了模型的收敛速度与回归精度。在江苏省档案馆提供的数据集上进行实验对比,YOLOv7-MSY对目标区域边界检测更加敏感,对细小目标的检测效果更好。YOLOv7-MSY的mAP@.5达到了0.871,相较于原YOLOv7模型提高了7.84%。该模型的版面分割的效果优于其他类型的版面分割算法,具有良好的泛化性能,并且版面分割速度处于较高水平。 展开更多
关键词 版面分割 YOLOv7-MSY Multi-WHFPN simam注意力机制 YEIOU
在线阅读 下载PDF
结合Transformer和SimAM轻量化路面损伤检测算法 被引量：5
6
作者 杨杰 蒋严宣 熊欣燕 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3911-3920,共10页
道路表面的损坏不仅会严重影响驾驶舒适性,还对行车安全造成威胁。若不及时检测和修复,可能导致交通事故的发生。因此,及时检测路面损伤对路面安全和维护有重要意义。针对现有路面损伤检测模型中存在识别精确度低和计算量大的问题,提出... 道路表面的损坏不仅会严重影响驾驶舒适性,还对行车安全造成威胁。若不及时检测和修复,可能导致交通事故的发生。因此,及时检测路面损伤对路面安全和维护有重要意义。针对现有路面损伤检测模型中存在识别精确度低和计算量大的问题,提出一种结合Transformer和SimAM轻量化路面损伤检测算法。首先,结合Transformer的优势,在模型中引入COT模块加强特征提取性能,其可以利用特征图的上下文信息构建自注意力机制,有效捕获路面损伤图像的上下文信息,加强信息表征能力。其次,针对不同大小的路面缺陷,提出MSC模块捕获全局信息,其可以结合多个池化操作动态地增加感受野的大小。同时,MSC模块与COT模块相结合,不仅有效减少了模型的计算量和参数量,而且进一步提升了检测精度。随后,融入SimAM注意力机制调节特征,增强模型在复杂场景下的特征表达能力,抑制无关特征的干扰。研究结果表明,改进算法的平均准确率为70.1%,其精度与YOLOv7、YOLOv7-tiny、YOLOv6-m、YOLOv5-l相比,分别提升2.8%、10.9%、10%、1.4%。此外,所提模型的计算量为40.3 G,约为YOLOv7、YOLOv7-x、YOLOv6-m、YOLOv5-l的38.4%、21.4%、49%、35.2%。通过与主流目标检测模型相比,所提出的模型在提高检测精度的同时,兼顾了模型的计算复杂度,在公开数据集上取得了良好的识别效果,能够有效地检测路面损伤。 展开更多
关键词 路面损伤检测 YOLOv7 卷积神经网络 TRANSFORMER simam
在线阅读 下载PDF
基于SimAM注意力机制的轴承故障迁移诊断模型 被引量：6
7
作者 包从望 朱广勇 +1 位作者 邹旺 郭灏 《机电工程》 CAS 北大核心 2024年第5期862-869,893,共9页
针对轴承故障在跨工况迁移诊断时,其域不变特征难以提取,易出现模型过拟合这一问题,提出了一种基于无参数注意力模块(SimAM)的轴承故障迁移诊断方法。首先,以一维卷积神经网络作为基本框架,利用自适应批量归一化(AdaBN)对各输出层进行... 针对轴承故障在跨工况迁移诊断时,其域不变特征难以提取,易出现模型过拟合这一问题,提出了一种基于无参数注意力模块(SimAM)的轴承故障迁移诊断方法。首先,以一维卷积神经网络作为基本框架,利用自适应批量归一化(AdaBN)对各输出层进行了归一化处理,经两层卷积层和两层池化层后,对输出特征进行了随机节点失活操作;然后,利用改进后的参数化修正线性单元(PReLU)激活函数自适应提取负值输入权值系数,分别以交叉熵损失函数监督训练有标签的源域数据,以均方对数误差(MSLE)作为损失函数训练无标签的目标数据;最后,利用自制实验台数据和凯斯西储轴承公开数据对模型进行了验证,分别以不同的单一工况作为源域,其余工况作为目标域进行了迁移诊断任务研究。研究结果表明:基于SimAM的轴承故障迁移诊断方具有较好的域不变特征提取的性能,且所提特征具有较好的聚类效果;自制实验台中的平均迁移精度在89.1%以上,最高均值可达97.85%,CWRU数据集中的平均迁移精度达98.68%。该成果可为后续轴承故障由实验向工业现场的迁移诊断奠定基础。 展开更多
关键词 轴承故障诊断 迁移学习 无参数注意力机制 自适应批量归一化 参数化修正线性单元 均方对数误差 卷积神经网络
在线阅读 下载PDF
基于优化MobileViT模型的轻量化田间杂草识别
8
作者 李亚 陈晓东 +1 位作者 王海瑞 朱贵富 《华中农业大学学报》 北大核心 2025年第4期192-203,共12页
针对农业环境中杂草与作物幼苗的识别挑战,提出一种基于优化MobileViT模型的轻量化识别方法。首先引入SimAM注意力机制,增强模型对特征的注意力能力,使用SCConv卷积模块减少卷积神经网络中特征的空间和通道冗余来降低计算成本和模型存储... 针对农业环境中杂草与作物幼苗的识别挑战,提出一种基于优化MobileViT模型的轻量化识别方法。首先引入SimAM注意力机制,增强模型对特征的注意力能力,使用SCConv卷积模块减少卷积神经网络中特征的空间和通道冗余来降低计算成本和模型存储,同时提高卷积模块性能;提出联合使用Label Smoothing Loss和Cross Entropy Loss的损失函数策略,提升模型的泛化性能,降低过拟合风险,并加速模型的收敛过程。选取12种田间常见作物幼苗与杂草图像作为训练数据集评估改进模型MobileViT-SS的性能,结果显示,改进模型的平均识别准确率、精确度、召回率、F_1分数分别达到95.91%、95.97%、95.46%、95.69%,均优于当前广泛使用的深度神经网络模型VGG-16、ResNet-18和MobileNetv3。结果表明,改进模型MobileViT-SS能够精准、快速区分多种形态相似的杂草与作物幼苗。 展开更多
关键词 作物幼苗 杂草识别 智能农业 MobileViT 轻量化 simam注意力
在线阅读 下载PDF
基于改进Mobilenet v3Small的花生叶部病害轻量化识别研究
9
作者 刘虎 霍欣浩 +2 位作者 何琴英 张泽豪 张道德 《江苏农业科学》 北大核心 2025年第12期207-215,共9页
为了对花生叶部病害进行正确的诊断与有效的治疗来提高花生的产量,使用深度学习进行及时的轻量化识别与检测,在Mobilenet v3Small模型的基础上提出一种新的改进方法,即使用SimAM注意力机制替换原模型中的SE注意力机制,并使用迁移学习对... 为了对花生叶部病害进行正确的诊断与有效的治疗来提高花生的产量,使用深度学习进行及时的轻量化识别与检测,在Mobilenet v3Small模型的基础上提出一种新的改进方法,即使用SimAM注意力机制替换原模型中的SE注意力机制,并使用迁移学习对花生叶部病害进行轻量化识别;然后将PlantVillage数据集作为源域进行预训练,并将预训练得到的共享参数迁移到改进的模型上进行微调优化,最终将采集到的花生叶部病害数据集作为目标域进行试验测试。试验结果表明,通过迁移学习,改进后的Mobilenet v3Small模型识别准确率达到99.5%,比原模型提高2.25百分点,参数量减少30.07%,内存减少2.33 MB。使用Grad-CAM完成热力图可视化,对比发现,SimAM注意力机制比原SE注意力机制以及其他2种注意力机制生成的热力图和原图像中病斑的位置、颜色相似度更高,表明本研究所用方法可以更好地采集花生叶部病害的特征。从各个评价指标来看,本研究提出的方法在花生叶部病害识别上适配度更高、更轻量化,可以更好地在真实场景下进行花生叶部病害识别,可为花生生产种植上提供有效帮助,助力发展智慧农业。 展开更多
关键词 花生叶部病害 迁移学习 轻量化卷积神经网络 simam注意力机制
在线阅读 下载PDF
基于改进YOLOv7的小目标和低对比度纸病分类算法研究
10
作者 汤伟 周国庆 +4 位作者 王孟效 方嘉楠 张龙 郑晓虎 刘英伟 《中国造纸》 北大核心 2025年第3期143-151,共9页
随着纸机车速提升和幅宽加大,纸病出现频率随之上升。为根治纸病,需对其有效分类以溯源。但因部分纸病目标小、对比度低,分类效果欠佳。本课题提出了一种基于改进YOLOv7的分类方法,核心思想是在颈部网络改良快速跨阶段特征金字塔池化(SP... 随着纸机车速提升和幅宽加大,纸病出现频率随之上升。为根治纸病,需对其有效分类以溯源。但因部分纸病目标小、对比度低,分类效果欠佳。本课题提出了一种基于改进YOLOv7的分类方法,核心思想是在颈部网络改良快速跨阶段特征金字塔池化(SPPFCSPC)模块,在感受野不变前提下提升分类速度;使用空间深度卷积替换原有的“卷积+池化层”,增强对纸病的特征提取能力;通过注意力模块(SimAM),使更多的资源集中于纸病细节,进一步提高低对比度和小目标纸病的识别效率。结果表明,本课题算法的平均精度达0.97,实时检测速度26.5帧/s。相比于原YOLOv7网络,本算法在小目标和低对比度纸病的平均精度和检测速度方面均有明显提升。 展开更多
关键词 纸病分类 小目标 YOLOv7 SPPFCSPC simam
在线阅读 下载PDF
基于SSGB—YOLOv5s的轻量级马铃薯疫病检测方法
11
作者 傅晓锦 杜诗琪 王迪 《中国农机化学报》 北大核心 2025年第7期211-219,共9页
在农作物发生疫病的初期快速且准确地识别疫病植株是减少农作物经济损失的重要环节。在实际生产中,传统图像处理算法难以识别患病的马铃薯叶片。针对YOLOv5s模型参数量大,且其在复杂环境下识别效果差等问题,提出一种集成改进的马铃薯疫... 在农作物发生疫病的初期快速且准确地识别疫病植株是减少农作物经济损失的重要环节。在实际生产中,传统图像处理算法难以识别患病的马铃薯叶片。针对YOLOv5s模型参数量大,且其在复杂环境下识别效果差等问题,提出一种集成改进的马铃薯疫病检测识别方法。通过对YOLOv5s更换轻量化网络,降低参数量,利用加权双向特征金字塔网络(BiFPN),增强模型不同特征层的融合能力,并使用GSConv卷积,增加注意力机制模块SimAM,增强YOLO算法对关键信息的提取能力,最后引入SIoU损失函数,提高回归精度。在相同试验条件下,对比YOLOv5s原模型、YOLOv7—tiny、Faster R—CNN等模型,所提方法的精确率、召回率、平均精度均值分别为97.7%、95.9%、95.4%。所提出的算法在提高准确率与平均精度的同时,运算速度达到144.93帧/s,满足对马铃薯疫病检测的要求。 展开更多
关键词 马铃薯疫病 YOLOv5s 损失函数 simam注意力 轻量化网络
在线阅读 下载PDF
改进YOLOv7的PCB缺陷检测算法 被引量：6
12
作者 王玲 向北平 张晓勇 《机械科学与技术》 北大核心 2025年第1期9-18,共10页
针对检测印刷电路板(Printed circuit board, PCB)缺陷任务中,通用物体检测算法难以区分目标缺陷与背景,从而导致检测精度低等问题,提出一种改进YOLOv7的PCB表面缺陷检测模型。首先,在主干提取网络用Conv2Former(Transformer-style conv... 针对检测印刷电路板(Printed circuit board, PCB)缺陷任务中,通用物体检测算法难以区分目标缺陷与背景,从而导致检测精度低等问题,提出一种改进YOLOv7的PCB表面缺陷检测模型。首先,在主干提取网络用Conv2Former(Transformer-style convolutional network)模块替代ELAN模块,保留空间信息的同时加强全局信息关联性,有效减少参数量。其次,删除20×20的大目标检测层,增加160×160的小目标检测层,以此保留更多小目标信息。此外,在特征融合网络引入SimAM(Similarity-based attention mechanism)注意力机制,不引入额外参数的同时提升检测精确度。最后,将Focal损失函数与CIoU损失函数结合,优化损失函数中高质量与低质量样本的权重分配,提升检测效果。实验结果表明,改进后的模型平均检测精度达到95.3%,相较于原模型精度提高了3.6%,参数量为10.97 MB,仅为原模型参数量的三分之一,改进后的模型能够更准确地识别PCB缺陷,有效降低漏检和误检率。 展开更多
关键词 PCB表面缺陷检测 YOLOv7 Conv2Former simam Focal-CIoU
在线阅读 下载PDF
针对移动除草设备的YOLOv5轻量级网络优化与杂草检测方法
13
作者 何滨 荆振鹏 《农业与技术》 2025年第1期50-56,共7页
针对当前杂草检测算法普遍面临的模型参数量庞大、实时检测性能不佳以及难以适配移动除草设备等挑战,提出了一种高效且轻量化的网络模型。该模型的核心在于对YOLOv5框架的整体改造与优化,旨在实现资源占用最小化与检测性能的最优化平衡... 针对当前杂草检测算法普遍面临的模型参数量庞大、实时检测性能不佳以及难以适配移动除草设备等挑战,提出了一种高效且轻量化的网络模型。该模型的核心在于对YOLOv5框架的整体改造与优化,旨在实现资源占用最小化与检测性能的最优化平衡。具体而言,引入了基于Bottleneck设计的ShuffleNet V2网络作为YOLOv5的骨干架构,这一举措有效利用了ShuffleNet V2在保持高效推理速度的同时减少参数量的优势。进一步地,将原卷积模块与C3模块分别替换为CSconv模块和C3Ghost模块,这些轻量化组件不仅减轻了计算负担,还通过更高效的特征提取机制提升了模型性能。为增强模型在复杂多变环境中的目标识别能力,融入了无参数SimAM注意力机制,该机制无需额外学习参数即可动态调整特征图的重要性,从而增强了模型对关键信息的敏感度。同时,还集成了轻量级的空间组增强模块(SGE),该模块通过优化空间特征分布,进一步提升了模型的鲁棒性和准确性。为了验证改进后的模型能够适配移动设备,将此模型移植到Jetson nano开发板上进行试验,数据集为芝麻作物与杂草检测数据集。实验数据表明:经过这一系列改进后,新模型的参数量仅为原始YOLOv5网络的1/5,模型体积压缩至2.9MB,在开发板上的帧率为23fps,一般摄像头拍摄的视频帧率为25fps,基本可以在开发板上流畅运行,尽管模型准确率略有下降(仅0.09%),但这一微小牺牲换来了模型在资源受限条件下的卓越表现,实现了检测精度与计算效率的完美平衡。 展开更多
关键词 轻量化网络 YOLOv5 ShuffleNet V2 simam注意力机制
在线阅读 下载PDF
基于YOLOv8-pose的人体姿态检测模型 被引量：1
14
作者 方晓柯 黄俊 《激光杂志》 北大核心 2025年第3期50-57,共8页
针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFP... 针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFPN模块替换原模型中的特征融合模块,保留小目标信息的同时,融合更多的浅层信息,以提高识别准确度。最后,为了进一步加强对关键部位的捕获和分析能力,引入了SimAM注意力机制,对局部特征进行加权处理。实验结果表明,在CrowdPose数据集上,该算法的检测精度达到了74.5%,比原模型高出了3.3%。与原YOLOv8-pose模型相比,改进后的模型不仅具有更高的检测精度,而且在小目标的识别效果上也有显著的提升。由此可见,改进后的网络能更加精确、有效地应用于多人人体姿态检测。 展开更多
关键词 姿态识别 关节点检测 YOLOv8-Pose DCNV2 simam
在线阅读 下载PDF
基于改进EfficientNet v2模型的玉米叶片病害识别 被引量：1
15
作者 谢琬 崔艳荣 《江苏农业科学》 北大核心 2025年第9期207-215,共9页
针对真实环境下玉米叶片病害识别准确率不高、传统模型难以适应复杂背景等问题,提出一种改进轻量化模型EfficientNet v2的识别方法。首先,收集患有玉米细菌性枯萎病、普通锈病、玉米灰斑病3种病害的玉米叶片和玉米健康叶片,通过4种数据... 针对真实环境下玉米叶片病害识别准确率不高、传统模型难以适应复杂背景等问题,提出一种改进轻量化模型EfficientNet v2的识别方法。首先,收集患有玉米细菌性枯萎病、普通锈病、玉米灰斑病3种病害的玉米叶片和玉米健康叶片,通过4种数据扩充方法进行数据增强,提升模型识别和泛化能力;其次,以EfficientNet v2模型为基础,在Fused-MBConv模块中引入无参数注意力模块SimAM,不增加模型计算负担的同时提高对病害的识别能力;再次,为了增加组间通信,在模型中每1层的MBConv模块和Fused-MBConv模块中引入通道混洗操作,促进不同通道之间的信息流动和融合;最后,将模型中stem层中的传统卷积替换为空洞卷积,增大感受野,使模型在初始阶段就捕捉到更多有用的信息,有助于提升网络的整体特征提取能力。相比原模型,改进后的EfficientNet v2在Top-1准确率提高了1.52百分点,平均精确率提高了1.62百分点,平均召回率提高了1.68百分点,平均F_(1)分数提高了1.65百分点,参数量仅为20.2 M,在保持轻量化的同时提高了对3类常见玉米叶片病害以及健康叶片的识别效果。 展开更多
关键词 玉米叶片病害 EfficientNet v2 simam注意力模块 通道混洗操作 空洞卷积 图像识别
在线阅读 下载PDF
基于RCSI-YOLOv5的轴承表面缺陷检测方法
16
作者 卜扬 屈霞 +1 位作者 陈涛 武伟宁 《陕西科技大学学报》 北大核心 2025年第2期203-214,共12页
针对轴承表面缺陷检测中的小目标漏检、相似特征目标误检、高低质量样本不平衡等问题,提出一种基于RCSI-YOLOv5的轴承表面缺陷检测模型.在主干网络中构建Res2ConvModC3特征提取模块,来提高模型对浅层小目标的特征提取能力和对相似特征... 针对轴承表面缺陷检测中的小目标漏检、相似特征目标误检、高低质量样本不平衡等问题,提出一种基于RCSI-YOLOv5的轴承表面缺陷检测模型.在主干网络中构建Res2ConvModC3特征提取模块,来提高模型对浅层小目标的特征提取能力和对相似特征的辨别能力;在颈部网络前端设计CGCA注意力机制,增强网络对目标特征的定位能力;在检测头中加入了SimAM注意力机制,提高模型对微小缺陷目标的关注度;设计ISInner-CIoU计算边界框回归损失,缓解高低质量样本不平衡问题.实验结果表明,与原YOLOv5算法相比,RCSI-YOLOv5的mAP@0.5提升1.5%,F1-Score提升1%,凹槽、擦伤、划痕的AP分别提升2.1%、0.5%、1.7%,FNR分别降低1.3%、0.4%、2.1%.有效提升了模型的检测精度,减少了目标的漏检、误检. 展开更多
关键词 轴承表面缺陷检测 YOLOv5 卷积调制 CGCA simam ISInner-CIoU
在线阅读 下载PDF
基于改进YOLOv8的蜗杆表面缺陷检测
17
作者 王明基 郑鹏 +2 位作者 李季村 张豪杰 何青泽 《组合机床与自动化加工技术》 北大核心 2025年第6期147-152,158,共7页
小模数蜗杆广泛应用于精密传动机构中,由于加工设备、工艺和运输等多方面因素的影响,导致蜗杆产生各种表面缺陷,进而影响其表面质量和使用寿命。针对这一问题,研究提出了一种基于改进YOLOv8算法的蜗杆表面缺陷检测方法。首先,基于小模... 小模数蜗杆广泛应用于精密传动机构中,由于加工设备、工艺和运输等多方面因素的影响,导致蜗杆产生各种表面缺陷,进而影响其表面质量和使用寿命。针对这一问题,研究提出了一种基于改进YOLOv8算法的蜗杆表面缺陷检测方法。首先,基于小模数蜗杆的几何特点和材料特性,搭建了一套图像采集系统,并对YOLOv8算法进行了以下改进:替代DFL+Ciou损失函数为DFL+Eiou,并对Eiou损失函数进行优化,添加宽高平衡系数以提高边界框拟合效果,形成DFL+BEiou损失函数;在主干层中加入SimAM注意力机制,在颈部层加入CBAM注意力机制,以增强网络对关键区域的关注性;最后,通过优化模型训练策略,得出最终应用于蜗杆表面缺陷的网络模型。实验结果表明,改进后的算法性能优于现有算法,缺陷检测精度达94.8%,mAP@50达94.6%,整体性能满足蜗杆实际生产过程缺陷检测的要求。 展开更多
关键词 蜗杆检测 YOLOv8 simam CBAM DFL+BEiou
在线阅读 下载PDF
基于深度学习的轻量化木材表面缺陷检测系统研究
18
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
基于轻量融合语义分割的三维断层地震识别方法
19
作者 单慧琳 王兴涛 +3 位作者 徐宜俊 王志浩 黄浩瀚 张银胜 《吉林大学学报(地球科学版)》 北大核心 2025年第3期987-1000,共14页
当前基于深度学习的断层识别方法层出不穷,重点围绕U型网络开展研究,但U型网络使用了大量的常规卷积,在提高提取特征效果的同时忽略了特征冗余和过拟合问题,导致网络复杂度较高。为了在高精度识别的同时减少特征冗余、缓解过拟合问题,... 当前基于深度学习的断层识别方法层出不穷,重点围绕U型网络开展研究,但U型网络使用了大量的常规卷积,在提高提取特征效果的同时忽略了特征冗余和过拟合问题,导致网络复杂度较高。为了在高精度识别的同时减少特征冗余、缓解过拟合问题,本文提出一种轻量型融合语义分割网络(lightweight fusion semantic segmentation network,LF-SeNet)用于三维断层识别。相较于传统的断层识别网络,LF-SeNet将跳跃连接思想和特征融合相结合,其中,轻量型特征融合模块包含三维可分离卷积、SimAM(simple attention module)、Dropout层和有限矩阵乘积操作,有效地保证了特征提取的效果。为了有效降低网络的复杂度,本文将空洞卷积和轻量型特征融合模块相结合,一方面降低了网络的计算量,另一方面减少了常规卷积带来的特征冗余问题。除此之外,本文采用Dropout层和数据增强手段,提高了网络的泛化能力,缓解了过拟合问题。将该方法在FaultSeg3D数据集上进行实验,结果表明,LF-SeNet的参数量为2.56M,浮点运算次数相较于传统的U型网络降低了95.59G,交并比提升了2%。最后,本文使用三维数据合成技术将断层识别图进行可视化操作,实验结果显示LF-SeNet识别出的断层连续且清晰,说明该网络具有较好的泛化能力,证明了LF-SeNet在断层识别问题中的有效性。 展开更多
关键词 语义分割 simam 三维深度可分离卷积 断层识别
在线阅读 下载PDF
面向带钢表面缺陷的GSS-YOLO目标检测算法
20
作者 肖轶磊 汪诚 +3 位作者 渠逸 孔亚康 陈贤聪 王小旭 《空军工程大学学报》 北大核心 2025年第5期31-41,共11页
基于计算机视觉的智能检测技术应用于带钢材料工业生产时,漏检、错检情况严重和识别精度低下等问题频频发生,针对此业内痛点,提出一种基于Ultralytics框架的目标检测优化算法GSS-YOLO。该模型将GOLDYOLO算法的Neck网络与原始YOLOv8n有... 基于计算机视觉的智能检测技术应用于带钢材料工业生产时,漏检、错检情况严重和识别精度低下等问题频频发生,针对此业内痛点,提出一种基于Ultralytics框架的目标检测优化算法GSS-YOLO。该模型将GOLDYOLO算法的Neck网络与原始YOLOv8n有机融合,以提高模型对不同尺寸和形状缺陷的检测精度。为平衡不同缺陷种类识别效果的差距并降低网络结构的复杂性,引入了SlimNeck结构中的轻量级卷积VoVGSCSP和高效通道注意力机制SimAM 2个轻量级模块,提高模型的检测精度和泛化能力的同时,限制了模型计算量和权重体积的膨胀。依靠经典的带钢表面缺陷数据集NEU-DET,进行消融实验及横向对比实验。结果表明,模型的平均精度较基准模型提高了3.7%,且各类缺陷检测精度差距减小,均衡了检测精度和运行速度。所提模型相较于当前主流模型在检测精度具有一定优势,并对实际工业生产中的缺陷检测应用具有参考价值。 展开更多
关键词 带钢表面缺陷检测 Ultralytics GOLD-YOLO simam注意力机制
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 2 … 4 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