基于交叉注意力的车载环视系统外参标定算法

1

作者 黄书隽 林春雨 +2 位作者 覃雷栋 金智勇 赵耀 《北京交通大学学报》 北大核心 2025年第3期137-146,共10页

针对车载环视系统的多相机外参标定问题,本文提出一种基于交叉注意力机制的外参标定算法.首先通过残差卷积模块独立提取多视角图像的多尺度特征,以捕捉图像中的细节信息;其次,利用交叉注意力模块学习各相机图像的全局特征及其相邻相机... 针对车载环视系统的多相机外参标定问题,本文提出一种基于交叉注意力机制的外参标定算法.首先通过残差卷积模块独立提取多视角图像的多尺度特征,以捕捉图像中的细节信息;其次,利用交叉注意力模块学习各相机图像的全局特征及其相邻相机图像之间的特征关系,从而增强特征表达能力;再次,通过特征融合模块整合残差卷积模块和交叉注意力模块的特征,并回归外参参数;最后,在两种数据集上从性能评价和消融实验角度对模型进行验证.研究结果表明:与现有基于车道线和纹理的外参标定算法相比,本文算法在不同环境下具有更好的泛化性和鲁棒性,其性能指标和鸟瞰图拼接可视化结果均有显著提升;与现有的外参标定算法相比,所提出算法在绝对重投影误差和绝对光度误差上分别达到3.1和16.7,相较于目前最优的深度学习算法弱监督外参参数标定网络(Weakly-supervised Extrinsic Self-calibration Network,WESNet)分别提升了8.82%和8.74%.该研究成果可为车载环视系统的外参在线标定提供技术支撑. 展开更多

关键词 环视系统 深度学习 交叉注意力机制 外参标定

在线阅读 下载PDF 职称材料

基于Multi-WHFPN与SimAM注意力机制的版面分割 被引量：1

2

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 职称材料

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

3

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 职称材料

基于XMem-SimAM的半监督猪只视频分割方法

4

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 职称材料

基于多级循环优化网络的复杂光照高光谱反射率无参重建方法

5

作者 张贺 高昆 +5 位作者 柯坤鑫 王敬宜 张泽丰 胡柏杨 杨纪元 程灏波 《光谱学与光谱分析》 北大核心 2025年第8期2174-2182,共9页

光谱反射率重建旨在从高光谱图像中计算得到物体表面对入射光的真实反射率分布情况,是定量遥感等高光谱成像应用领域中研究的重要内容。传统的反射率重建方法主要依赖于统计学模型,往往需要稳定的平场光照条件或参考图像等先验信息来进... 光谱反射率重建旨在从高光谱图像中计算得到物体表面对入射光的真实反射率分布情况,是定量遥感等高光谱成像应用领域中研究的重要内容。传统的反射率重建方法主要依赖于统计学模型,往往需要稳定的平场光照条件或参考图像等先验信息来进行反射率估计。然而,在实际应用中如果缺乏参考图像等先验信息,尤其是当光照条件复杂多变的情况下,利用传统方法重建的精度并不理想。针对这一问题,将光照估计和反射率重建视为一个约束矩阵的分解问题,提出了一种用于光谱反射率重建的多级循环优化网络模型。该模型通过通道-空间混合注意力机制,自适应聚焦反射光谱图像的关键特征,强化非均匀、多光源光照条件下关键信息的提取与增强,提升重建鲁棒性。同时,通过联合引入低秩化与全变分正则化模块构建去噪机制:低秩正则化挖掘光照与反射率的潜在低维结构,抑制噪声干扰;全变分正则化则沿空间维度施加平滑约束,在提高重建精度的同时减少光谱突变与冗余信息,保障空间一致性。为了验证所提出方法的有效性,设计了相关的数据预处理、模型训练和评估方法。在训练过程中以KAUST高光谱数据集为训练集,测试中模拟添加了不同类型的入射光源场景,并以CIE 196410°标准观察者色彩匹配函数为基准,将高光谱图像转化为彩色图像进行可视化展示和性能的定量化评价。实验结果表明,所提出无参考反射率重建方法较传统统计类的重建方法和当前流行的深度学习类重建方法,在SAM、GFC等重建精度指标上更具优势;尤其在无定标白板作为参考的情况下,仍能保证光谱重建的精度,显示出本论文方法在复杂光照环境下具有更好的泛化能力和良好的重建精度。 展开更多

关键词 光谱反射率 多级循环优化 混合注意力机制 无参重建

在线阅读 下载PDF 职称材料

融合注意力机制和先验知识的刮板输送机异常煤块检测 被引量：12

6

作者 王渊 郭卫 +3 位作者 张传伟 贺海涛 赵栓峰 路正雄 《西安科技大学学报》 CAS 北大核心 2023年第1期192-200,共9页

刮板输送机作为综采工作面的主要运输设备,运行状态直接影响生产效率。在其工作过程中,由于采煤过程产生的较大煤块,易造成板刮输送机运输过程的拥堵。然而,煤矿工作环境的恶劣、煤的颜色属性等造成大块煤的检测异常困难,为此本文提出... 刮板输送机作为综采工作面的主要运输设备,运行状态直接影响生产效率。在其工作过程中,由于采煤过程产生的较大煤块,易造成板刮输送机运输过程的拥堵。然而,煤矿工作环境的恶劣、煤的颜色属性等造成大块煤的检测异常困难,为此本文提出一种融合注意力机制和先验知识的煤矿刮板输送机异常煤块检测模型。为兼顾异常煤检测的准确性与实时性,采用YOLO v4端到端检测模型同时检测出异常煤块的类别信息;考虑到刮板输送机中包含与异常煤块无关的信息,以神经科学和空间抑制思想为基础,构建一种以能量函数为载体的注意力机制检测刮板输送机中不同区域异常煤块,提高异常煤块的检测精度;针对基于深度神经网络的异常煤块检测过多依赖数据且泛化能力较低,受人们经验学习影响的问题,提出具备特征提取的先验知识来降低模型对数据的依赖和提高模型的检测效率;构建了煤矿实际生产场景中异常煤块检测数据集。结果表明:与其他模型相比,所提出模型在测试集上的检测精度可达90.28%,相比YOLO v3和YOLO v4分别提高了5.82%和5.17%,明显优于其他模型;检测速度每秒可达28帧,满足实时检测的需求,同时验证了本文所提出注意力机制和先验知识模型的有效性。 展开更多

关键词 刮板输送机 煤块检测 目标检测 simam注意力机制 YOLO 先验知识

在线阅读 下载PDF 职称材料

基于NanoDet-SimAM小尺寸松材线虫病受害木检测 被引量：3

7

作者 刘芳 姜生伟 +1 位作者 张峻豪 何姗 《沈阳工业大学学报》 CAS 北大核心 2024年第4期428-433,共6页

针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声... 针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声和模拟光照强度等数据处理方式扩充数据集,设计轻量级深度网络NanoDet和SimAM注意力模块融合模型NanoDet-SimAM对小尺寸松材线虫受害木进行精准检测。结果表明,该模型相较于Faster R-CNN、Yolov4、Yolov5s及NanoDet等检测网络模型,具有更高的检测精度、速度和稳定性。 展开更多

关键词 松材线虫病 目标检测 轻量级网络NanoDet 注意力机制 无参注意力 迁移学习 数据增强 小尺寸

在线阅读 下载PDF 职称材料

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 职称材料

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 职称材料

基于改进YOLOv8的汽车门板紧固件检测算法

10

作者 王晓辉 贾韫硕 郭丰娟 《计算机工程与设计》 北大核心 2025年第1期298-306,共9页

针对汽车门板紧固件在复杂场景下存在的检测准确度较低和实时性较差的问题,提出一种小目标改进算法YOLOv8-SOD(small object detection)。在主干网络引入SPD(space-to-depth)模块和自适应权重分配模块,在算法的颈部网络输出位置增加选... 针对汽车门板紧固件在复杂场景下存在的检测准确度较低和实时性较差的问题,提出一种小目标改进算法YOLOv8-SOD(small object detection)。在主干网络引入SPD(space-to-depth)模块和自适应权重分配模块,在算法的颈部网络输出位置增加选择性注意力模块,将CIOU损失函数替换为MPDIOU损失函数。实验结果表明,YOLOv8-SOD算法平均检测精度为99.1%,比模板匹配方法和YOLOv8算法分别提高了9.4%、2%,达到了工厂生产流水线的检测标准,具有实用价值。 展开更多

关键词 汽车门板紧固件检测 小目标 自适应权重分配 无参注意力 选择性注意力 损失函数 深度学习

在线阅读 下载PDF 职称材料

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 职称材料

针对移动除草设备的YOLOv5轻量级网络优化与杂草检测方法

12

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 职称材料

基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型 被引量：2

13

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 职称材料

改进ConvNeXt网络的树种识别方法

14

作者 杨兵兵 许杰 《林业科学》 北大核心 2025年第2期31-39,共9页

【目的】为提高树种识别工作的效率和准确率,提出一种利用迁移学习策略并引入SimAM注意力机制和ECA通道注意力机制的ConvNeXt树种识别模型。【方法】以12种常见树种的树皮图像为研究对象,通过传统数据增强方法对数据进行扩充,防止模型... 【目的】为提高树种识别工作的效率和准确率,提出一种利用迁移学习策略并引入SimAM注意力机制和ECA通道注意力机制的ConvNeXt树种识别模型。【方法】以12种常见树种的树皮图像为研究对象,通过传统数据增强方法对数据进行扩充,防止模型过拟合。使用SimAM和ECA通道注意力机制构建以ConvNeXt为基础的改进网络,增强特征提取的SA-ConvNeXt、增强重要特征权重的E-ConvNeXt、结合两者的ES-ConvNeXt,测试数据集在增强前后对ES-ConvNeXt网络准确率的影响。使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络,与ES-ConvNeXt模型识别效果进行比较。【结果】SA-ConvNeXt和E-ConvNeXt准确率分别达到(95.14±0.42)%、(96.085±0.235)%,ES-ConvNeXt在增强后数据集测试的准确率达到(97.445±0.635)%,对单一树种识别准确率均超过93%,最高类别准确率达到99.79%,为最优方案。经数据增强后进行训练的模型与使用原始数据进行训练的模型相比,其验证集的准确率和损失值,无论是收敛速度还是最终稳定值都是最优。数据集相同时,使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络的识别准确率,分别为92.74%、94.47%、90.52%、92.85%、70.38%、94.72%,均低于新改进模型ES-ConvNeXt(97.81%),进一步说明了改进后的ESConvNeXt模型的有效性。【结论】数据增强对模型准确率提升有效,在数据增强后的数据集上,改进后的ESConvNeXt模型与其他模型相比可以更加准确地完成树种分类任务,在不同树种上也有较好的泛化能力。 展开更多

关键词 树种识别 ConvNeXt simam注意力机制 ECA通道注意力机制

在线阅读 下载PDF 职称材料

基于改进EfficientNet v2模型的玉米叶片病害识别

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 职称材料

基于轻量化神经网络的桃树叶片病害检测方法

16

作者 王博 胡蓉华 《江苏农业科学》 北大核心 2025年第5期138-146,共9页

针对当前桃树叶片病害检测存在精度低、漏检和误检的问题,以及将网络部署到移动端后由于参数量和计算量过大而导致检测速度慢的问题,提出以YOLO v5网络为基础的一系列改进方法。首先,使用EIoU边界框回归损失函数加快预测框收敛过程,使... 针对当前桃树叶片病害检测存在精度低、漏检和误检的问题,以及将网络部署到移动端后由于参数量和计算量过大而导致检测速度慢的问题,提出以YOLO v5网络为基础的一系列改进方法。首先,使用EIoU边界框回归损失函数加快预测框收敛过程,使得模型训练和推理过程更加高效;然后,引入SimAM注意力机制,在不增加额外的参数量和计算量的基础上提升网络检测精度;最后,引入GhostNet网络,该网络的核心Ghost模块将原始卷积层分成2个部分,然后使用较少的卷积核生成内在特征映射,继而通过廉价的线性运算生成Ghost特征图,这一设计在保证整体网络精度的情况下,明显降低网络的参数量、计算量和权重大小。结果表明,改进后的YOLO v5s网络的所有评价指标远优于YOLO v3、YOLO v4、YOLOX、CenterNet等网络,相较于基准YOLO v5s,平均检测精度提升了3.6百分点,达到了94.8%,参数量下降了47.6%,GFLOPs减少了49.4%,权重压缩了45.5%,检测速度达到96帧/s。综上,改进后的YOLO v5s网络检测精度更高,且整体的参数量、计算量以及模型权重更小,更适应移动端和物联网设备的实时检测需求。 展开更多

关键词 轻量化检测模型 桃树叶病害检测 GHOST simam注意力机制 轻量化神经网络 YOLO v5

在线阅读 下载PDF 职称材料

面向焊点缺陷的轻量化YOLOv9检测算法

17

作者 刘兆龙 曹伟 高军伟 《仪表技术与传感器》 北大核心 2025年第2期116-121,共6页

针对当前PCB焊点缺陷检测中存在计算量大的问题,提出一种基于改进YOLOv9的轻量化目标检测算法Sim-YOLOv9-c。首先,通过去掉采样倍数较大的检测头,重新设计PGI辅助可逆分支与主干网络进行连接,减少模型复杂程度。引入幻影卷积(GhostConv... 针对当前PCB焊点缺陷检测中存在计算量大的问题,提出一种基于改进YOLOv9的轻量化目标检测算法Sim-YOLOv9-c。首先,通过去掉采样倍数较大的检测头,重新设计PGI辅助可逆分支与主干网络进行连接,减少模型复杂程度。引入幻影卷积(GhostConv)代替常规卷积,减少计算量。通过在GELAN网络中集成无参注意力机制(SimAM),生成可靠梯度信息。实验结果证明,改进后的Sim-YOLOv9-c模型mAP达到了93%,较原模型提高了2.1%,参数量降低了48.8%,浮点运算次数降低了22.5%,并在公开数据集验证了其有效性。 展开更多

关键词 焊点缺陷检测 YOLOv9 轻量化 幻影卷积 无参注意力

在线阅读 下载PDF 职称材料

基于改进YOLOv9算法的花生叶部虫害检测应用

18

作者 左沛全 刘诺晗 +1 位作者 王昊 曹丽君 《中南农业科技》 2025年第5期108-111,138,共5页

为实现自然环境下花生叶部虫害的快速准确检测,针对花生叶部害虫体积小、植物遮挡混杂难识别的问题,提出一种基于YOLOv9-SimAM的花生叶部虫害检测算法。在YOLOv9的头部网络中引入了SimAM注意力机制,以增强对关键特征的捕捉能力。该方法... 为实现自然环境下花生叶部虫害的快速准确检测,针对花生叶部害虫体积小、植物遮挡混杂难识别的问题,提出一种基于YOLOv9-SimAM的花生叶部虫害检测算法。在YOLOv9的头部网络中引入了SimAM注意力机制,以增强对关键特征的捕捉能力。该方法以YOLOv9作为基准模型,并集成了多种注意力机制模块进行对比试验,以评估其对模型性能的影响。经过多次对照试验后选择了表现最佳的YOLOv9-SimAM作为改进模型,并在花生叶部害虫数据集上进行了测试。结果表明,YOLOv9-SimAM在mAP50指标上相较于基准算法实现了6.8个百分点的提升。此外,与YOLOv9-SE、YOLOv9-SKA、YOLOv9-SCSA、YOLOv9-CBAM和YOLOv9-ECA等其他变体相比,YOLOv9-SimAM在mAP50上分别提高了1.2、2.1、3.8、5.0、5.7个百分点。 展开更多

关键词 花生 叶部虫害检测 YOLOv9 注意力机制 simam

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的输电通道隐患目标检测方法

19

作者 邢志鹏 郑含博 +2 位作者 崔明蕙 李金恒 梁炎燊 《中国测试》 北大核心 2025年第2期155-161,共7页

针对“三跨”输电线路容易受到外力破坏引发安全事故的问题,文章通过构建隐患目标数据集,提出基于改进YOLOv5s的输电通道隐患目标检测模型。一方面在模型头部引入SimAM(a simple,parameter-free attention module)注意力机制模块以加强... 针对“三跨”输电线路容易受到外力破坏引发安全事故的问题,文章通过构建隐患目标数据集,提出基于改进YOLOv5s的输电通道隐患目标检测模型。一方面在模型头部引入SimAM(a simple,parameter-free attention module)注意力机制模块以加强隐患目标在提取特征中的权重,另一方面使用WIoU(wise intersection over union)代替模型原始的CIoU(complete intersection over union)作为边界框回归损失函数以提高预测边界框的回归预测精度。实验结果表明,相较于基线模型,该文提出模型在参数量不变的同时,准确率上升了2百分点,召回率提高了1.1百分点;在阈值为0.5和0.5∶0.95时的精度分别提升了1.4百分点和1百分点;与当前主流的目标检测模型RetinaNet、SSD(single shot multibox detector)和YOLOv3进行对比评估,该文提出的模型精度明显高于其他三种模型。提出的改进方法可为输电通道防外破研究提供一种新思路。 展开更多

关键词 输电通道 防外力破坏 目标检测 simam注意力机制 Wise-IoU损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8模型的树线接地故障识别

20

作者 王洪江 刘金圣 +3 位作者 赵宏 赵婷婷 代钦 高英才 《辽宁工程技术大学学报(自然科学版)》 北大核心 2025年第1期113-119,共7页

为提升电力系统中树线接地故障检测的识别效果,提出一种改进YOLOv8模型。该模型通过插入SimAM注意力机制增强特征表示能力,采用GIoU损失函数提升边界框预测的准确性,提高模型在复杂环境下的故障识别性能。为验证改进YOLOv8模型的性能进... 为提升电力系统中树线接地故障检测的识别效果,提出一种改进YOLOv8模型。该模型通过插入SimAM注意力机制增强特征表示能力,采用GIoU损失函数提升边界框预测的准确性,提高模型在复杂环境下的故障识别性能。为验证改进YOLOv8模型的性能进行消融实验、SimAM注意力机制模块的插入位置变化实验、损失函数选择实验,以及与其他识别模型的对比实验。实验结果表明:改进YOLOv8模型的识别精确度、召回率、平均精度均最高。该模型有效提高了树线接地故障检测图像的识别精度,为输电线路的智能化运维提供技术支持。 展开更多

关键词 电力系统 树线接地故障 YOLOv8模型 simam注意力机制 GIoU损失函数

在线阅读 下载PDF 职称材料