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337篇文章
< 1 2 … 17 >
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：
基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统目标检测应用 被引量：24
1
作者 王书献 张胜茂 +5 位作者 朱文斌 孙永文 杨昱皞 隋江华 沈烈 沈介然 《大连海洋大学学报》 CAS CSCD 北大核心 2021年第5期842-850,共9页
为评估金枪鱼延绳钓系统运行质量、降低人工成本,以及从金枪鱼延绳钓系统电子监控EMS系统中提取浮球、金枪鱼数量等信息,本文提出一种基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统浮球及金枪鱼目标检测方法,从HNY722远洋渔船... 为评估金枪鱼延绳钓系统运行质量、降低人工成本,以及从金枪鱼延绳钓系统电子监控EMS系统中提取浮球、金枪鱼数量等信息,本文提出一种基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统浮球及金枪鱼目标检测方法,从HNY722远洋渔船EMS系统视频监控数据中截取包含有目标浮球和金枪鱼的15578帧关键帧,将所有关键帧及其标记文件划分为14178个训练数据及1400个验证数据,基于YOLOV5s、YOLOV5l、YOLOV5m、YOLOV5x等4种YOLOV5神经网络模型,设计分组训练试验对比训练效果。结果表明:参与训练的4种神经网络模型均可完成金枪鱼延绳钓电子监控系统的目标检测任务,但网络模型的选择对广义交并比损失(GIoU loss)、目标检测损失(objectness loss)、准确率(precision)、召回率(recall)、多类别平均精度值(mAP)等参数具有显著性影响(P<0.05),对目标分类损失(classification loss)参数无显著性影响(P>0.05);检测效果表现较好的模型是YOLOV5l和YOLOV5m,二者的mAP@0.5值分别为99.1%和99.2%,召回率分别为98.4%和98.3%,但YOLOV5m网络模型在GIoU损失等表现上劣于YOLOV5l。研究表明,4种网络模型中YOLOV5l模型是最适合应用于金枪鱼延绳钓电子监控系统目标检测的网络模型。 展开更多
关键词 金枪鱼 延绳钓 yolov5神经网络 视频信息提取
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
2
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YOLOv5n模型改进的口罩检测算法:Mask-YOLO
3
作者 李毅 徐慧英 +3 位作者 朱信忠 黄晓 王舒梦 李悉钰 《计算机工程》 北大核心 2025年第6期297-310,共14页
口罩作为基础的个人防护物品,在公共卫生领域发挥着重要作用。针对复杂场景下口罩检测精确度低的问题,提出一种基于YOLOv5n改进的轻量级口罩检测算法Mask-YOLO,以提高口罩检测精确度和模型训练的稳定性。在特征提取阶段的卷积模块组中采... 口罩作为基础的个人防护物品,在公共卫生领域发挥着重要作用。针对复杂场景下口罩检测精确度低的问题,提出一种基于YOLOv5n改进的轻量级口罩检测算法Mask-YOLO,以提高口罩检测精确度和模型训练的稳定性。在特征提取阶段的卷积模块组中采用Softplus激活函数,提升模型非线性映射效率,加快模型的收敛速度;在主干特征提取深层网络中添加Coordinate Attention,通过嵌入位置信息得到通道注意力,使网络获取更大的物体区域信息和通道目标特征,同时避免较大的内存开销;在深层网络将快速空间金字塔池化(SPPF)模块替换为接受域模块(RFB),借助不同的膨胀率来扩大卷积特征采样的感受野,以获取高层网络中丰富的物体语义信息;在多尺度特征融合网络PANet结构的基础上,添加BiFPN跨阶段多尺度特征融合设计,使得具有不同尺度空间信息和语义信息的目标特征充分融合交互,进一步提升小目标检测精度;采用DIoU作为边界框损失函数,用以解决边界框回归不稳定和目标漏检的问题;采用Soft-NMS的方法,通过降低重叠检测框置信度得分的方式,进一步提升检测效率。实验结果表明,Mask-YOLO与基准模型YOLOv5n相比,在mAP@0.95综合评价指标上性能提升8.58%,解决了原始YOLOv5n算法在口罩检测中小目标检测精度低、边界框回归不稳定、模型训练收敛慢等问题,实现了高效的口罩检测。 展开更多
关键词 目标检测 口罩检测 特征融合 yolov5n 特征金字塔网络
在线阅读 下载PDF
基于YOLOv5改进模型的金属表面缺陷检测实验研究
4
作者 赵辉 陈志峰 +2 位作者 章佳伟 李骁凡 魏震杨 《实验技术与管理》 北大核心 2025年第1期66-74,共9页
金属零部件的表面缺陷检测是汽车等产品生产过程中的重要环节,以往采用人工检视或传统光学筛选方法,该方法难以满足现代工业生产的高效性和准确性要求。该研究源于校企协同育人的创新课题,从企业提出的实际问题出发,选取汽车喷油管表面... 金属零部件的表面缺陷检测是汽车等产品生产过程中的重要环节,以往采用人工检视或传统光学筛选方法,该方法难以满足现代工业生产的高效性和准确性要求。该研究源于校企协同育人的创新课题,从企业提出的实际问题出发,选取汽车喷油管表面缺陷作为研究案例。为了提高对弱小缺陷的检测准确率和速度,提出了一种基于YOLOv5轻量化模型的改进结构:YOLOv5n-STSL。该模型通过改进原模型中的卷积模块C3为C2f模块,在保证轻量化的同时获取了更丰富的梯度信息流;通过往浅层特征图移动检测分支,增加不同层次的特征融合,提高了弱小目标的特征提取和检测能力;同时改进锚框anchors的计算评估策略,确保锚框与真实缺陷的边界框有更高的匹配精度,从而提高定位和分类的准确性。实验表明,缺陷检测精度达到97.8%,相对于原基础模型YOLOv5n,检测精度提高了5%,最后将模型部署到嵌入式设备JestonNano,采用TensorRT推理引擎加速推理实验,帧速可达21帧/s,更好地满足了金属表面缺陷自动检测实时性的应用需求。 展开更多
关键词 缺陷检测 模型改进 yolov5n-STSL ANCHORS 设备部署
在线阅读 下载PDF
基于压缩图像与YOLOv5模型的架空输电线路缺陷检测技术 被引量：1
5
作者 刘敏 姜亮 +2 位作者 田杨阳 张璐 陈岑 《沈阳工业大学学报》 北大核心 2025年第2期152-159,共8页
【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,... 【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,无论何种方式都需要处理大量可视化、红外或者紫外照片。但由于输电线路的特殊性,架设条件涉及多种环境,其巡检图像背景通常较为复杂,采用人工复核审查的方式精度较高,但对经验依赖较大且效率极低。如何快速、准确地识别架空线路巡检图片是架空输电线路缺陷识别的关键。传统输电线路巡检图片识别方法在复杂背景的干扰下,容易出现缺陷识别精确度不高的问题。【方法】为提高架空输电线路巡检图像复杂背景下的检测准确率,提出了一种兼顾识别效率和准确性的缺陷检测方法。基于压缩图像技术并结合YOLOv5模型,设计了一种基于稀疏卷积的非对称特征聚合压缩算法,将原始图像通过编码减少图像存储所需空间以便于存储和传输,经过信息通道传输到解密器后,再将压缩图像进行解码复原以提升局部集合特征的学习效率。同时,通过融入通道空间注意力模块从特征图中得到注意力通道权重矩阵和空间权重矩阵,并通过权重矩阵判断特征图区域的重要程度,完成对YOLOv5模型处理效率的提升。【结果】将压缩恢复后的图像输入改进YOLOv5模型中,利用通道注意力模块(CAM)和空间注意力模块(SAM)分别对图像进行通道与空间上的注意力数据处理,通过全局平均池化和最大池化处理增强目标区域的特征,并引入空间注意力模块增强通道注意力对特征位置信息的关注,以检测出存在缺陷的设备,并通过实验验证了方法的有效性。【结论】以某架空线路的巡检图像数据集为基础,对检测方法开展训练与测试,结果表明,巡检图像经所提技术压缩后,尺寸明显减小,恢复后的图像尺寸较原图约降低了3 MB且未出现失真;改进YOLOv5模型具有较高的检测精确度,其检测准确率和时间分别为0.91和0.87 s,算法在降低图像尺寸提升检测速度的同时保证了检测准确率。 展开更多
关键词 架空输电线路 缺陷检测 图像压缩 改进yolov5模型 非对称特征聚合编解码网络 通道空间注意力模块 逐通道稀疏残差卷积 检测准确率
在线阅读 下载PDF
基于改进YOLOv5的机械制造业企业安全风险管理模型
6
作者 张浩 艾尔肯·亥木都拉 《中国安全科学学报》 北大核心 2025年第3期52-59,共8页
为提升机械制造业企业安全风险管理的效率与精确性,融合贝叶斯网络与机器视觉技术,基于改进的YOLOv5计算作业现场安全隐患事件交并比(IoU)值,利用审计风险评估结合层次分析法(AHP)得出危险权重确定贝叶斯网络根节点的先验概率,建立贝叶... 为提升机械制造业企业安全风险管理的效率与精确性,融合贝叶斯网络与机器视觉技术,基于改进的YOLOv5计算作业现场安全隐患事件交并比(IoU)值,利用审计风险评估结合层次分析法(AHP)得出危险权重确定贝叶斯网络根节点的先验概率,建立贝叶斯网络模型与设计管理体系,实现闭环控制,构建一种机械制造业企业安全风险管理模型,并经实例验证。结果表明:该模型有着较为准确的识别与评估能力,能够发现一些潜在的安全隐患,据此可对现行的管理流程作适当优化。同时,该模型还能够实现定性与定量分析的有效结合,把专家经验和数据量化成果相互融合、彼此印证,使得风险评估结果在科学性与可靠性方面有一定提升,可为安全风险管理工作提供一个实用的新思路。 展开更多
关键词 机械制造业企业 安全风险管理 贝叶斯网络 机器视觉 改进yolov5 层次分析法(AHP) 先验概率
在线阅读 下载PDF
基于BP神经网络的15Cr14Co12Mo5Ni2齿轮钢本构模型建立及热加工图研究
7
作者 朱鹏 冯玮 《塑性工程学报》 北大核心 2025年第8期177-186,共10页
为了建立15Cr14Co12Mo5Ni2钢本构模型,利用Gleeble-3500热模拟试验机在变形温度为860~1160℃,应变速率为0.01~5 s^(-1)下进行了单道次热压缩实验,得到了15Cr14Co12Mo5Ni2钢在不同工艺参数下的应力-应变曲线。基于应力-应变实验数据,通... 为了建立15Cr14Co12Mo5Ni2钢本构模型,利用Gleeble-3500热模拟试验机在变形温度为860~1160℃,应变速率为0.01~5 s^(-1)下进行了单道次热压缩实验,得到了15Cr14Co12Mo5Ni2钢在不同工艺参数下的应力-应变曲线。基于应力-应变实验数据,通过试凑法确定了层数为3×10×3×1(双隐含层)的BP神经网络本构关系预测模型,建立了不同变形条件下的三维功率耗散图、三维失稳图及热加工图。计算了基于应变补偿的Arrhenius模型和基于BP神经网络的本构模型的应力-应变预测值与实验值的误差,确定了齿轮钢最佳变形工艺条件。基于BP神经网络的本构模型和基于应变补偿的Arrhenius本构模型预测的流动应力均方误差分别为20.9415和109.2035,平均相对误差分别为0.0216和0.0501,确定的齿轮钢最佳成形温度和应变速率范围分别为1110~1160℃和0.01~0.33 s^(-1)。结果表明:基于BP神经网络建立的本构模型能更准确地预测15Cr14Co12Mo5Ni2钢的流动行为。 展开更多
关键词 15Cr14Co12Mo5Ni2钢 热压缩实验 BP神经网络 本构模型 热加工图
在线阅读 下载PDF
基于YOLOv5s模型的北极气旋目标检测方法
8
作者 王钰坤 谢涛 +2 位作者 向儒萱毅 张雪红 白淑英 《极地研究》 北大核心 2025年第1期1-10,共10页
北极气旋是影响北极环境的主要天气系统之一,对其准确识别对北极航海保障具有至关重要的意义。本文基于欧洲中期天气预报中心推出的第五代大气再分析产品(ERA5)平均海平面气压数据,构建北极气旋目标检测的数据集,训练北极气旋识别的深... 北极气旋是影响北极环境的主要天气系统之一,对其准确识别对北极航海保障具有至关重要的意义。本文基于欧洲中期天气预报中心推出的第五代大气再分析产品(ERA5)平均海平面气压数据,构建北极气旋目标检测的数据集,训练北极气旋识别的深度学习目标检测You Only Look Once version5(YOLOv5s)模型,并与其他深度学习目标检测模型Single Shot Multibox Detector(SSD)、Faster R-CNN、YOLOv4进行性能的验证与比较。试验结果表明,YOLOv5s的检测精确率、平均准确率和刷新频率分别为95.26%、98.09%和64.85 s–1,刷新频率较其余4种模型中效果最好的SSD模型提高了15.65 s–1。YOLOv5s模型检测速度快、精度高且具有更好的识别能力,能够有效识别北极气旋目标,对北极气旋的识别具有较好的应用前景。因此,本文选取2021年冬季、夏季的北极气旋进行个例分析。结果显示,冬季3月8日12时产生的北极气旋生命周期为48 h,平均强度为54.62,夏季9月21日6时的气旋生命周期为84 h,平均强度为42.82,符合北极气旋生命周期夏长冬短,气旋强度冬强夏弱的特点。YOLOv5s模型为北极气旋的检测识别提供了新方法和新思路。 展开更多
关键词 北极 北极气旋识别 ERA5 深度学习 yolov5s 模型
在线阅读 下载PDF
基于多路径动态卷积的YOLOv5无人机航拍目标检测模型
9
作者 宋苏 汪方正 +1 位作者 高建安 刘泓森 《现代电子技术》 北大核心 2025年第7期72-78,共7页
为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显... 为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显著减少模型参数量;其次,改进了损失函数,引入Focal⁃EIoU损失函数,更适合无人机航拍图像的特点,进一步提升了模型的检测精度;此外,将原本耦合的检测头进行了解耦处理,设计了轻量级解耦头,使分类、回归和置信度任务解耦处理,提高了检测精度和收敛速度,并合理控制了模型参数量。实验结果表明,改进后的DEP⁃YOLO模型在mAP@0.5指标上提升了9.6%,同时模型大小和参数量分别降低了77.93%和83.82%。综上所述,文中提出的综合改进策略显著提升了无人机航拍影像目标检测的精度,并实现了模型的轻量化,验证了其在航拍影像目标检测领域的有效性。 展开更多
关键词 目标检测 无人机航拍 yolov5 模型轻量化 动态卷积 解耦检测头 Focal⁃EIoU损失函数 特征提取
在线阅读 下载PDF
基于改进YOLOv5s网络模型的火灾图像识别方法 被引量：10
10
作者 梁金幸 赵鉴福 +1 位作者 周亚同 史宝军 《传感器与微系统》 CSCD 北大核心 2024年第1期157-161,共5页
提出了一种基于改进YOLOv5s网络模型的火灾图像识别方法。通过引入注意力机制改进特征提取网络,提高模型对特征的学习能力;通过添加大尺度检测层改进多尺度检测机制,执行K-Means聚类算法改进先验框,增强模型对小目标的识别能力。在实验... 提出了一种基于改进YOLOv5s网络模型的火灾图像识别方法。通过引入注意力机制改进特征提取网络,提高模型对特征的学习能力;通过添加大尺度检测层改进多尺度检测机制,执行K-Means聚类算法改进先验框,增强模型对小目标的识别能力。在实验数据集上的测试结果表明:改进的YOLOv5s网络模型相比原始模型在精确率、召回率和平均精度均值(mAP)指标上均有提升。改进模型的mAP为85.72%,帧率达54.66fps;在置信度上有了明显提升,对多目标和小目标的识别效果更好,并且有效降低了漏检和误检情况。所提出的火灾图像识别方法可适用于安防监控系统或智能机器人。 展开更多
关键词 火灾识别 注意力机制 多尺度检测 yolov5s网络模型
在线阅读 下载PDF
结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法 被引量：5
11
作者 熊俊涛 霍钊威 +4 位作者 黄启寅 陈浩然 杨振刚 黄煜华 苏颖苗 《华南农业大学学报》 CAS CSCD 北大核心 2024年第1期97-107,共11页
【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集... 【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。 展开更多
关键词 柑橘 夜间检测 主动光源 双向特征金字塔网络 yolov5s HSV颜色空间
在线阅读 下载PDF
基于YOLOv5s改进模型的堆叠螺栓抓取研究 被引量：2
12
作者 李凤洋 邱益 +3 位作者 陈江义 杨云峰 窦晓亮 郝树涛 《机电工程》 CAS 北大核心 2024年第8期1500-1507,共8页
在当前工业的螺栓生产过程中,堆叠螺栓的分拣工作依然需要人工完成,不仅工作效率低,而且会导致大量人力资源的浪费。针对这一问题,对YOLOv5网络模型进行了改进,提出了SE_YOLOv5网络模型。首先,在原网络的Neck部分删除了P′1特征层,减小... 在当前工业的螺栓生产过程中,堆叠螺栓的分拣工作依然需要人工完成,不仅工作效率低,而且会导致大量人力资源的浪费。针对这一问题,对YOLOv5网络模型进行了改进,提出了SE_YOLOv5网络模型。首先,在原网络的Neck部分删除了P′1特征层,减小了网络对浅层信息的提取,在不影响对大尺寸目标检测的前提下,提高了网络检测的实时性;然后,改进了Backbone模块,通过添加压缩与激励(SE)注意力机制,使网络更高效地聚焦于图像中的重要部分,增强了网络对堆叠螺栓检测的准确性;最后,提出了检测框重叠最小法,减少了抓取时夹爪与非目标螺栓的碰撞,并对螺栓检测框进行了抓取点位姿优化,提高了抓取的成功率。研究结果表明:SE_YOLOv5网络对堆叠螺栓检测的平均精度为86.5%,平均速度为13.02 FPS;相比于原YOLOv5s网络模型,SE_YOLOv5网络在检测精度上提升了1.2%,在检测速度上提升了2.71 FPS;相比于其他检测模型,SE_YOLOv5也具有更高的检测精度和检测速度。抓取结果证明,该模型能用于有效地指导机械臂进行螺栓抓取操作。 展开更多
关键词 堆叠螺栓分拣 SE_yolov5网络模型 压缩与激励注意力机制 重叠最小法 抓取操作 抓取点位姿优化
在线阅读 下载PDF
基于改进YOLOv5s车载雷达图像目标检测分类方法
13
作者 李家强 汪星宇 +2 位作者 杨志豪 刘浩波 陈金立 《现代雷达》 北大核心 2025年第4期38-45,共8页
针对车载毫米波雷达图像细节模糊、目标占比小的问题,提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集,获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息;然后将YOLOv5... 针对车载毫米波雷达图像细节模糊、目标占比小的问题,提出了一种基于YOLOv5s改进的目标检测分类网络。首先通过帧同步与最小外接矩形方法处理原始数据集,获得由相机、激光雷达联合标定的毫米波雷达距离-方位图像与标注信息;然后将YOLOv5s网络的上采样模块改进为CARAFE,使网络充分融合不同尺度特征,并改进网络损失函数为综合交并比损失函数(CIoU Loss),使预测结果更加精确;最后,通过网络解耦头(Decoupled head)采用不同的分支并行处理检测与分类问题。实测数据实验处理结果表明,该方法较原始YOLOv5s网络的mAP@0.5与mAP@0.5∶0.95分别提升了3.3%和2.0%,尤其适用于小目标检测,并能同时满足检测和分类精度与实时性要求,适合部署至车载嵌入式系统中。 展开更多
关键词 目标检测与分类 雷达图像 yolov5s网络 特征融合 解耦头
在线阅读 下载PDF
一种改进的基于YOLOv5s的轻量化航拍目标检测模型 被引量：3
14
作者 陈海燕 毛利宏 《计算机科学》 CSCD 北大核心 2024年第S02期465-472,共8页
无人机航拍图像背景复杂、目标密集且小目标占比大,加大了目标检测的难度。基于深度学习的目标检测模型计算复杂度高,难以部署在无人机搭载的嵌入式设备上。针对此问题,提出了一种改进的基于YOLOv5s的轻量化航拍图像目标检测模型。首先... 无人机航拍图像背景复杂、目标密集且小目标占比大,加大了目标检测的难度。基于深度学习的目标检测模型计算复杂度高,难以部署在无人机搭载的嵌入式设备上。针对此问题,提出了一种改进的基于YOLOv5s的轻量化航拍图像目标检测模型。首先将YOLOv5s主干网络的C3模块BottleNeck替换为轻量级的ShuffleNetv2网络,来降低模型的参数量和计算复杂度;其次在ShuffleNetv2网络中引入跨层信息交叉融合、SE通道注意力机制以及残差连接,来缓解卷积操作导致的特征通道数减少、网络中间层特征图的信息利用不充分问题;再次在YOLOv5s多尺度特征融合网络中引入SE通道注意力机制,来提高网络对关键特征的捕捉和提取能力;最后对改进的目标检测模型采用通道剪枝的方法使模型进一步轻量化。实验结果表明:在NWPU VHR-10数据集上,改进后的模型与YOLOv5s模型相比,目标检测的准确率和平均精度均值分别提升了3.5%,1.9%,模型的参数量和计算量降低了76%,48.7%,模型大小压缩了73.8%,检测速度提升了48%。 展开更多
关键词 目标检测 轻量化网络 yolov5s SE通道注意力机制 通道剪枝
在线阅读 下载PDF
基于YOLOv5改进的航拍图像目标检测算法
15
作者 郭业才 孙京东 Amitave Saha 《系统仿真学报》 北大核心 2025年第2期551-562,共12页
为解决小目标检测方法检测精度低、误检率高和漏检率高等问题,提出了FSD-YOLOv5算法,在YOLOv5算法的基础上进行了三方面的改进:用FocalEIoU代替了CIoU,提高了模型收敛速度和回归精度;针对CNN架构的缺陷,采用了一种新的CNN构建模块SPD-Co... 为解决小目标检测方法检测精度低、误检率高和漏检率高等问题,提出了FSD-YOLOv5算法,在YOLOv5算法的基础上进行了三方面的改进:用FocalEIoU代替了CIoU,提高了模型收敛速度和回归精度;针对CNN架构的缺陷,采用了一种新的CNN构建模块SPD-Conv;针对卷积神经网络降采样导致的特征图中小目标信息减少或丢失的问题,引入了特征重用来增加特征图中小目标的特征信息。仿真结果表明:FSD-YOLOv5的检测准确率为36.3%,比原算法提高了2.4%。 展开更多
关键词 yolov5 FocalEIoU SPD-Conv 密集卷积网络 航拍图像检测
在线阅读 下载PDF
基于TR-YOLOv5的绝缘子异常检测算法研究
16
作者 潘卫华 吕青苗 苏攀 《计算机应用与软件》 北大核心 2025年第8期263-272,共10页
为实现绝缘子异常的准确识别和定位,提出一种改进轻量级网络模型YOLOv5的绝缘子状态异常检测方法(TR-YOLOv5)。该文利用基于自注意力机制的Transformer-Encoder模块改进特征提取网络以提高模型的检测精度;新增一个针对小目标的预测层,... 为实现绝缘子异常的准确识别和定位,提出一种改进轻量级网络模型YOLOv5的绝缘子状态异常检测方法(TR-YOLOv5)。该文利用基于自注意力机制的Transformer-Encoder模块改进特征提取网络以提高模型的检测精度;新增一个针对小目标的预测层,并利用K-means聚类算法设计目标锚框参数,为后续特征融合提供更多低层特征信息;采用EIoU作为损失函数,优化Loss值曲线,结合多尺度数据增强策略以实现目标的高精度定位。实验结果表明,TR-YOLOv5模型准确率可达94.2%,能够有效识别绝缘子异常目标。 展开更多
关键词 绝缘子检测 异常识别 yolov5模型 Transformer-Encoder 损失函数
在线阅读 下载PDF
基于域自适应NWD-YOLOv5的复杂环境下水稻幼苗计数
17
作者 崔金荣 叶伟浩 +3 位作者 郑鸿 刘同来 齐龙 徐勇 《计算机工程》 北大核心 2025年第3期320-333,共14页
水稻种植初期经常会遇到绿色水藻等干扰微小水稻幼苗计数的复杂环境,使得微小水稻幼苗与背景难以区分,容易造成检测计数模型性能显著下降,然而目前通用的深度学习方法无法应对复杂跨域场景下的水稻幼苗检测计数任务。为此,提出一种基于... 水稻种植初期经常会遇到绿色水藻等干扰微小水稻幼苗计数的复杂环境,使得微小水稻幼苗与背景难以区分,容易造成检测计数模型性能显著下降,然而目前通用的深度学习方法无法应对复杂跨域场景下的水稻幼苗检测计数任务。为此,提出一种基于平均教师的域自适应NWD-YOLOv5模型,以解决无人机视角下的复杂环境微小水稻幼苗计数问题。为了提高模型对复杂背景下微小幼苗的检测计数能力,将基于平均教师模型的半监督域自适应训练策略集成到YOLOv5网络中,并且在YOLOv5的损失中使用基于归一化高斯Wasserstein距离(NWD)的预测框度量方法,来提高微小目标的正负样本分配准确性。实验结果表明:与原始的YOLOv5模型相比,改进模型泛化性能大幅提升,mAP@0.5值从60.0%提升到95.9%;与经典目标检测模型相比,所提的域自适应模型在mAP、模型大小和检测速度等指标上均有着较大优势;与传统人工方法相比,所提水稻幼苗计数方法准确率达到98.6%,计数时间仅为人工方法的1/5,决定系数R 2达到了0.9003;所提域自适应模型与监督学习方法Oracle性能接近,并且性能明显优于基准方法Source Only。所提方法可以大幅提高复杂多变环境下水稻植株计数的精度,能够作为水稻作物管理方法的技术支撑。 展开更多
关键词 水稻幼苗计数 平均教师模型 目标检测 yolov5 多目标跟踪
在线阅读 下载PDF
基于SSGB—YOLOv5s的轻量级马铃薯疫病检测方法
18
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
基于改进YOLOV5s的PCB表面缺陷检测研究
19
作者 陈敏 《包装工程》 北大核心 2025年第S1期198-204,共7页
针对印制电路板(Printed Circuit Board,PCB)表面缺陷存在的尺寸小、形状多样、漏检与错检率高等问题,本研究提出一种基于改进YOLOv5s的PCB缺陷检测模型。该模型通过以下创新点显著提升检测性能:首先,在主干网络中引入Adown下采样结构,... 针对印制电路板(Printed Circuit Board,PCB)表面缺陷存在的尺寸小、形状多样、漏检与错检率高等问题,本研究提出一种基于改进YOLOv5s的PCB缺陷检测模型。该模型通过以下创新点显著提升检测性能:首先,在主干网络中引入Adown下采样结构,在有效提取多尺度网络特征的同时,显著降低网络前后层间关联信息的丢失率;其次,创新性地提出一种小目标特征跨多层融合网络架构,通过构建跨多层特征融合机制,充分整合浅层细节特征与深层语义信息;进一步通过增加专用于微小缺陷检测的小感受野检测头,并融合坐标注意力机制,显著增强模型对微米级瑕疵的定位能力;在损失函数设计方面,创新性地将Focal损失函数和WIoUv3损失函数相结合,动态优化困难样本与简单样本的权重分配,有效加快算法收敛速度。实验结果表明,所提模型在保持实时性的同时实现卓越检测性能:mAP达到98.1%,推理速度为54 FPS。与基准模型相比,相较于原始YOLOv5s,本方法在精度、召回率和mAP上分别显著提升3.4%、3.7%和1.9%。该成果说明模型不仅能更好地满足工业场景高精度、高效率的PCB缺陷检测需求,更为智能制造质量管控提供了可靠的技术支撑。 展开更多
关键词 yolov5s PCB表面缺陷 Adown下采样 小目标特征跨多层融合网络
在线阅读 下载PDF
基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别
20
作者 毛清华 苏毅楠 +3 位作者 贺高峰 翟姣 王荣泉 尚新芒 《工矿自动化》 北大核心 2025年第1期11-20,103,共11页
针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。 展开更多
关键词 煤矿带式输送机 人员入侵危险区域 yolov8模型 遮挡目标检测 小目标检测 多尺度融合 C2fER模块 特征强化加权双向特征金字塔网络结构
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 … 17 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