结合局部强化和改进YOLOv8的隧道螺栓锈蚀检测

1

作者 武晓春 李鲁豫 《计算机工程与应用》 北大核心 2025年第19期249-259,共11页

针对地铁隧道检修环境光线不足,不可避免地导致人工检修螺栓准确率低、漏诊率高的问题,提出了基于局部强化(local enhancement algorithm,LEA)和改进YOLOv8的隧道螺栓锈蚀检测模型(YOLOv8s+LEA+MSSf+FL,YOLO-LMF),将人工检修变为智能检... 针对地铁隧道检修环境光线不足,不可避免地导致人工检修螺栓准确率低、漏诊率高的问题,提出了基于局部强化(local enhancement algorithm,LEA)和改进YOLOv8的隧道螺栓锈蚀检测模型(YOLOv8s+LEA+MSSf+FL,YOLO-LMF),将人工检修变为智能检测,提高检修效率。使用带有邻域检查(neighbor check)的局部强化算法增强螺栓锈蚀部位,使模型更好识别锈蚀特征。提出多尺度通道组混排卷积(multi-scale channel group shuffle convolution,MSCGSC),将MSCGSC融入YOLOv8的C2f(cross stage partial network fusion)模块中,得到新的模块MSSf(multiscale shuffle fusion),使模型更好地学习锈蚀螺栓与色斑在螺栓附近时的不同的表现,提高模型检测精度。考虑到锈蚀螺栓中困难样本限制了模型检测的精度且螺栓样本不平衡的问题,引入了焦点损失函数(focal loss,FL),降低数量庞大的样本在训练中所占的权重,使模型集中对分类困难样本的学习。实验结果表明:所提出的模型相较于原模型分别增长了0.032、0.05、0.011和0.003,参数量减少了10.4%。模型在地铁隧道螺栓数据集上具有更好的表现,能够为地铁隧道维护作业研发检测机器人提供参考,减少隧道养护工人工作量,提高工作效率。 展开更多

关键词 隧道螺栓 局部强化 YOLOv8 多尺度通道组混排卷积 焦点损失

在线阅读 下载PDF 职称材料

YOLOv8-DEL:基于改进YOLOv8n的实时车辆检测算法研究 被引量：7

2

作者 古佳欣 陈高华 张春美 《计算机工程与应用》 北大核心 2025年第1期142-152,共11页

车辆检测是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆检测模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convol... 车辆检测是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆检测模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络,以增强特征提取能力并使网络更轻量;添加的P2检测层能使模型更敏锐地定位和检测小目标,同时采用Efficient RepGFPN进行多尺度特征融合,以丰富特征信息并提高模型的特征表达能力;通过结合GroupNorm和共享卷积的优点,设计了一种轻量型共享卷积检测头,在保持精度的前提下,有效减少参数量并提升检测速度。与YOLOv8相比,提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上,mAP@0.5分别提高了4.8个百分点和1.2个百分点,具有实时检测速度(208.6 FPS和216.4 FPS),在检测精度和速度方面实现了更有利的折中。 展开更多

关键词 车辆检测 YOLOv8 DGCST Efficient RepGFPN 轻量级检测头

在线阅读 下载PDF 职称材料

基于OpenGL ES的移动端实时视频超分辨率显示

3

作者 陆晓华 王慈 《计算机工程》 北大核心 2025年第11期317-327,共11页

当前主流的视频超分算法主要应用在服务器端或离线视频转换等业务场景中,当部署到移动端设备时,存在计算复杂、推理速度慢等问题,特别是在实时音视频通信(RTC)业务场景中,这些主流的超分算法虽然在图像质量上可以满足精度需求,但是在处... 当前主流的视频超分算法主要应用在服务器端或离线视频转换等业务场景中,当部署到移动端设备时,存在计算复杂、推理速度慢等问题,特别是在实时音视频通信(RTC)业务场景中,这些主流的超分算法虽然在图像质量上可以满足精度需求,但是在处理时间上很难达到性能要求,从而影响算法的实际应用效果。提出一种基于卷积神经网络(CNN)改进的实时视频超分技术(OGSR)。首先采用分组卷积和通道混淆的方式,在基本不降低超分图像质量的条件下优化神经网络模型,成倍减小前向推理的计算量;其次使用OpenGL ES图形加速接口,将模型参数和通道数据布局成最快采样的纹理数据,上传显存以用于GPU的并行计算;最后在GPU的着色器(Shader)中通过渲染像素坐标反向计算通道索引和模型参数索引来实现超分算法的核心模块,从而达到像素级别的细粒度并发。实验结果表明,利用OGSR对QVGA(320×240像素)和nHD(640×360像素)分辨率的视频帧进行3倍超分放大,在不同机型的移动手机上都可以达到15~30帧/s的帧率,同时放大后的图像质量与标准CNN模型的图像质量的误差在2%以内,表明OGSR可以满足实时业务场景的需求,性能提升显著。 展开更多

关键词 视频超分 分组卷积 通道混淆 OpenGL ES 纹理

在线阅读 下载PDF 职称材料

基于分组卷积的通道重洗注意力机制 被引量：1

4

作者 张李伟 梁泉 +1 位作者 胡禹涛 朱乔乐 《计算机应用》 北大核心 2025年第4期1069-1076,共8页

注意力机制的引入使得主干网能够学习更具区分性的特征表示。然而,为了控制注意力的复杂度,传统的注意力机制采用的通道降维或减少通道数而增加批量大小的策略会导致过度减少通道数和损失重要特征信息的问题。为解决这一问题,提出通道... 注意力机制的引入使得主干网能够学习更具区分性的特征表示。然而,为了控制注意力的复杂度,传统的注意力机制采用的通道降维或减少通道数而增加批量大小的策略会导致过度减少通道数和损失重要特征信息的问题。为解决这一问题,提出通道重洗注意力(CSA)模块。首先,利用分组卷积学习注意力权重,以控制CSA的复杂度;其次,通过传统通道重洗和深层通道重洗(DCS)方法,增强不同组间的通道特征信息交流;再次,使用逆通道重洗恢复注意力权重的顺序;最后,将恢复后的注意力权重与原始特征图相乘,以获得更具表达能力的特征图。实验结果表明,在CIFAR-100数据集上,与添加CA(Coordinate Attention)的ResNet50相比,添加CSA的ResNet50的参数量降低了2.3%,Top-1准确率提升了0.57个百分点;与添加EMA(Efficient Multi-scale Attention)的ResNet50相比,添加CSA的ResNet50的计算量降低了18.4%,Top-1准确率提升了0.27个百分点。在COCO2017数据集上,添加CSA的YOLOv5s比添加CA和EMA的YOLOv5s在平均精度均值(mAP@50)上分别提升了0.5和0.2个百分点。可见,CSA达到了参数量和计算量的平衡,并能够同时提升图像分类任务的准确率和目标检测任务的定位能力。 展开更多

关键词 注意力机制 分组卷积 通道重洗 图像分类 目标检测

在线阅读 下载PDF 职称材料

改进YOLOv8的实时轻量化鲁棒绿篱检测算法

5

作者 张佳承 韦锦 陈义时 《计算机工程》 北大核心 2025年第7期362-374,共13页

针对道路两侧绿篱修剪的目标检测过程中对算法实时性、轻量化的要求以及算法在实际检测中的精度和光照鲁棒性问题,提出一种基于YOLOv8n的算法MGW-YOLO,并给出一种新的C2f_ModuGhost+模块来替换主干网络中的C2f模块,其中设计的调制可变... 针对道路两侧绿篱修剪的目标检测过程中对算法实时性、轻量化的要求以及算法在实际检测中的精度和光照鲁棒性问题,提出一种基于YOLOv8n的算法MGW-YOLO,并给出一种新的C2f_ModuGhost+模块来替换主干网络中的C2f模块,其中设计的调制可变形卷积增加了偏移量特征通道数,以加速模型的推理,增强算法实时性。在颈部网络中引入分组空间卷积(GSConv)轻量级卷积技术和slim-neck设计范式,并通过融合标准卷积、深度可分离卷积和Shuffle模块的思想,降低模型的参数量,实现模型的轻量化。设计一种具有双重加权机制的Focal-WIoU损失函数,WIoU中的双层交叉注意力机制可有效降低多个绿篱相连和遮挡时的误检率,并且利用Focal Loss权重因子提升对特殊形状绿篱等难分类样本的检测精度。另外采用TRADES方法的对抗训练策略,在分类问题鲁棒性与精度之间进行有效权衡。实验结果表明,相比基线算法YOLOv8n,MGW-YOLO的mAP@0.5和mAP@0.5∶0.95分别提高了3.29和2.87百分点,在无人驾驶底盘上的实验结果表明,MGW-YOLO相较于原始算法的预处理时间、每帧平均推理时间和每帧后处理时间分别降低了0.7 ms、10.7 ms和0.7 ms,检测速度提升了15.7帧/s,适用于绿篱修剪机在道路两侧实时性作业的需求。 展开更多

关键词 YOLOv8算法 目标检测 C2f_ModuGhost+模块 分组空间卷积轻量级卷积 Focal-WIoU损失函数 对抗训练

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的林草火灾检测算法

6

作者 赵佳硕 马晓春 刘舰泽 《森林工程》 北大核心 2025年第5期1013-1024,共12页

在林草火灾场景中,明火形态的多样性以及环境的复杂性可能导致误检或漏检的现象发生,为此,针对森林与草原火灾提出一种基于改进的YOLOv8n火灾检测算法(YOLOv8n-CSA),CSA(channel-spatial attention)为通道-空间注意力模块,引入分组混洗... 在林草火灾场景中,明火形态的多样性以及环境的复杂性可能导致误检或漏检的现象发生,为此,针对森林与草原火灾提出一种基于改进的YOLOv8n火灾检测算法(YOLOv8n-CSA),CSA(channel-spatial attention)为通道-空间注意力模块,引入分组混洗卷积模块(group shuffle convolution,GSConv)替换原YOLOv8n中第3层标准卷积模块(convolution,Conv),降低模型计算量,提高特征提取能力。并且在head中引入Slim-Neck结构进一步降低模型计算量。同时设计YOLOv8n-CSA融入Backbone部分,以增强输入特征图的表达能力。该模块结合通道注意力、通道洗牌和空间注意力机制,旨在捕捉特征图中的全局依赖关系。基于林草火灾数据集,在未导入预训练模型的情况下,提出的火灾检测网络模型在测试的数据集上相比原模型YOLOv8n,其精确率(Precision)提高了3.7%、召回率(Recall)提高了1.51%、平均精度均值(mAP50)提高了3.24%、计算复杂度(GFLOPs)下降5.62%。试验结果表明,该算法验证计算量减少的同时,能够提升火灾迹象目标的检测性能。 展开更多

关键词 火灾检测 YOLOv8 通道空间注意力 Slim-Neck结构 分组混洗卷积模块gsconv

在线阅读 下载PDF 职称材料

改进YOLOv8n的花生品质检测方法 被引量：6

7

作者 黄英来 牛达伟 +1 位作者 侯畅 杨柳松 《计算机工程与应用》 CSCD 北大核心 2024年第23期257-267,共11页

花生品质筛选在农业生产和食品安全中具有重要意义。针对传统花生品质筛选方法效率低的问题,提出改进YOLOv8n算法的轻量化花生品质检测模型LE-YOLO(lightweight and efficient)。提出一种分组重序颈部模块(grouped shuffling bottleneck... 花生品质筛选在农业生产和食品安全中具有重要意义。针对传统花生品质筛选方法效率低的问题,提出改进YOLOv8n算法的轻量化花生品质检测模型LE-YOLO(lightweight and efficient)。提出一种分组重序颈部模块(grouped shuffling bottleneck,GSBottleneck),增加了模型非线性拟合能力,减少了模型推理时间;设计了残差分组重序模块(residual group shuffling block,ResGSBlock),并结合GSConv(grouped shuffle convolution)构建轻量颈部网络(lightweight neck,LW-Neck),减少了模型计算成本,提升了模型推理速度;提出自适应特征优化模块(adaptive feature optimization block,AFOB),增强了通道间信息交互和模型表征能力。在DW花生数据集上进行实验验证,相较于YOLOv8n算法,LE-YOLO的计算量减少了1 GFlops,FPS提升了25%,平均精度均值mAP@0.5达到了98%,验证了该算法在检测精度和速度上的良好性能,为花生品质筛选提供了一种有效的方法。 展开更多

关键词 YOLOv8n gsconv GSBottleneck 花生品质筛选 轻量化模型

在线阅读 下载PDF 职称材料

改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测 被引量：10

8

作者 梁礼明 龙鹏威 +1 位作者 冯耀 卢宝贺 《光学精密工程》 EI CAS CSCD 北大核心 2024年第8期1227-1240,共14页

针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重... 针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重坐标注意力机制,提升模型对空间和通道信息的特征提取能力;三是引入鬼影混洗卷积,在提高精度的同时降低模型参数量和计算量;四是增加大目标检测层,改善特征图中部分缺陷占比较大,导致检测精度低的问题。在NEU-DET和Severstal钢材缺陷数据集进行实验验证,改进后算法与原模型相比,mAP分别提升5.7%和8.5%;参数量和计算量分别降低0.61 M和4.2 G;精确度和召回率分别提升7.1%,1.8%和8.9%,7.0%。实验结果表明,改进后的算法更好地平衡了检测精度和轻量化,为边缘终端设备提供了参考。 展开更多

关键词 缺陷检测 轻量化YOLOv7-tiny VoVGA-FPN网络 三重坐标注意力 鬼影混洗卷积

在线阅读 下载PDF 职称材料

深度学习轻量化侦察图像压缩网络

9

作者 谌宇 谌德荣 +2 位作者 崇魁奇 王泽鹏 张凯 《探测与控制学报》 CSCD 北大核心 2024年第1期78-84,共7页

为了满足小型侦察平台对低复杂度图像编码算法的应用需求,提出基于深度学习轻量化侦察图像压缩网络。轻量化侦察图像压缩网络编码端利用三个卷积模块直接将图像映射为服从均匀分布的二进制码流,得到压缩数据;在卷积模块中采用深度可分... 为了满足小型侦察平台对低复杂度图像编码算法的应用需求,提出基于深度学习轻量化侦察图像压缩网络。轻量化侦察图像压缩网络编码端利用三个卷积模块直接将图像映射为服从均匀分布的二进制码流,得到压缩数据;在卷积模块中采用深度可分离卷积、分组卷积+通道重排等方式降低了编码端参数量和计算量。轻量化侦察图像压缩网络解码端采用转置卷积和残差连接等方式提高特征提取能力,进而提高解码图像质量。对分辨率为128×128实际采集图像的测试结果表明,与JPGE2000算法相比,基于深度学习轻量化侦察图像压缩网络PSNR提高了3.85 dB,编码时间降低了91%,实现了图像的轻量化编码压缩。 展开更多

关键词 侦察图像压缩 深度可分离卷积 分组卷积 通道重排

在线阅读 下载PDF 职称材料

基于自适应特征增强分组卷积网络的电能质量扰动分类 被引量：11

10

作者 张锐 张闯 +1 位作者 高辉 程政铎 《中国电机工程学报》 EI CSCD 北大核心 2023年第15期5808-5817,共10页

分布式电源在接入电网时会产生复杂的电能质量扰动(power quality disturbances,PQDs),为提高对PQDs信号分类识别的准确率,构建了自适应特征增强分组卷积神经网络(grouping convolutional neural network with adaptive feature enhance... 分布式电源在接入电网时会产生复杂的电能质量扰动(power quality disturbances,PQDs),为提高对PQDs信号分类识别的准确率,构建了自适应特征增强分组卷积神经网络(grouping convolutional neural network with adaptive feature enhanced network,GCNN-AFEN)。GCNN-AFEN模型的核心:首先,对PQDs信号进行S变换形成时频矩阵图像,利用CNN与结构稀疏的GCNN相结合作为特征学习的基础框架以减少模型参数,进而提高运算速度;然后,AEFN模块通过通道注意力机制、频域特征增强和软阈值去噪环节,自适应学习扰动类型与对应特征图的相关性,增加信噪比,突出能够代表扰动类别的深层特征;最后,通过全连接层(fully connected layers,FC)和Softmax分类器进行分类识别。仿真实验表明,提出的模型对于电能质量扰动信号具有较高的分类识别准确率和噪声鲁棒性,能够用于电能质量扰动的快速识别和分类。 展开更多

关键词 电能质量扰动 分组卷积 混洗卷积 通道注意力机制 自适应特征增强网络

在线阅读 下载PDF 职称材料

结合CWT和LightweightNet的滚动轴承实时故障诊断方法 被引量：7

11

作者 李飞龙 和伟辉 +1 位作者 刘立芳 齐小刚 《智能系统学报》 CSCD 北大核心 2023年第3期496-505,共10页

针对普通的深度学习算法用于轴承故诊断分类时计算量大、消耗成本高的问题,提出一种结合连续小波变换和轻量级神经网络的滚动轴承实时故障诊断方法。首先,使用Morlet母小波函数对轴承振动加速度数据进行连续小波变换,提取出时频域特征... 针对普通的深度学习算法用于轴承故诊断分类时计算量大、消耗成本高的问题,提出一种结合连续小波变换和轻量级神经网络的滚动轴承实时故障诊断方法。首先,使用Morlet母小波函数对轴承振动加速度数据进行连续小波变换,提取出时频域特征并将一维信号转换成二维图片;然后,结合分组卷积、通道混洗、倒残差结构等轻量级神经网络设计元素设计一个轻量级卷积神经网络LightweightNet用于时频图片的故障分类,LightweightNet网络在保证具有足够特征提取能力的同时还具有轻量级特点。使用凯斯西储大学轴承故障数据集进行实验表明,本方法相比于其他使用经典轻量级神经网络的方法具有更少的参数、最高的准确率和更快的诊断速度,基本可以实现滚动轴承的实时故障诊断,且在内存消耗与模型存储占用空间方面远小于其他同类方法。 展开更多

关键词 滚动轴承 故障诊断 连续小波变换 时频域特征 轻量级神经网络 分组卷积 通道混洗 倒残差结构

在线阅读 下载PDF 职称材料