检索结果-维普期刊中文期刊服务平台

基于Star_YOLOv8的水下珍品检测方法研究: 1; 作者夏建军高定国许松涛《现代电子技术》北大核心 2025年第9期28-35,共8页; 为有效实现水下图像各类珍品快速精准检测,解决水下珍品检测存在遮挡、精度不高及其推理速度慢等问题。文中提出一种基于Star_YOLOv8的水下珍品检测算法。首先,在主干网络融合C2f_StarNB模块有效地捕捉水下图像珍品特征,并实现模型的轻... 展开更多; 关键词 YOLOv8 水下珍品目标检测 StarNet 注意力机制 Repulsion loss损失函数; 在线阅读下载PDF 职称材料

改进YOLOv8的输电线路异物检测方法被引量：7: 2; 作者易磊黄哲玮易雅雯《电子测量技术》北大核心 2024年第15期125-134,共10页; 针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增... 展开更多; 关键词输电线异物检测 YOLOv8 StarNet 卷积注意力融合模块动态检测头 WIOU损失函数 EMA-Slide loss损失函数; 在线阅读下载PDF 职称材料

基于改进YOLOv7的复杂环境下红花采摘识别被引量：45: 3; 作者王小荣许燕 +1 位作者周建平陈金荣《农业工程学报》 EI CAS CSCD 北大核心 2023年第6期169-176,共8页; 针对光照、遮挡、密集以及样本数量不均衡等复杂环境造成红花机械化采摘识别不准问题,该研究提出一种基于YOLOv7的改进模型,制作红花样本数据集建立真实采摘的复杂环境数据,增加Swin Transformer注意力机制提高模型对各分类样本的检测... 展开更多; 关键词图像识别图像处理复杂环境 YOLOv7 注意力机制多分类Focal loss损失函数红花采摘; 在线阅读下载PDF 职称材料

基于AT-DenseNet网络的番茄叶片病害识别方法被引量：5: 4; 作者李云红张蕾涛 +2 位作者谢蓉蓉朱景坤刘杏瑞《江苏农业科学》北大核心 2023年第21期209-217,共9页; 针对番茄叶片病害识别方法存在丢失特征信息、易产生过拟合现象和各类样本数据不均匀的问题,提出了基于混合注意力机制的DenseNet的番病叶片病害识别模型AT-DenseNet。该网络模型以DenseNet121为基础,首先,在DenseNet中融入混合注意力... 展开更多; 关键词 DenseNet 注意力机制迁移学习 Focal loss损失函数叶片病害识别; 在线阅读下载PDF 职称材料

基于改进PointNet++的输电杆塔点云语义分割模型被引量：12: 5; 作者黄郑顾徐 +2 位作者王红星张星炜张欣《中国电力》 CSCD 北大核心 2023年第3期77-85,共9页; 针对现有输电线路点云提取精度不高、无法满足无人机自主精细化巡检需求的问题,提出一种改进的PointNet++的输电杆塔点云语义分割方法,以实现对导线、地线、引流线、绝缘子和杆塔塔身的点云分割。首先,对经典PointNet++模型参数进行调整... 展开更多; 关键词输电杆塔点云分割核心点卷积 focal loss损失函数 PointNet++; 在线阅读下载PDF 职称材料

基于CBAM-Res_UNet电厂高压蒸汽泄漏检测研究被引量：17: 6; 作者彭道刚刘薇薇 +1 位作者戚尔江胡捷《电子测量与仪器学报》 CSCD 北大核心 2021年第12期206-214,共9页; 发电厂高压蒸汽泄漏检测关乎电厂设备长期稳定运行。为了提高电厂高压蒸汽泄漏检测的准确性,解决泄漏区域的错分割和漏分割问题,提出基于CBAM-Res_UNet图像分割网络的电厂高压蒸汽泄漏检测算法,在UNet结构中加入ResNet的残差块residual_... 展开更多; 关键词电厂高压蒸汽泄漏检测 CBAM-Res_UNet图像分割网络损失函数Focal loss+Dice loss 性能指标F1_score; 在线阅读下载PDF 职称材料

基于多尺度卷积神经网络的手机表面缺陷识别方法被引量：4: 7; 作者韩红桂甄晓玲 +1 位作者李方昱杜永萍《北京工业大学学报》 CAS CSCD 北大核心 2023年第11期1150-1158,共9页; 针对手机表面缺陷难以精确识别的问题,提出一种兼具Soble算子、逻辑损失函数(logistic loss function,LLF)和多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN)手机表面缺陷识别方法SL-MSCNN。首先,构建了一种基于S... 展开更多; 关键词手机表面缺陷邻域特征增强识别方法识别精度 SOBEL算子多尺度卷积神经网络(multi-scale convolutional neural networks MSCNN) 逻辑损失函数(logistic loss function LLF); 在线阅读下载PDF 职称材料

题名基于Star_YOLOv8的水下珍品检测方法研究: 1; 作者夏建军高定国许松涛; 机构西藏大学信息科学技术学院藏文信息技术创新人才培养示范基地; 出处《现代电子技术》北大核心 2025年第9期28-35,共8页; 基金国家自然科学基金项目(62166038) 拉萨市科技计划项目(LSKJ202306)。; 文摘为有效实现水下图像各类珍品快速精准检测,解决水下珍品检测存在遮挡、精度不高及其推理速度慢等问题。文中提出一种基于Star_YOLOv8的水下珍品检测算法。首先,在主干网络融合C2f_StarNB模块有效地捕捉水下图像珍品特征,并实现模型的轻量化快速检测;其次,加入EMA注意力实现通道和空间特征的融合,提升水下图像不同尺度珍品特征的交叉注意力计算效率,减少噪声带来的影响,改善水下图像复杂场景及多尺度目标的显著性特征表达和检测精度;最后,引入动态聚焦Repulsion Loss损失函数,提高模型的收敛能力以及对多尺度分布遮挡珍品的整体检测效果。为验证改进方法的有效性,在水下珍品数据集上展开实验验证,以mAP@0.5指标验证融入的轻量化和注意力方面均优于其他方法,分别取得了8%和9.4%的提升。此外,相较于之前先进的水下珍品检测方法,该方法在mAP@0.5指标上达到0.863的检测性能。实验结果表明,所提方法在水下图像各类珍品的检测精度、速度等模型性能方面有一定提升。; 关键词 YOLOv8 水下珍品目标检测 StarNet 注意力机制 Repulsion loss损失函数; Keywords YOLOv8 underwater treasure object detection StarNet attention mechanism loss function Repulsion loss; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进YOLOv8的输电线路异物检测方法被引量：7: 2; 作者易磊黄哲玮易雅雯; 机构华中科技大学电气与电子工程学院; 出处《电子测量技术》北大核心 2024年第15期125-134,共10页; 基金教育部2020年第二批新工科研究与实践项目(E-NYDQHGC20202219)资助。; 文摘针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增加特征空间维度提升Neck部分特征提取能力;在骨干网络输出特征图后添加卷积注意力融合模块,提升骨干网络对输入特征图的初步特征提取能力,增强模型整体检测效果;将原检测头替换为动态检测头,提升模型对不同输入的动态调整能力与对关键信息的关注程度;使用WIoU作为边界框损失函数,EMA-Slide Loss作为分类损失函数,提升模型泛化能力与检测性能。实验结果表明,提出的SC-YOLO计算量较原始模型下降8.02%,mAP提升1.4个百分点,达到了95.2%的检测精度,在降低模型计算复杂度的同时实现了较高的检测准确率,具有高可行性与实用性。; 关键词输电线异物检测 YOLOv8 StarNet 卷积注意力融合模块动态检测头 WIOU损失函数 EMA-Slide loss损失函数; Keywords transmission line foreign body detection YOLOv8 StarNet convolutional attention fusion module dynamic detection head WIOU loss function EMA-Slide loss function; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TN60 [电子电信—电路与系统]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv7的复杂环境下红花采摘识别被引量：45: 3; 作者王小荣许燕周建平陈金荣; 机构新疆大学机械工程学院新疆维吾尔自治区农牧机器人及智能装备工程研究中心; 出处《农业工程学报》 EI CAS CSCD 北大核心 2023年第6期169-176,共8页; 基金新疆维吾尔自治区创新团队项目-机器人及智能装备技术科技创新团队(2022D14002)。; 文摘针对光照、遮挡、密集以及样本数量不均衡等复杂环境造成红花机械化采摘识别不准问题,该研究提出一种基于YOLOv7的改进模型,制作红花样本数据集建立真实采摘的复杂环境数据,增加Swin Transformer注意力机制提高模型对各分类样本的检测精准率,改进Focal Loss损失函数提升多分类任务下不均衡样本的识别率。经试验,改进后的模型各类别样本的检测平均准确率达到88.5%,与改进前相比提高了7个百分点,不均衡类别样本平均精度提高了15.9个百分点,与其他模型相比,检测平均准确率与检测速度均大幅提升。改进后的模型可以准确地实现对红花的检测,模型参数量小,识别速度快,适合在红花采摘机械上进行迁移部署,可为红花机械化实时采摘研究提供技术支持。; 关键词图像识别图像处理复杂环境 YOLOv7 注意力机制多分类Focal loss损失函数红花采摘; Keywords image recognition image processing complex environments YOLOv7 attention mechanisms multi-classification focal loss function safflower picking; 分类号 S225 [农业科学—农业机械化工程] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于AT-DenseNet网络的番茄叶片病害识别方法被引量：5: 4; 作者李云红张蕾涛谢蓉蓉朱景坤刘杏瑞; 机构西安工程大学电子信息学院; 出处《江苏农业科学》北大核心 2023年第21期209-217,共9页; 基金陕西省自然科学基础研究重点项目(编号:2022JZ-35)。; 文摘针对番茄叶片病害识别方法存在丢失特征信息、易产生过拟合现象和各类样本数据不均匀的问题,提出了基于混合注意力机制的DenseNet的番病叶片病害识别模型AT-DenseNet。该网络模型以DenseNet121为基础,首先,在DenseNet中融入混合注意力机制模块,实现特征复用,并对混合特征赋予不同权重,提高特征提取能力;在分类网络前设计过渡层,匹配特征维度;其次,引入Focal Loss损失函数,专注难分类样本,改善类间样本不均匀问题;然后,采用迁移学习方法,导入预训练权重,重构全连接层,增强模型鲁棒性;最后,在数据增强的辅助作用下,用Plant Village数据集中的6种番茄叶片病害图像进行测试,试验结果表明,本研究提出的AT-DenseNet网络模型在测试集上的准确率可达99.49%,并通过设置消融试验、绘制混淆矩阵等,验证了病害识别模型的有效性,可为番茄叶片的病害识别提供参考。; 关键词 DenseNet 注意力机制迁移学习 Focal loss损失函数叶片病害识别; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进PointNet++的输电杆塔点云语义分割模型被引量：12: 5; 作者黄郑顾徐王红星张星炜张欣; 机构江苏方天电力技术有限公司; 出处《中国电力》 CSCD 北大核心 2023年第3期77-85,共9页; 基金国网双创孵化培育资金资助项目(新一代无人机移动机巢研制,SGJSSC00XMJS2200008)。; 文摘针对现有输电线路点云提取精度不高、无法满足无人机自主精细化巡检需求的问题,提出一种改进的PointNet++的输电杆塔点云语义分割方法,以实现对导线、地线、引流线、绝缘子和杆塔塔身的点云分割。首先,对经典PointNet++模型参数进行调整,使模型在特征提取数量、感受野方面更适用于输电杆塔点云数据;然后,采用核心点卷积作为点云特征提取算法,进一步提升模型对点云特征的提取能力;最后,针对点云数据中存在的数据不平衡问题,采用focal loss作为损失函数,使占比较少的类别得到充分训练。为验证所提方法有效性,在2284基输电杆塔组成的点云数据集上进行了实验,实验结果表明:改进后的算法平均F1值达到97.26%,较经典PointNet++提高了3.95个百分点。; 关键词输电杆塔点云分割核心点卷积 focal loss损失函数 PointNet++; Keywords transmission tower point cloud segmentation kernel point convolution focal loss PointNet++; 分类号 TM75 [电气工程—电力系统及自动化] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于CBAM-Res_UNet电厂高压蒸汽泄漏检测研究被引量：17: 6; 作者彭道刚刘薇薇戚尔江胡捷; 机构上海电力大学自动化工程学院宝山钢铁股份有限公司能源环保部电厂; 出处《电子测量与仪器学报》 CSCD 北大核心 2021年第12期206-214,共9页; 基金上海市“科技创新行动计划”高新技术领域项目(21511101800)资助。; 文摘发电厂高压蒸汽泄漏检测关乎电厂设备长期稳定运行。为了提高电厂高压蒸汽泄漏检测的准确性,解决泄漏区域的错分割和漏分割问题,提出基于CBAM-Res_UNet图像分割网络的电厂高压蒸汽泄漏检测算法,在UNet结构中加入ResNet的残差块residual_block来获取泄漏图像更多的语义信息,并且融入CBAM,加强高压蒸汽泄漏图像区域特征的学习,网络再根据不同损失函数和评价标准对图像分割结果的影响,选择损失函数Focal Loss+Dice Loss和性能指标F1_score。通过在电厂高压蒸汽泄漏图像数据集上进行实验,CBAM-Res_UNet网络得到的F1_score值为0.985,实验结果表明,该网络可以更加完整的分割出蒸汽泄漏区域,对高压蒸汽泄漏图像多样性有较强的泛化能力。; 关键词电厂高压蒸汽泄漏检测 CBAM-Res_UNet图像分割网络损失函数Focal loss+Dice loss 性能指标F1_score; Keywords detection of high pressure steam leakage in power plant CBAM-Res_UNet image segmentation network loss function Focal loss+Dice loss performance index F1_score; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多尺度卷积神经网络的手机表面缺陷识别方法被引量：4: 7; 作者韩红桂甄晓玲李方昱杜永萍; 机构北京工业大学信息学部计算智能与智能系统北京市重点实验室数字社区教育部工程研究中心; 出处《北京工业大学学报》 CAS CSCD 北大核心 2023年第11期1150-1158,共9页; 基金国家重点研发计划资助项目(2018YFC1900800-05) 国家自然科学基金资助项目(62125301,61890930-5,61903010,62021003) 北京市卓越青年科学家计划资助项目(BJJWZYJH01201910005020)。; 文摘针对手机表面缺陷难以精确识别的问题,提出一种兼具Soble算子、逻辑损失函数(logistic loss function,LLF)和多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN)手机表面缺陷识别方法SL-MSCNN。首先,构建了一种基于Sobel算子的邻域特征增强方法,排除了图像中光照、阴影等无关因素的干扰;其次,设计了一种基于MSCNN的缺陷识别方法,通过获得手机表面图像的多尺度信息,提高了手机表面缺陷的识别精度,同时,引入了LLF,通过降低梯度消失发生的概率加快训练的检测速度。实验结果表明:与其他手机表面缺陷识别方法相比,SL-MSCNN在准确率和效率方面具有更好的使用价值。; 关键词手机表面缺陷邻域特征增强识别方法识别精度 SOBEL算子多尺度卷积神经网络(multi-scale convolutional neural networks MSCNN) 逻辑损失函数(logistic loss function LLF); Keywords mobile phone surface defects neighborhood feature enhancement recognition methods recognition accuracy Sobel operator multi-scale convolutional neural networks(MSCNN) logistic loss function(LLF); 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于Star_YOLOv8的水下珍品检测方法研究	夏建军高定国许松涛	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	改进YOLOv8的输电线路异物检测方法	易磊黄哲玮易雅雯	《电子测量技术》北大核心	2024	7	在线阅读下载PDF 职称材料
3	基于改进YOLOv7的复杂环境下红花采摘识别	王小荣许燕周建平陈金荣	《农业工程学报》 EI CAS CSCD 北大核心	2023	45	在线阅读下载PDF 职称材料
4	基于AT-DenseNet网络的番茄叶片病害识别方法	李云红张蕾涛谢蓉蓉朱景坤刘杏瑞	《江苏农业科学》北大核心	2023	5	在线阅读下载PDF 职称材料
5	基于改进PointNet++的输电杆塔点云语义分割模型	黄郑顾徐王红星张星炜张欣	《中国电力》 CSCD 北大核心	2023	12	在线阅读下载PDF 职称材料
6	基于CBAM-Res_UNet电厂高压蒸汽泄漏检测研究	彭道刚刘薇薇戚尔江胡捷	《电子测量与仪器学报》 CSCD 北大核心	2021	17	在线阅读下载PDF 职称材料
7	基于多尺度卷积神经网络的手机表面缺陷识别方法	韩红桂甄晓玲李方昱杜永萍	《北京工业大学学报》 CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料