基于TLF-YOLOv8的堆叠垃圾实例分割算法

1

作者 李利 梁晶 +2 位作者 陈旭东 潘红光 寇发荣 《科学技术与工程》 北大核心 2025年第5期2009-2018,共10页

相较于一般场景下的图像实例分割,复杂堆叠场景下的实例分割受到严重遮挡、同类别待测物体堆叠等复杂情况的影响,使得其实例分割具有更大的难度。针对具有复杂堆叠场景下的垃圾实例分割问题,提出了一种融合YOLOv8与双层特征网络策略的... 相较于一般场景下的图像实例分割,复杂堆叠场景下的实例分割受到严重遮挡、同类别待测物体堆叠等复杂情况的影响,使得其实例分割具有更大的难度。针对具有复杂堆叠场景下的垃圾实例分割问题,提出了一种融合YOLOv8与双层特征网络策略的实例分割算法。首先,在数据预处理部分进行特征数据分层,并通过双层图卷积网络(graph convolutions network,GCN)实现双分支特征融合,减弱堆叠情况对被遮挡物体特征的影响,从而解决复杂堆叠遮挡下的实例分割问题。同时,为了解决同类待测物体易混淆的问题,融入了软阈值化非极大值抑制算法和新的交并比算法。最后,根据应用场景和数据集的复杂性,优化了主干网络部分的特征提取模块,并在主干网络部分引入了多尺度注意力机制,有效提高了模型的检测性能。实验使用遮挡垃圾分类实例分割数据集,实验结果表明该方法的平均准确率、交并比阈值为0.5时的平均准确率(AP_(50))、交并比为0.5~0.95时的平均准确率(AP_(50~95))等指标较之前的其他方法更优。相较于原YOLOv8算法,检测AP_(50)提高了7.9%,分割AP_(50)提高了5.4%,具有更好的检测和分割效果。 展开更多

关键词 垃圾堆叠 双层特征解耦融合 yolov8算法 软阈值化非极大值抑制 动态非单调聚焦机制 期望最大化注意力

在线阅读 下载PDF 职称材料

基于改进YOLOv8的复杂果园环境下杏果的目标检测

2

作者 买买提·沙吾提 阿尔庆·西力克 《中国农机化学报》 北大核心 2025年第3期246-252,270,共8页

为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算... 为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算量,并且将原始的损失函数CIoU替换为WIoUv3,动态优化损失权重提高模型的检测精度。为验证改进方法的有效性,选取6种主流的目标检测模型、5种骨干网络的轻量化改进模型以及5种不同的损失函数进行对比试验。结果表明,改进后的模型相比原始模型在F 1、平均精度均值mAP上提升1.25%、1.48%,参数量、浮点运算量、模型大小分别降低28.06%、0.1 G、1.48 MB。改进后的算法能够精准、快速地在复杂的果园环境中识别出杏果。 展开更多

关键词 杏果 目标检测 复杂果园环境 轻量化网络 yolov8算法 损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8的遗留物品检测算法

3

作者 张震 葛帅兵 +2 位作者 陈可鑫 李友好 黄伟涛 《郑州大学学报(工学版)》 北大核心 2025年第4期40-46,共7页

针对传统基于背景减法的遗留物品检测算法难以应对人流拥挤、小目标、物品遮挡和光线变化等环境,以及基于深度学习方法中的模型准确率低等问题,提出了一种基于改进YOLOv8的遗留物品检测算法。首先,使用动态上采样DySample替换最近邻上采... 针对传统基于背景减法的遗留物品检测算法难以应对人流拥挤、小目标、物品遮挡和光线变化等环境,以及基于深度学习方法中的模型准确率低等问题,提出了一种基于改进YOLOv8的遗留物品检测算法。首先,使用动态上采样DySample替换最近邻上采样,优化上采样过程,增强模型的泛化能力。其次,将高效轻量的ADown下采样模块替代普通的下采样卷积,在降低整个模型参数量的同时,提升算法的检测精度。最后,引入EMA注意力机制,优化特征提取过程,增强特征提取能力,提升对小目标检测的效果。实验结果表明:改进后的模型YOLO-DAE在自建数据集上取得的准确率P、召回率R、mAP@50和mAP@50:95分别为93.4%,87.7%,91.7%和80.2%,相比于改进前的YOLOv8s模型在模型参数量和计算量减少的同时,分别提高了1.8百分点、1.6百分点、1.2百分点和2.1百分点,并且mAP@50和mAP@50:95均高于YOLOv5s r6.0、YOLOv6s v3.0、YOLOv7s AF和YOLOv9s,有效提升了遗留物品检测能力。 展开更多

关键词 遗留物品检测 yolov8算法 EMA注意力机制 DySample模块 ADown模块

在线阅读 下载PDF 职称材料

基于YOLOv8n的甘蔗杂草识别方法 被引量：3

4

作者 罗柳茗 李岩舟 +2 位作者 石美琦 黄鑫 陈汐 《中国农机化学报》 北大核心 2025年第2期237-244,共8页

杂草是影响甘蔗生长的重要因素之一,为实现对不同甘蔗杂草的识别,提出一种基于深度学习的甘蔗杂草检测方法。以广西地区常见且对甘蔗生长危害较大的杂草为对象进行图片采集,并对采集的图片进行平移、翻转、裁剪、缩小、对比度和光亮调... 杂草是影响甘蔗生长的重要因素之一,为实现对不同甘蔗杂草的识别,提出一种基于深度学习的甘蔗杂草检测方法。以广西地区常见且对甘蔗生长危害较大的杂草为对象进行图片采集,并对采集的图片进行平移、翻转、裁剪、缩小、对比度和光亮调整及去噪等操作增强数据。利用YOLOv8n检测模型对数据集进行试验,并与YOLOv3—tiny、YOLOv4—tiny、YOLOv5n和Yolov7—tiny进行对比。试验结果表明,YOLOv8n检测模型的精确率为98.3%,召回率为96.8%,mAP为98.2%。与目前主流的轻量化目标检测算法YOLOv3—tiny、YOLOv4—tiny、YOLOv5s和YOLOv7—tiny对比,精确率分别提高26.9%、12.7%、4.2%和9%;召回率分别提高25%、24.5%、6.1%和10.6%;mAP分别提高25.9%、19.4%、3.6%、7.8%。同时,在密集、遮挡、杂草交错、小目标、昏暗环境的情况下YOLOv8n检测模型对甘蔗杂草能实现高精度识别,具有较强的鲁棒性。 展开更多

关键词 甘蔗 杂草识别 yolov8n算法 目标检测

在线阅读 下载PDF 职称材料

远距离情形下的改进YOLOv8行人检测算法 被引量：2

5

作者 汤静雯 赖惠成 王同官 《计算机工程》 北大核心 2025年第4期303-313,共11页

智慧社区场景下的行人检测需要精准识别行人以应对各类情况的发生,然而面对遮挡和远距离行人的情景,现有检测器会出现漏检、误检以及模型过大不易部署的问题。针对以上问题,提出基于YOLOv8的行人检测算法ME-YOLO。设计一种高效特征提取... 智慧社区场景下的行人检测需要精准识别行人以应对各类情况的发生,然而面对遮挡和远距离行人的情景,现有检测器会出现漏检、误检以及模型过大不易部署的问题。针对以上问题,提出基于YOLOv8的行人检测算法ME-YOLO。设计一种高效特征提取模块(EM),使得网络更好地学习行人特征和捕捉行人特点,在减少网络参数量的同时提高检测精度。设计一个重构的检测头模块,重新整合后的检测层增强了网络对小目标的识别能力,有效检测小目标行人。引入双向特征金字塔网络来设计新的颈部网络,即双向扩张残差-特征金字塔网络(BDR-FPN),利用扩张残差模块和附权注意力机制来扩展感受野及有所侧重地学习行人特征,缓解网络对遮挡行人不敏感问题。实验结果表明,在CityPersons数据集上进行训练和验证,相比原算法YOLOv8,ME-YOLO算法的AP_(50)提高了5.6百分点,模型参数量减少了41%,模型大小压缩了40%,在TinyPerson数据集上验证算法的有效性和泛化性,AP_(50)提高了4.1百分点,AP_(50∶95)提高了1.7百分点。该算法在大幅度减少模型参数和大小的同时,有效提高了检测精度,在智慧社区场景中有较好的应用价值。 展开更多

关键词 行人检测 智慧社区 小目标行人 特征金字塔网络 yolov8算法

在线阅读 下载PDF 职称材料

改进YOLOv8的钢材表面缺陷检测算法 被引量：2

6

作者 徐莲蓉 梁少华 《现代电子技术》 北大核心 2025年第4期173-180,共8页

为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone... 为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone中,使模型能够更好地关注目标缺陷的特征信息;接着,采用高效层聚合网络(RepGFPN)模块作为颈部网络,充分融合不同尺度的特征,提高特征融合能力;最后,引入轻量级上采样算子CARAFE,进一步提升模型的检测效果。实验结果显示,在公开的NEU-DET数据集上,改进后模型的平均精度均值(mAP)达到了81.1%,相较于原始YOLOv8模型,mAP提高了2.7%,精确率提升了3.9%。与此同时,在GC10-DET数据集上的实验也表明改进模型具有良好的鲁棒性,证明了所提算法能够有效地完成钢材表面缺陷的检测任务。 展开更多

关键词 钢材表面缺陷 缺陷检测 yolov8算法 坐标注意力机制 高效层聚合网络 识别能力

在线阅读 下载PDF 职称材料

改进YOLOv8的列车转向架螺栓检测方法研究

7

作者 胡贺南 何秋禹 +2 位作者 李荣华 王大志 张然 《计算机工程与应用》 北大核心 2025年第21期117-128,共12页

为解决转向架底部复杂环境和低分辨率条件下小目标螺栓检测难度大、精度低的问题,提出一种基于YOLOv8的多特征融合改进算法。在图像预处理阶段,利用自适应式对比度拉伸变换技术增强图像质量,突出螺栓细节特征,为后续目标检测算法提供高... 为解决转向架底部复杂环境和低分辨率条件下小目标螺栓检测难度大、精度低的问题,提出一种基于YOLOv8的多特征融合改进算法。在图像预处理阶段,利用自适应式对比度拉伸变换技术增强图像质量,突出螺栓细节特征,为后续目标检测算法提供高质量输入;在特征提取网络中,引入SPD-Conv模块替代传统跨步卷积与池化操作,减少小目标检测中的细粒度信息丢失;在Backbone中,设计一种BoSTNet结构,合理优化主干网络,有效提升对螺栓小目标信息的有效保留;在Neck层中,设计并集成一种并行动态加权多维度融合注意力模块,进一步抑制噪声干扰;为加速模型收敛并提高回归精度,引入Focaler-MPDIoU函数优化边界框回归损失,从而有效地定位螺栓。实验结果表明,在自制数据集上,相比原始模型,改进后的YOLOv8在螺栓检测精度、召回率、mAP50上分别提升3.9、3.2、4.8个百分点,达到95.1%、94.6%和95.0%,体现了该模型在复杂条件下的小目标螺栓的高效性。此外,在VisDrone-2019数据集上,相较于其他检测方法,改进的YOLOv8有更高的检测精度,进一步验证了该模型在复杂场景和小目标检测中的应用价值。 展开更多

关键词 螺栓检测 yolov8算法 卷积神经网络 混合注意力机制

在线阅读 下载PDF 职称材料

改进YOLOv8的恶劣天气下船舶目标检测算法研究

8

作者 李纯杰 蔡易南 +1 位作者 胡杰 詹炜 《现代电子技术》 北大核心 2025年第12期77-82,共6页

针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信... 针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信息;同时引入聚核初始网络(PKINet)以及上下文锚点注意力模块(CAA)改进C2f,来增强中心区域的特征;最后采用深度可分离卷积取代骨干网络中的普通卷积,减少模型参数量和计算量。实验结果表明,在雨、雪、雾的天气条件下,与传统的YOLOv8n相比,改进算法的精确率提高了0.5%,召回率提升了3.4%,F1分数提升了2%,mAP@0.5提升了1.2%,平均精度均值达到97.5%,有效提高了内河航道恶劣天气下过往船只的识别精度,具备较强的鲁棒性。 展开更多

关键词 船舶检测 yolov8算法 恶劣天气 聚核初始网络 上下文锚点注意力模块 特征识别

在线阅读 下载PDF 职称材料

基于YOLOv8的林区行人目标检测研究 被引量：3

9

作者 李琳琳 孙海龙 《森林工程》 北大核心 2025年第1期138-150,共13页

为解决目标检测算法在林区行人检测中容易出现漏检及检测精度不足的问题,提出一种基于改进YOLOv8的林区行人目标检测算法。采用C2f_DWRSeg模块替换C2f模块,扩展初始卷积通道数,使网络能更高效地进行多尺度特征提取;提出一种重构的检测头... 为解决目标检测算法在林区行人检测中容易出现漏检及检测精度不足的问题,提出一种基于改进YOLOv8的林区行人目标检测算法。采用C2f_DWRSeg模块替换C2f模块,扩展初始卷积通道数,使网络能更高效地进行多尺度特征提取;提出一种重构的检测头,训练时增加卷积层的复杂性,推理时使用单分支结构,从而丰富网络的特征表示能力,并保持高效的推理速度;在特征融合前增加了卷积注意力机制模块CGA,减少计算量;使用Focaler-ShapeIoU损失函数代替CIoU损失函数,弥补边界框回归方法的不足,进一步提高检测能力。试验结果表明,与基准模型相比,改进后的算法mAP50提高了2%,mAP50-95提高了2.4%,模型的处理速度(FPS)提高了4.33%,证明改进后的算法能够更好地应用在林区行人检测的任务中。 展开更多

关键词 林区管理 行人检测 yolov8 注意力机制 损失函数 改进算法 深度学习 识别

在线阅读 下载PDF 职称材料

基于Yolov8+U-Net算法的混凝土坝表面缺陷检测分析

10

作者 刘蕙 黄耀英 +1 位作者 徐世媚 魏海东 《中国农村水利水电》 北大核心 2025年第6期134-140,共7页

高效、精确进行混凝土坝缺陷图像检测分析是确保大坝安全运行的必要工作。针对混凝土坝表面缺陷图像具有多类别、独特性以及现有大坝现场巡视检查高质量样本不足等问题,首先通过自制混凝土板模拟裂缝和渗漏等典型缺陷,构建混凝土坝多类... 高效、精确进行混凝土坝缺陷图像检测分析是确保大坝安全运行的必要工作。针对混凝土坝表面缺陷图像具有多类别、独特性以及现有大坝现场巡视检查高质量样本不足等问题,首先通过自制混凝土板模拟裂缝和渗漏等典型缺陷,构建混凝土坝多类别缺陷数据集,进而采用Yolov8+U-Net“两步法”建立混凝土坝多类别表面缺陷检测分析模型,最后以某混凝土重力坝现场巡视检查表面缺陷图像作为测试对象,采用所建立的检测分析模型进行智能检测。结果表明,采用Yolov8+U-Net算法的“两步法”模型可实现混凝土坝渗水和裂缝缺陷的高效、准确检测,所建模型识别定位精确率为0.84、召回率为0.98,分割精确率为0.91、召回率为0.71。 展开更多

关键词 深度学习 混凝土坝 图像检测 yolov8算法 U-Net算法

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

11

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

融合注意力机制的YOLOv8火焰目标检测算法 被引量：2

12

作者 钱伟 杨潇 +2 位作者 刘全义 罗宏 王海斌 《安全与环境学报》 北大核心 2025年第1期75-84,共10页

目前民航客机货舱火灾探测主要通过烟雾探测实现,存在漏报、误报、实时性差等问题,基于视觉的视频图像探测是解决上述问题的重要技术。针对视频图像检测火焰算法多收敛速度慢等问题,提出了基于YOLOv8优化的火焰检测算法模型。首先,在众... 目前民航客机货舱火灾探测主要通过烟雾探测实现,存在漏报、误报、实时性差等问题,基于视觉的视频图像探测是解决上述问题的重要技术。针对视频图像检测火焰算法多收敛速度慢等问题,提出了基于YOLOv8优化的火焰检测算法模型。首先,在众多视频火焰检测算法中,以火焰检测精准度筛选出YOLOv8算法作为底层火焰检测算法,针对YOLOv8算法,以优化速度为方向,设计了RFAConv卷积方式,运用组卷积方式融合卷积通道,以达到减少YOLOv8计算量、提升运算速度的目的。通过采集模拟货舱大空间火灾火焰图像,验证了优化后的YOLOv8火焰检测算法在检测精度不变的情况下,压缩了10%的参数量,实现了算法的轻量化,提升了运算效率。 展开更多

关键词 安全工程 火焰识别 yolov8 图像检测 算法优化

在线阅读 下载PDF 职称材料

基于YOLOv8的车载红外目标检测改进算法研究

13

作者 侯军 杨洁 邵凯青 《计量学报》 北大核心 2025年第2期167-176,共10页

针对车载红外图像检测中的目标相互遮挡和小尺度目标漏检问题,提出一种基于YOLOv8的车载红外目标检测改进算法(VITD-YOLO)。首先,在Neck网络中增加大尺寸特征网络预测层(S-layer),增强网络对于小目标的检测精度;其次,在Backbone网络中设... 针对车载红外图像检测中的目标相互遮挡和小尺度目标漏检问题,提出一种基于YOLOv8的车载红外目标检测改进算法(VITD-YOLO)。首先,在Neck网络中增加大尺寸特征网络预测层(S-layer),增强网络对于小目标的检测精度;其次,在Backbone网络中设计C2F-DA模块,利用offset轻量化结构增强模型对目标的局部特征感知能力,并结合3种不同尺度自注意力设计了动态卷积头检测模组(Dy-head),提高被遮挡和密集目标的定位和分类精度;最后,采用Focal-SIoU作为网络的损失函数,解决训练样本中行人车辆目标类别不均衡问题,并提高网络训练和推理能力。将该算法在FLIR红外数据集上测试,实验结果表明:VITD-YOLO具有良好的检测效果和鲁棒性,对小尺度目标检测精度更高;该算法的平均精度达到91.2%,比原算法提高了2.5%,召回率达到83.4%,比原算法提高3.2%。 展开更多

关键词 机器视觉 车载红外目标检测算法 yolov8 辅助驾驶 图像识别 C2F-DA Focal-SioU

在线阅读 下载PDF 职称材料

EMD-YOLO:基于YOLOv8n改进的轻量化作物叶部病害检测算法 被引量：1

14

作者 王斌兵 张亚利 +2 位作者 郑光 时雷 尹飞 《华中农业大学学报》 北大核心 2025年第4期181-191,共11页

为准确、快速地识别作物叶部病害,降低手工诊断成本,减少叶部病害对作物生长过程与产量的危害,提出一种基于YOLOv8n新型轻量级作物叶部病害检测算法EMD-YOLO。该算法结合多尺度空洞注意力MSDA、EffectiveSE注意力机制、DySample上采样以... 为准确、快速地识别作物叶部病害,降低手工诊断成本,减少叶部病害对作物生长过程与产量的危害,提出一种基于YOLOv8n新型轻量级作物叶部病害检测算法EMD-YOLO。该算法结合多尺度空洞注意力MSDA、EffectiveSE注意力机制、DySample上采样以及Wise-IoU损失函数。其中,多尺度空洞注意力MSDA结合多尺度空间卷积与注意力机制,提高多尺度特征提取效率;EffectiveSE强化特征选择,提升模型表示性能;DySample上采样保留重要特征,提高特征图分辨率和检测性能;Wise-IoU损失函数优化交并比(IoU)计算方式,提升模型定位精度。结果显示,EMD-YOLO的精确度、mAP@0.5、模型权重分别为96.3%、92.8%、4.85 MB,较基线模型YOLOv8n的精确度和平均精度均值分别提高3.0和3.6百分点,权重降低1.4 MB。结果表明,EMD-YOLO的泛化性良好,适用于移动端农作物叶部病害检测设备。 展开更多

关键词 深度学习 作物叶部病害 yolov8 EffectiveSE注意力机制 多尺度空洞注意力MSDA 轻量化算法

在线阅读 下载PDF 职称材料

改进YOLOv8s的轻量化牛脸识别模型

15

作者 邴树营 张玉玉 +3 位作者 纪元浩 严蓓蓓 邹明 许金普 《中国农机化学报》 北大核心 2025年第8期128-134,共7页

为实现在奶牛养殖场复杂环境下,非接触且实时检测奶牛面部个体身份,提出一种基于YOLOv8s目标检测网络的性能优良且轻量化的识别模型。以17头荷斯坦奶牛作为研究对象,在奶牛进食通道旁安装摄像机,定时、自动获取奶牛视频,用视频帧分解技... 为实现在奶牛养殖场复杂环境下,非接触且实时检测奶牛面部个体身份,提出一种基于YOLOv8s目标检测网络的性能优良且轻量化的识别模型。以17头荷斯坦奶牛作为研究对象,在奶牛进食通道旁安装摄像机,定时、自动获取奶牛视频,用视频帧分解技术得到奶牛面部图像,并用结构相似性指数方法对图像间的相似性进行度量,剔除相似性过高的图像,再通过人工标注奶牛个体编号。以YOLOv8s模型为基础在主干网络中加入注意力机制CBAM,提升算法精度,引入Slim—Neck设计范式,使用GSConv轻量级卷积模块替换传统卷积模块(SC),使用基于GSConv设计的VoV—GSCSP模块替换C2f模块,进而减轻模型负担,同时保持准确性。改进YOLOv8s的模型内存占用量为21.3 MB,比YOLOv8s的占用量小1.3 MB,检测速度FPS、精确率P、召回率R、平均精度均值mAP分别提升39.57%、5.68%、7.74%、3.33%。改进YOLOv8s可在保证网络模型轻量化和精度的同时对奶牛面部识别,具有较好的鲁棒性,能够实现复杂环境下养殖场的奶牛面部个体识别。 展开更多

关键词 奶牛养殖 牛脸识别 yolov8s算法 轻量化 注意力机制

在线阅读 下载PDF 职称材料

改进型YOLOv8算法在火灾探测中的应用

16

作者 邓力 周进 刘全义 《安全与环境学报》 北大核心 2025年第3期888-897,共10页

为了提高YOLOv8n算法在火灾探测方面的性能,给出了一种改进方法,通过集成上下文聚合架构Container和轻量级网络GhostNet来优化YOLOv8n网络结构。消融试验和对比试验的结果表明,所提方法能够有效改善YOLOv8n算法检测火灾的效果。该算法... 为了提高YOLOv8n算法在火灾探测方面的性能,给出了一种改进方法,通过集成上下文聚合架构Container和轻量级网络GhostNet来优化YOLOv8n网络结构。消融试验和对比试验的结果表明,所提方法能够有效改善YOLOv8n算法检测火灾的效果。该算法的平均精度达92.8%,探测速度达95.24帧/s,查准率达95%,具备更高的探测性能,可以为火灾探测器的研发提供参考。 展开更多

关键词 安全工程 改进yolov8算法 深度学习 火灾探测

在线阅读 下载PDF 职称材料

基于改进YOLOv8算法的钢轨超声检测图像缺陷识别方法

17

作者 任恩璇 《城市轨道交通研究》 北大核心 2025年第S1期78-83,共6页

[目的]钢轨的裂纹、掉块等伤损可能引发脱轨、断轨等事故,开展钢轨内部伤损检测工作具有重要的意义。钢轨探伤车超声B扫检测是最常用的检测方法,存在判伤时间长、人工工作量大、漏检等问题,为此,提出了一种基于改进YOLOv8算法的钢轨B扫... [目的]钢轨的裂纹、掉块等伤损可能引发脱轨、断轨等事故,开展钢轨内部伤损检测工作具有重要的意义。钢轨探伤车超声B扫检测是最常用的检测方法,存在判伤时间长、人工工作量大、漏检等问题,为此,提出了一种基于改进YOLOv8算法的钢轨B扫图像自动缺陷识别方法。[方法]介绍了YOLOv系列算法的特点以及YOLOv8算法在图像分类检测中的优势;通过改进卷积层conv和损失函数WIoU优化YOLOv8算法;以上海轨道交通2014年至2022年全线实际伤损超声B扫图中800张图为数据集,通过试验验证改进YOLOv8算法的有效性。[结果及结论]与原始YOLOv8算法试验结果相对比,改进YOLOv8算法的平均精度达到了88.7,验证了改进YOLOv8算法对钢轨超声B扫图像识别的有效性和准确性。通过该方法能够优化通过人工回放钢轨B扫图像检测伤损时的漏检问题。 展开更多

关键词 城市轨道交通 钢轨伤损 钢轨探伤 yolov8算法 超声波 图像识别

在线阅读 下载PDF 职称材料

基于损失函数与注意力机制改进的YOLOv8火焰目标检测算法优化研究

18

作者 周欣 徐培哲 +3 位作者 李堃 熊椗宇 宋建平 夏子潮 《船海工程》 北大核心 2025年第2期19-25,共7页

针对火焰检测领域中YOLOv8模型精度不足的问题,提出两种改进方法以优化YOLOv8网络模型的火焰检测算法。设计一种改进的EIOU损失函数并引入YOLOv8模型中,通过对比实验确定参数α的最佳取值,使模型的收敛效果和火焰检测精度更佳,增强网络... 针对火焰检测领域中YOLOv8模型精度不足的问题,提出两种改进方法以优化YOLOv8网络模型的火焰检测算法。设计一种改进的EIOU损失函数并引入YOLOv8模型中,通过对比实验确定参数α的最佳取值,使模型的收敛效果和火焰检测精度更佳,增强网络对不同场景下火焰的鲁棒性;引入AttnConv-EMA注意力机制,通过感知权重的非线性优化模型对内容的适应性,增强模型的精度和性能。使用自行建立的火焰检测数据集,基于Pytorch深度学习框架对YOLOv8模型进行训练,并结合不同的损失函数和注意力机制模块对原始的YOLOv8训练模型进行改进。研究结果表明,改进后的YOLOv8模型在火焰检测的检测精度上有显著提升,AttnConv-EMA注意力机制的引入进一步提升了模型的感知能力和精度,满足了火焰检测数据集的检测精度需求。 展开更多

关键词 yolov8 火焰检测 算法优化

在线阅读 下载PDF 职称材料

基于双目视觉和改进YOLOv8的动态三维重建方法

19

作者 何婧瑶 李鹏飞 +2 位作者 汪承志 吕振鸣 牟萍 《浙江大学学报(工学版)》 北大核心 2025年第7期1443-1450,1513,共9页

为了确保施工过程中的安全和效率,提出施工现场动态三维重建技术.部署双目摄像头对重建现场进行三维扫描获取模型基底和目标活动轨迹,基于YOLOv8模型引入注意力量表序列融合(ASF)模块形成YOLOv8-ASF框架,提高预测模型精度和性能,解决如... 为了确保施工过程中的安全和效率,提出施工现场动态三维重建技术.部署双目摄像头对重建现场进行三维扫描获取模型基底和目标活动轨迹,基于YOLOv8模型引入注意力量表序列融合(ASF)模块形成YOLOv8-ASF框架,提高预测模型精度和性能,解决如目标遮挡、目标丢失的痛点.融合改进的半全局立体匹配(SGBM)算法,与YOLOv8-ASF集成YOLOv8-ASF-SGBM算法,实现基于二维图像的目标近实时识别和定位.利用获取的深度信息,将动态要素行为轨迹三维动态投影至模型基底中,实现对真实施工现场的近实时、全视角监控.实验结果表明:所提技术高精度三维复现了施工动态要素的运动轨迹,且与动态要素真实运动轨迹的相对误差小于5%,实现了基于二维图像视频信息的高精度全视角三维立体化监控,具有良好的应用场景和工程价值. 展开更多

关键词 动态三维重建 yolov8-注意力量表序列融合(ASF) 半全局立体匹配(SGBM)算法 目标遮挡 双目视觉

在线阅读 下载PDF 职称材料

基于改进YOLOv8的景区行人检测算法 被引量：6

20

作者 贵向泉 刘世清 +2 位作者 李立 秦庆松 李唐艳 《计算机工程》 CAS CSCD 北大核心 2024年第7期342-351,共10页

针对当前景区行人检测具有检测精度低、算法参数量大和现有公开数据集在小目标检测上存在限制等问题,创建TAPDataset行人检测数据集,弥补现有数据集在小目标检测方面的不足,并基于YOLOv8算法,构建一种检测精度高、硬件要求低的新模型YOL... 针对当前景区行人检测具有检测精度低、算法参数量大和现有公开数据集在小目标检测上存在限制等问题,创建TAPDataset行人检测数据集,弥补现有数据集在小目标检测方面的不足,并基于YOLOv8算法,构建一种检测精度高、硬件要求低的新模型YOLOv8-L。首先引入Depth Sep Conv轻量化卷积模块,降低模型的参数量和计算量。其次采用BiF orm er注意力机制和上采样算子CARAFE,加强模型对图像的语义理解和信息融合能力,提升模型的检测精度。最后增加一层小目标检测层来提取更多的浅层特征,从而有效地改善模型对小目标的检测性能。在TAPDataset、VOC 2007及TAP+VOC数据集上的实验结果表明,与YOLOv8相比,在FPS基本不变的情况下,在TAPDataset数据集上,模型的参数量减少了18.06%,mAP@0.5提高了5.51%,mAP@0.5∶0.95提高了6.03%;在VOC 2007数据集上,模型的参数量减少了13.6%,mAP@0.5提高了3.96%,mAP@0.5∶0.95提高了6.39%;在TAP+VOC数据集上,模型的参数量减少了14.02%,mAP@0.5提高了4.49%,mAP@0.5∶0.95提高了5.68%。改进算法具有更强的泛化性能,能够更好地适用于景区行人检测任务。 展开更多

关键词 智慧文旅 目标检测 注意力机制 轻量化网络 yolov8算法

在线阅读 下载PDF 职称材料