期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进ConvNextV2-YOLOv8的差速器壳体表面缺陷检测算法
1
作者
孙恒
阮景奎
+1 位作者
王宸
谢毛毛
《仪表技术与传感器》
北大核心
2025年第2期100-108,共9页
针对由差速器壳体表面缺陷特征信息多样性缺失和特征表达不足引起的误检漏检率高、检测精度低的问题,提出了一种改进的ConvNextV2-YOLOv8缺陷检测算法。提出ConvNextV2-P2模块,在主干网络ConvNextV2中引入全局响应归一化增强模型特征信...
针对由差速器壳体表面缺陷特征信息多样性缺失和特征表达不足引起的误检漏检率高、检测精度低的问题,提出了一种改进的ConvNextV2-YOLOv8缺陷检测算法。提出ConvNextV2-P2模块,在主干网络ConvNextV2中引入全局响应归一化增强模型特征信息多样性表达,并增加P2检测层提高对小目标缺陷的检测能力。使用卷积和注意力融合模块CAFM增强GhostModle的局部和全局特征表达,在保持轻量化的同时提高模型整体检测性能,并融合至C2f提出C2f-GAFM模块。引入深层鲁棒特性下采样DRFD,提升模型多尺度信息的提取和融合能力,增强算法模型的鲁棒性。实验结果表明,与原YOLOv8算法相比,ConvNextV2-YOLOv8的精确率达到了98.5%,召回率达到了89.1%。mAP50和mAP50-95分别提升至94.2%、87.1%,提高了1.6%、5.9%。在NEU-DET数据集上进行泛化性实验,效果优于其他算法模型。
展开更多
关键词
目标检测
差速器壳体
YOLOv8
小目标
注意力机制
下采样
在线阅读
下载PDF
职称材料
题名
改进ConvNextV2-YOLOv8的差速器壳体表面缺陷检测算法
1
作者
孙恒
阮景奎
王宸
谢毛毛
机构
湖北
汽
车工业学院机械工程学院
上海大学上海市智能制造与机器人重点实验室
郧西精诚汽配有限公司
出处
《仪表技术与传感器》
北大核心
2025年第2期100-108,共9页
基金
湖北省教育厅青年基金(20YJCZH150)
湖北汽车工业学院博士基金(BK201905)。
文摘
针对由差速器壳体表面缺陷特征信息多样性缺失和特征表达不足引起的误检漏检率高、检测精度低的问题,提出了一种改进的ConvNextV2-YOLOv8缺陷检测算法。提出ConvNextV2-P2模块,在主干网络ConvNextV2中引入全局响应归一化增强模型特征信息多样性表达,并增加P2检测层提高对小目标缺陷的检测能力。使用卷积和注意力融合模块CAFM增强GhostModle的局部和全局特征表达,在保持轻量化的同时提高模型整体检测性能,并融合至C2f提出C2f-GAFM模块。引入深层鲁棒特性下采样DRFD,提升模型多尺度信息的提取和融合能力,增强算法模型的鲁棒性。实验结果表明,与原YOLOv8算法相比,ConvNextV2-YOLOv8的精确率达到了98.5%,召回率达到了89.1%。mAP50和mAP50-95分别提升至94.2%、87.1%,提高了1.6%、5.9%。在NEU-DET数据集上进行泛化性实验,效果优于其他算法模型。
关键词
目标检测
差速器壳体
YOLOv8
小目标
注意力机制
下采样
Keywords
target detection
differential shell
YOLOv8
small target
attention mechanism
down sampling
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
作者
出处
发文年
被引量
操作
1
改进ConvNextV2-YOLOv8的差速器壳体表面缺陷检测算法
孙恒
阮景奎
王宸
谢毛毛
《仪表技术与传感器》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
