为了实现光伏硅片的缺陷类型的准确检测,提出一种基于改进YOLOv5(you only look once vison 5)的光伏硅片缺陷检测方法。首先对工厂生产的光伏硅片图像进行预处理,主要是给图片打上标签,制作成数据集。接着将其在YOLOv5s、YOLOv5m、YOLO...为了实现光伏硅片的缺陷类型的准确检测,提出一种基于改进YOLOv5(you only look once vison 5)的光伏硅片缺陷检测方法。首先对工厂生产的光伏硅片图像进行预处理,主要是给图片打上标签,制作成数据集。接着将其在YOLOv5s、YOLOv5m、YOLOv5n三种YOLOv5神经网络进行中训练,在测试集中进行验证,比较各神经网络的效果。最后针对光伏硅片斑点型缺陷效果不佳的问题,在神经网络中添加小目标检测层和SE注意力模块实现对光伏硅片斑点类型缺陷的准确检测,由实验结果可得,查准率高达97.4%,查全率高达97.8%,平均每张图片检测时间仅为21 ms。展开更多
海滩垃圾日益增多,流入大海不但会对海洋环境造成污染,而且会影响海洋生物健康。对海滩垃圾进行识别并分类处理具有重要意义。提出基于改进的(you only look once version4,YOLO-v4)目标检测算法的垃圾识别分类方案。通过现场拍摄海滩...海滩垃圾日益增多,流入大海不但会对海洋环境造成污染,而且会影响海洋生物健康。对海滩垃圾进行识别并分类处理具有重要意义。提出基于改进的(you only look once version4,YOLO-v4)目标检测算法的垃圾识别分类方案。通过现场拍摄海滩垃圾图片,建立垃圾数据库;改进的YOLO-v4算法在传统的YOLO-v4网络架构SCPDarkNet53上融入混合空洞卷积结构,增强感受域的连续性,降低信息在池化过程中造成信息丢失的程度。引入空间锯齿空洞卷积,获取更多细节特征,将数据集导入改进后YOLO-v4架构中,实现图像中垃圾种类的识别。实验研究表明,相比YOLO-v4通用算法,所提算法在识别海滩垃圾的准确率提升了6%,对海滩环境的保护有一定的推广意义。展开更多
文摘为了实现光伏硅片的缺陷类型的准确检测,提出一种基于改进YOLOv5(you only look once vison 5)的光伏硅片缺陷检测方法。首先对工厂生产的光伏硅片图像进行预处理,主要是给图片打上标签,制作成数据集。接着将其在YOLOv5s、YOLOv5m、YOLOv5n三种YOLOv5神经网络进行中训练,在测试集中进行验证,比较各神经网络的效果。最后针对光伏硅片斑点型缺陷效果不佳的问题,在神经网络中添加小目标检测层和SE注意力模块实现对光伏硅片斑点类型缺陷的准确检测,由实验结果可得,查准率高达97.4%,查全率高达97.8%,平均每张图片检测时间仅为21 ms。
文摘海滩垃圾日益增多,流入大海不但会对海洋环境造成污染,而且会影响海洋生物健康。对海滩垃圾进行识别并分类处理具有重要意义。提出基于改进的(you only look once version4,YOLO-v4)目标检测算法的垃圾识别分类方案。通过现场拍摄海滩垃圾图片,建立垃圾数据库;改进的YOLO-v4算法在传统的YOLO-v4网络架构SCPDarkNet53上融入混合空洞卷积结构,增强感受域的连续性,降低信息在池化过程中造成信息丢失的程度。引入空间锯齿空洞卷积,获取更多细节特征,将数据集导入改进后YOLO-v4架构中,实现图像中垃圾种类的识别。实验研究表明,相比YOLO-v4通用算法,所提算法在识别海滩垃圾的准确率提升了6%,对海滩环境的保护有一定的推广意义。
