-
题名基于改进YOLOv8m的输送机胶带扣损伤检测
- 1
-
-
作者
金鑫
-
机构
安徽理工大学电气与信息工程学院
-
出处
《自动化应用》
2025年第20期28-30,共3页
-
文摘
为提升输送机胶带扣损伤检测的准确性,提出基于改进YOLOv8m的检测方法。该方法在主干网络尾部融合C2f与EMA增强特征提取,在颈部网络采用DSConv替换Conv模块优化细长目标检测,并以SIoU取代CIoU提升边界框回归性能。结果表明,改进模型的mAP@0.5和Recall分别达到87.2%和86%,较原模型提升3.5%和3%,尽管FPS略有下降,但整体性能显著提升。
-
关键词
胶带扣
YOLOv8m
损伤检测
c2f-ema
DSconv
SIoU
-
Keywords
belt buckle
YOLOv8m
damage detection
c2f-ema
DSconv
SIoU
-
分类号
TD528.1
[矿业工程—矿山机电]
-
-
题名面向无人机航拍图像的端到端检测算法
- 2
-
-
作者
童浩然
金涵
-
机构
上海交通大学电子信息与电气工程学院
-
出处
《现代电子技术》
北大核心
2025年第19期103-109,共7页
-
基金
国家自然科学基金项目(62227815)。
-
文摘
针对无人机航拍图像中目标小、遮挡严重、背景复杂等检测难点,文中提出一种基于改进YOLO-DETR的端到端无人机航拍图像检测算法。首先,将YOLOv8的检测头替换为RT-DETR的解码器,以摆脱NMS对小目标检测的不利影响;其次,在主干网络中引入设计的CAA-Fusion模块,将两条经过CAA的辅助信息流与P4特征图融合,丰富了细粒度特征,增强了主干的特征提取能力;然后,在Neck中引入小目标检测层,并采用H-GFPN结构,通过引入跨尺度连接增强了不同尺度间的信息融合,以提升对小目标的检测能力;最后,在Neck中引入C2f-FR-EMA模块,以提高特征融合时对小目标的关注度。改进后的算法在无人机航拍数据集VisDrone2019上相较于YOLOv8s模型mAP@0.5提升了11.3%,精度优于模型参数量接近的YOLO系列模型和RT-DETR模型,验证了改进算法在无人机航拍图像检测上的有效性。
-
关键词
无人机航拍
小目标
YOLOv8
RT-DETR
辅助信息流
H-GFPN
c2f-FR-EMA
-
Keywords
UAV aerial photography
small object
YOLOv8
RT⁃DETR
auxiliary information flow
H⁃GFPN
c2f⁃FR⁃EMA
-
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]
-
