期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于改进YOLOv11的水果成熟度检测 被引量:1
1
作者 赵鹏 强光磊 +2 位作者 卢波 高扬 张仟祥 《现代信息科技》 2025年第8期34-40,共7页
针对水果成熟度检测中存在的精度不足、复杂背景下识别难度大,传统方法在特征提取上表现出明显的局限性等问题,为此,提出了一种基于改进YOLOv11的水果成熟度检测算法(AGLU-YOLOv11),以满足水果成熟度检测中对数据高效、可靠采集的需求。... 针对水果成熟度检测中存在的精度不足、复杂背景下识别难度大,传统方法在特征提取上表现出明显的局限性等问题,为此,提出了一种基于改进YOLOv11的水果成熟度检测算法(AGLU-YOLOv11),以满足水果成熟度检测中对数据高效、可靠采集的需求。AGLU-YOLOv11通过优化YOLOv11主干网络中的C3k2模块,融合CATM(Conv Additive Self-Attention)与CGLU(Convolutional Gated Linear Unit)设计了C3k2_AddBlock_CGLU模块,显著提升特征提取能力及多品种、多阶段成熟度果实的适应性。同时,在特征融合阶段引入AFCA注意力机制,强化全局特征表达及复杂背景的适应性,实现高效水果质量检测与标注。实验结果表明,AGLU-YOLOv11在Precision、Recall、mAP@0.5和mAP@0.5:0.95指标上相比其他检测模型,在精度、鲁棒性和多尺度目标适应性上表现更优,能够更好地满足识别水果成熟度的需求。 展开更多
关键词 YOLO 目标检测 cglu CATM 水果成熟度检测
在线阅读 下载PDF
基于改进YOLOv8s的轻量化齿轮表面缺陷检测
2
作者 侯军兴 魏留杰 +2 位作者 安晓东 钟佳 刘柳 《制造业自动化》 2025年第11期168-174,共7页
针对现有齿轮表面缺陷检测算法参数较多、计算量大等问题,提出了一种基于改进YOLOv8s的轻量化齿轮表面缺陷检测方法。首先,将YOLOv8s网络模型中的部分普通卷积替换为Adown卷积模块,提高模型捕捉图像特征的能力;其次,将轻量化模块C2f-Fas... 针对现有齿轮表面缺陷检测算法参数较多、计算量大等问题,提出了一种基于改进YOLOv8s的轻量化齿轮表面缺陷检测方法。首先,将YOLOv8s网络模型中的部分普通卷积替换为Adown卷积模块,提高模型捕捉图像特征的能力;其次,将轻量化模块C2f-Faster与通道混合器CGLU相融合,构建全新的C2f-Faster-CGLU模块,降低模型大小与计算成本;最后,设计LSCSBD检测头进一步减少模型参数量。实验结果表明,改进后的YOLOv8s模型与原模型相比,模型参数量大小减少了58.6%,GFLOPs减少了46.1%,模型大小减少了57.3%,均值平均精度达到了98.8%的准确率。改进后的算法有效降低了模型的占用内存,模型更加轻量,为小型移动设备实时检测齿轮表面缺陷技术提供参考。 展开更多
关键词 缺陷检测 YOLOv8s Adown cglu 轻量化
在线阅读 下载PDF
基于FACV-YOLOv10模型的油田作业人员异常行为检测
3
作者 吴攀超 王佳硕 王婷婷 《机械与电子》 2025年第10期18-25,33,共9页
为解决油田作业现场因操作不规范导致的安全事故频发问题,提出一种改进的YOLOv10模型(FACV-YOLOv10)。针对油田监控中目标尺度变化大、背景复杂等问题,采用Focaler-CIoU替代传统损失函数,提升了对小目标的检测能力;结合AdditiveBlock和C... 为解决油田作业现场因操作不规范导致的安全事故频发问题,提出一种改进的YOLOv10模型(FACV-YOLOv10)。针对油田监控中目标尺度变化大、背景复杂等问题,采用Focaler-CIoU替代传统损失函数,提升了对小目标的检测能力;结合AdditiveBlock和ConvGLU优化骨干网络,实现轻量化的同时增强特征提取效果;此外,使用VoV-GSCSP和GSConv替换Neck中的C2f和Conv,提升了网络对多尺度目标的检测精度,并增强了其在复杂场景中的鲁棒性。在自建油田数据集上进行模型验证,mAP@50和mAP@50∶95分别达到92.7%和67.2%,在夜间巡检和恶劣天气等复杂工况下仍保持稳定性能,展现出良好的应用价值。 展开更多
关键词 YOLOv10 小目标检测 损失函数 模型轻量化 AdditiveBlock-cglu
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部