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
共找到2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：
基于改进YOLOv10的液晶显示屏表面缺陷检测算法
1
作者 杨瑞峰 廖映华 +1 位作者 罗覃鹏 罗星燃 《电子测量技术》 北大核心 2025年第15期70-79,共10页
针对液晶显示屏(LCD)表面缺陷特征微弱、种类繁多且与背景相似度较高,导致现有检测方法精度较低的问题,提出了一种基于YOLOv10的改进液晶显示屏微弱缺陷检测模型—LC-YOLO。首先,将颈部网络上的卷积模块更改为全维动态卷积ODConv,在保... 针对液晶显示屏(LCD)表面缺陷特征微弱、种类繁多且与背景相似度较高,导致现有检测方法精度较低的问题,提出了一种基于YOLOv10的改进液晶显示屏微弱缺陷检测模型—LC-YOLO。首先,将颈部网络上的卷积模块更改为全维动态卷积ODConv,在保证模型检测精度的同时降低了模型的计算量,提高对小缺陷特征信息的精确提取。其次,为进一步优化模型的性能,提出DySample动态上采样模块。通过点采样的方式避免背景的干扰,减少了误检和漏检现象。提高了模型在复杂背景下的鲁棒性。最后,为了增强模型对小目标的提取能力,本文引入了添加EMAttention注意力机制。该机制增强了模型对小型和暗淡目标的关注能力,从而显著提高了模型整体性能。在包含划痕、崩角、凹印3类缺陷的1774张数据集上进行的实验结果表明,与原YOLOv10模型相比,LC-YOLO在平均精度、准确率和召回率上分别提高了2.9%、2.4%和5.8%。同时,模型的计算量也减少了2%。与现有的目标检测算法相比,LC-YOLO在保持轻量化特性的同时,精度和检测速度也获得了提升,且在液晶屏表面微弱特征缺陷的检测中表现出优异的性能。 展开更多
关键词 液晶显示屏 微弱特征 缺陷检测 YOLOv10 emattention
原文传递
基于改进YOLOv8的水面垃圾检测模型研究
2
作者 皮大能 周琦 +1 位作者 杨一群 袁廷臣 《湖北师范大学学报(自然科学版)》 2025年第1期27-34,共8页
针对水面场景检测中背景复杂、目标形状和尺度差异大、特征模糊以及难以检测小目标等问题,提出了一种改进的YOLOv8垃圾检测模型。在YOLOv8骨干网络的末端加入高效多尺度注意力机制EMAttention,能够融合多尺度特征,更好地捕捉小目标的细... 针对水面场景检测中背景复杂、目标形状和尺度差异大、特征模糊以及难以检测小目标等问题,提出了一种改进的YOLOv8垃圾检测模型。在YOLOv8骨干网络的末端加入高效多尺度注意力机制EMAttention,能够融合多尺度特征,更好地捕捉小目标的细节,减少漏检现象;同时,用LSCD检测头替换原有检测头,使生成的图像具有更高的分辨率和细节,这使得YOLOv8能够更准确地检测和分类图像中的小物体或复杂结构,减少误检率。该算法融入了有效的注意力机制,替换了检测头,所提出的方法较原YOLOv8算法实现F1提高0.14%、召回率(R)提高2.8%、平均精度(mAP@50)提高0.3%,mAP@50-95提高0.7%以及降低了0.64 M的参数量。这证明了在复杂水面环境中,该模型的有效性和实用性。 展开更多
关键词 垃圾检测 emattention 检测头 YOLOv8
在线阅读 下载PDF
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
使用帮助 返回顶部