期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于改进EfficientDet的食品生产线核桃仁分选智能化研究
1
作者 秦新华 王义亮 +1 位作者 李玉贵 李晋 《食品与机械》 北大核心 2025年第8期77-84,共8页
[目的]提高现有食品生产线核桃仁分选的效率和精度。[方法]基于核桃仁分拣的智能化生产线,提出一种改进的EfficientDet模型用于食品生产线核桃仁智能化分选。通过在主干网络引入卷积注意力机制模块,强化模型对食品区域的聚焦能力。通过... [目的]提高现有食品生产线核桃仁分选的效率和精度。[方法]基于核桃仁分拣的智能化生产线,提出一种改进的EfficientDet模型用于食品生产线核桃仁智能化分选。通过在主干网络引入卷积注意力机制模块,强化模型对食品区域的聚焦能力。通过改进双向特征金字塔网络,增强模型对不同尺度食品的检测能力。通过Dynamic ReLU激活函数对原激活函数进行优化,增强模型对食品的检测性能,并将优化后的模型部署于食品生产线进行试验验证。[结果]试验方法在核桃仁分选任务中实现对正常、碎壳、黑斑和干瘪核桃仁的精准识别与高效分类,单张图像检测时间为18 ms,平均精度均值达到97.92%,误检率降至1.0%,可有效提高食品生产线自动化水平。[结论]该智能化分选方法有效解决了传统分选效率低和精度差的问题,在食品生产线自动化领域具有良好的应用前景与推广价值。 展开更多
关键词 食品生产线 核桃仁分选 智能化 efficientdet模型 双向特征金字塔网络 卷积注意力机制模块
在线阅读 下载PDF
基于EfficientDet网络的细粒度吸烟行为识别 被引量:6
2
作者 张洋 姚登峰 +1 位作者 江铭虎 李凡姝 《计算机工程》 CAS CSCD 北大核心 2022年第3期302-309,314,共9页
在实际场景中,因香烟目标过于微小且特征不明显,现有的目标检测算法难以区分类烟物与香烟,导致吸烟行为识别效果差。提出一种基于弱监督细粒度结构与EfficientDet网络的吸烟行为识别算法。采用Edge Boxes算法检测图像块的特征边缘,通过... 在实际场景中,因香烟目标过于微小且特征不明显,现有的目标检测算法难以区分类烟物与香烟,导致吸烟行为识别效果差。提出一种基于弱监督细粒度结构与EfficientDet网络的吸烟行为识别算法。采用Edge Boxes算法检测图像块的特征边缘,通过非极大值抑制对边缘进行筛选,形成候选区域块。构建包含物体级筛选器和局部级筛选器的细粒度两级注意力模型,其中物体级筛选器使用改进的EfficientDet网络滤除候选区域的背景噪声,以分类前景物体及特征较强的候选区域,并在局部级筛选器中使用通道注意力卷积块对候选区域进行聚类,筛选出得分最高的像素块。通过融合物体级筛选器与局部级筛选器得到的结果,以准确识别吸烟行为。在BUU-Smoke数据集上的实验结果表明,该算法的吸烟行为识别准确率为93.10%,误检率为3.6%,并且具有较优的鲁棒性和泛化能力。 展开更多
关键词 吸烟行为 efficientdet网络 弱监督细粒度 注意力机制 行为识别
在线阅读 下载PDF
基于CA‐EfficientDet的棉布瑕疵检测方法 被引量:6
3
作者 徐天伦 李波 +1 位作者 胡文杰 姚为 《中南民族大学学报(自然科学版)》 CAS 北大核心 2022年第2期243-250,共8页
针对目前棉布瑕疵检测算法存在精度不够高的问题,基于高效的EfficientDet目标检测模型,结合通道注意力机制,提出了一种棉布瑕疵检测模型CA-EfficientDet,通过注意力机制在特征提取时关注重要的信息;此外,提出了改进的BiFPN特征融合策略... 针对目前棉布瑕疵检测算法存在精度不够高的问题,基于高效的EfficientDet目标检测模型,结合通道注意力机制,提出了一种棉布瑕疵检测模型CA-EfficientDet,通过注意力机制在特征提取时关注重要的信息;此外,提出了改进的BiFPN特征融合策略,增加了不同层级的特征融合,提高了多尺度特征融合的效率.在棉布瑕疵企业样本及公开数据集上的实验结果表明:所提出的棉布瑕疵检测模型在精度上有明显提升,具有良好的目标检测效果. 展开更多
关键词 CA-efficientdet网络 瑕疵检测 注意力机制 棉布生产 深度学习
在线阅读 下载PDF
基于EfficientDet网络的输电线路故障检测 被引量:7
4
作者 朱登柯 侯兴松 要晓迪 《国外电子测量技术》 北大核心 2021年第6期144-151,共8页
为保障电力系统的安全运行,需要对输电线路进行全方位的智能监测和实时预警。针对电力行业缺少公开图像数据样本、故障特征不明显、小目标难以检测的问题,提出了一种基于EfficientDet网络的输电线路故障检测方法。首先,采集并仿真多场... 为保障电力系统的安全运行,需要对输电线路进行全方位的智能监测和实时预警。针对电力行业缺少公开图像数据样本、故障特征不明显、小目标难以检测的问题,提出了一种基于EfficientDet网络的输电线路故障检测方法。首先,采集并仿真多场景下的输电线路异物悬挂、导线散股断股两类故障,整理形成故障数据集。考虑到故障样本中存在诸多特征不明显的小目标,提出了改进EfficientDet网络的特征融合层的方法,减少其下采样次数使网络能够有效提取到小目标的细节特征信息。通过分析数据集中故障目标的分布特点重新设计anchor尺寸并调整其在网络中的分配方式,加速网络收敛过程,进一步提升了网络的检测性能。实验结果表明,提出的算法在交并比阈值为0.5时,检测两类目标的平均准确率达到了95.12%,模型推理速度为23 fps,在检测精度和速度上都超过了YOLO v4算法,且模型大小远小于YOLO v4。 展开更多
关键词 智能巡检 故障检测 efficientdet网络 深度学习
原文传递
基于EfficientDet的输电线路破损防振锤检测 被引量:3
5
作者 许扬 凌德泉 +3 位作者 严锋 陈晓建 张一辰 籍天明 《电子设计工程》 2022年第9期139-143,共5页
随着人工智能尤其是深度学习技术的快速发展,无人机巡检与图像识别技术在电网输电线路破损防振锤检测中发挥着重要作用。文中构建了一种基于改进EfficientDet深度神经网络模型的破损防振锤检测模型。采用先目标检测后分类判别的方法实... 随着人工智能尤其是深度学习技术的快速发展,无人机巡检与图像识别技术在电网输电线路破损防振锤检测中发挥着重要作用。文中构建了一种基于改进EfficientDet深度神经网络模型的破损防振锤检测模型。采用先目标检测后分类判别的方法实现输电线路中的破损防振锤识别,基于目标各要素之间的相互关系判别技术,优化了背景干扰所产生的误识别问题。使用细节特征提取来判断拍摄倾角并去除倾斜角度过大的目标。实验结果表明,文中所提改进EfficientDet目标检测模型的mAP为51.16%,准确率与召回率分别为93.3%、91.8%,均优于其他目标检测模型。同时,破损防振锤的分类准确率与召回率分别达到85.4%、81.7%,由此验证了所提方法的准确性与实用性。 展开更多
关键词 防振锤 efficientdet 深度神经网络 目标检测
在线阅读 下载PDF
基于EfficientDet的汽车ECU分类检测方法
6
作者 陈文韵 王学影 +1 位作者 胡晓峰 郭斌 《中国测试》 CAS 北大核心 2023年第1期98-104,共7页
针对传统的图像处理方法对于机械零件检测存在的检测时间长、准确率低等难点,提出一种基于EfficientDet的汽车ECU分类检测方法,将经过预处理和数据增强的ECU外壳图片样本输入神经网络训练,利用一种改进的新型的加权双向特征提取网络BiFP... 针对传统的图像处理方法对于机械零件检测存在的检测时间长、准确率低等难点,提出一种基于EfficientDet的汽车ECU分类检测方法,将经过预处理和数据增强的ECU外壳图片样本输入神经网络训练,利用一种改进的新型的加权双向特征提取网络BiFPN和一种复合尺度扩张方法进行特征提取并匹配特征图,提高检测的准确率,利用预训练模型进行迁移学习缩减训练时长,实现ECU外壳的自动检测。将检测结果与Faster R-CNN、Mask R-CNN、EfficientDet-D0模型检测结果相比较,实验结果表明,基于EfficientDet的机械零件检测算法的识别率高于对比的其他网络模型,mAP达92.4%,在实际应用中更能够精确地检测ECU零件,满足实验与生产线检测需求。 展开更多
关键词 深度学习 efficientdet 卷积神经网络 目标检测
在线阅读 下载PDF
基于权重和BN层剪枝的晶界检测模型压缩算法探析
7
作者 李静 卯福启 《北京工业职业技术学院学报》 2022年第3期27-34,共8页
性能优越的晶界缺陷检测模型往往存在网络参数量过多、结构冗余及推理时间慢的问题,导致模型部署过程成本高、时延长。针对上述问题,通过稀疏化权重和通道剪枝对晶界检测算法EfficientDet网络进行模型压缩。由数据验证可知,剪枝后的晶... 性能优越的晶界缺陷检测模型往往存在网络参数量过多、结构冗余及推理时间慢的问题,导致模型部署过程成本高、时延长。针对上述问题,通过稀疏化权重和通道剪枝对晶界检测算法EfficientDet网络进行模型压缩。由数据验证可知,剪枝后的晶界模型检测时间约降为1/2,参数量降低70%,网络模型计算量FLOPs降低60%左右。 展开更多
关键词 晶界缺陷检测模型 模型压缩 efficientdet网络 权重剪枝 BN层通道剪枝
在线阅读 下载PDF
基于增强特征融合网络的安全帽佩戴检测 被引量:2
8
作者 崔卓栋 陈玮 尹钟 《电子科技》 2023年第4期44-51,共8页
佩戴安全帽是保证工人施工安全的重要方式之一。现有的安全帽检测器的检测精度与速度都有待提高,这使得这些检测器难以大规模应用于实际的生产活动中。针对这些问题,文中推出了基于EfficientDet的安全帽检测器,并在此基础上从特征融合... 佩戴安全帽是保证工人施工安全的重要方式之一。现有的安全帽检测器的检测精度与速度都有待提高,这使得这些检测器难以大规模应用于实际的生产活动中。针对这些问题,文中推出了基于EfficientDet的安全帽检测器,并在此基础上从特征融合的角度对其进行了改进。该模型通过使用特征补充的方式减少了特征融合过程中的信息损失,并利用改进的特征金字塔及自适应空间融合模块提升了融合的效率,最终达到提升性能的目的。实验表明,文中改进的模型在安全帽佩戴数据集上的精确率达到83.03%,相较于未改进的模型有所提升,且模型大小没有明显增加。该模型在PASCAL VOC 2007上的精确率则达到了82.76%。 展开更多
关键词 安全帽佩戴检测 特征融合 特征金字塔 目标检测 efficientdet 空间融合 深度学习 卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部