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6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：
基于轻量化YOLOv8-FasterBlock模型的云南小粒咖啡生豆分级方法
1
作者 杨红欣 陈越 +6 位作者 裴国权 钱雪英 李沛瑶 朱才英 夏迁 刘自高 吴文斗 《食品科学》 北大核心 2025年第4期268-277,共10页
建立基于轻量化YOLOv8-FasterBlock模型的小粒咖啡生豆分级方法。实验主要收集来自云南的一级、二级、三级以及缺陷小粒咖啡生豆共500 g作为研究对象,混合后采集相应RGB图像作为咖啡生豆分级的数据集。随后对YOLOv8n模型进行改进,重点将... 建立基于轻量化YOLOv8-FasterBlock模型的小粒咖啡生豆分级方法。实验主要收集来自云南的一级、二级、三级以及缺陷小粒咖啡生豆共500 g作为研究对象,混合后采集相应RGB图像作为咖啡生豆分级的数据集。随后对YOLOv8n模型进行改进,重点将YOLOv8n模型中C2f模块的BottleneckBlock替换为FasterNet中的FasterBlock模块,改进后形成新的轻量化YOLOv8-FasterBlock模型。将该模型应用于实验中不同等级咖啡豆分级检测,结果显示,提出的YOLOv8-FasterBlock模型精确率、召回率和平均精度均值分别达到了98.4%、94.3%、97.4%,其检测平均时间为2.4 ms。在后续进行的一系列对比实验、消融实验、轻量化实验以及粘连豆实验,证明了YOLOv8-FasterBlock模型的优越性和结构有效性。YOLOv8-FasterBlock模型在降低模型复杂度的同时,提升了对小粒咖啡生豆的特征提取能力和推理速度,可实现咖啡豆分级快速检测。研究结果可为后续小粒咖啡生豆分级设备的视觉模块部署提供参考,也可以为其他农产品的分级提供理论支持。 展开更多
关键词 小粒咖啡 生豆 YOLOv8-fasterblock模型 目标检测 分级
在线阅读 下载PDF
基于改进YOLOv8的轻量化红外目标检测算法
2
作者 宋成梁 张奇志 +1 位作者 刘伟 刘琼 《激光与红外》 北大核心 2025年第7期1128-1134,共7页
针对红外图像目标检测任务中存在的分辨率差、对比度低、信噪比低等挑战。本文设计了一种改进YOLOv8的算法,实现了高效的红外场景目标识别。该算法首先构建FasterBlock模块,替换颈部(Neck)部分的Bottleneck模块,从而有效减少模型参数量... 针对红外图像目标检测任务中存在的分辨率差、对比度低、信噪比低等挑战。本文设计了一种改进YOLOv8的算法,实现了高效的红外场景目标识别。该算法首先构建FasterBlock模块,替换颈部(Neck)部分的Bottleneck模块,从而有效减少模型参数量,提高模型的轻量化水平。然后,增添SE注意力机制,增强模型对关键信息的感知和提取能力,增强特征提取的效果,从而提升模型面对复杂场景的适应性与运行稳定度。同时,引入双层路由注意力机制,利用特征图中存在的大量冗余信息,通过稀疏连接的方式节省计算和内存开销。最后,改进损失函数,引入了完整的交并比EIoU作为回归损失,提高了模型对目标边界框的回归精度。实验结果表明,本文改进算法与YOLOv5,YOLOv8等主流算法相比,其召回率达到81%;模型体积分别下降了7.2%,21.6%,仅有4.6 MB;同时参数量,计算量大幅度降低。与主流算法进行比较,本文改进的算法在检测精度、模型体积、计算量等方面显著提升,可以满足对红外目标的检测。 展开更多
关键词 红外目标识别 YOLOv8 fasterblock 注意力机制 EIoU
在线阅读 下载PDF
基于改进YOLOv8s的花色布疵点检测算法
3
作者 王跃坤 徐洋 +2 位作者 余智祺 解国升 盛晓伟 《棉纺织技术》 2025年第2期41-48,共8页
针对花色布背景图案复杂、部分疵点目标小、与背景分离难度大,及其带来的自动化实时检测挑战等问题,提出一种基于改进YOLOv8s的花色布疵点检测算法。为增强网络检测疵点小目标的能力,引入BiFPN(Bi⁃directional Feature Pyramid)特征融... 针对花色布背景图案复杂、部分疵点目标小、与背景分离难度大,及其带来的自动化实时检测挑战等问题,提出一种基于改进YOLOv8s的花色布疵点检测算法。为增强网络检测疵点小目标的能力,引入BiFPN(Bi⁃directional Feature Pyramid)特征融合网络,充分融合语义信息和位置信息,增强算法区分疵点和背景的能力;同时,注意到疵点小目标中低质量样本对检测结果的影响,引入WIoU v3损失函数,抑制训练过程中低质量样本产生的有害梯度;最后,引入FasterBlock模型改进原始模型neck中的C2f模块,降低模型整体的参数量。结果表明:改进后的YOLOv8s模型在整个数据集的mAP@0.5∶0.95上可达59.6%,比原YOLOv8s模型提高了2.8个百分点;小目标的APs@0.5∶0.95可达45.1%,比原YOLOv8s模型提高了8.3个百分点;改进后模型参数量为10.557 M,检测速度可达131.6帧/s。认为:改进的YOLOv8s有效提升了沾污、花毛等小目标的检测效果。 展开更多
关键词 花色布 疵点检测 YOLOv8s BiFPN fasterblock WIoU v3损失函数
在线阅读 下载PDF
基于YOLO v8-Tea的茶叶病害检测方法 被引量：3
4
作者 贾瀛睿 龙阳 +2 位作者 胡蓉华 崔艳荣 桂余鹏 《江苏农业科学》 北大核心 2024年第15期213-221,共9页
针对真实场景下复杂的茶叶病害特征检测准确率低、误检率和漏检率高,以及难以进行移动设备上部署等问题,提出一种基于YOLO v8-Tea的茶叶病害检测算法。该算法是在YOLO v8的基础上做的改进,首先,替换了C2f中的Bottleneck,采用FasterBloc... 针对真实场景下复杂的茶叶病害特征检测准确率低、误检率和漏检率高,以及难以进行移动设备上部署等问题,提出一种基于YOLO v8-Tea的茶叶病害检测算法。该算法是在YOLO v8的基础上做的改进,首先,替换了C2f中的Bottleneck,采用FasterBlock来减少参数量和计算量。同时,引入了多尺度注意力EMA模块,以增强全局上下文信息的获取。最后,采用BiFPN模块,以更好地融合多尺度特征,并改进了颈部网络,以提高检测精度。结果表明,YOLO v8-Tea算法在平均精度方面比传统YOLO v8n提高了5.7百分点,从而能更准确地检测复杂的茶叶病害特征。与此同时,模型的参数量和计算量分别减少了47.9%和28.4%,模型的权重文件的大小减小了45.2%,仅为3.4 M。YOLO vs-Tea算法的平均精度比经典的YOLO系列算法中的YOLO v4-tiny、YOLO v5n、YOLO v6n、YOLO v7-tiny分别提高24.6、6.8、5.5、2.5百分点。这些改进使得本研究算法更适合茶叶病害检测任务以及在移动设备中的高效部署。该算法在茶叶病害检测方面取得了显著的性能提升。通过降低参数量和计算量以及优化模型的部署,为实际农业场景中的茶叶病害检测提供了一个更可行的解决方案,为茶叶产业提供了有前景的技术,可以提高茶叶病害检测的效率和准确性。 展开更多
关键词 茶叶病害 检测 YOLO v8-Tea fasterblock EMA BiFPN
在线阅读 下载PDF
基于改进YOLOv8的血细胞检测
5
作者 李昊东 李小伟 高彦臣 《现代计算机》 2024年第22期15-21,共7页
基于YOLOv8目标检测框架,提出了一种改进的血细胞检测方法。引入SIoU损失函数,能够更好地处理血细胞检测中的目标物体形状偏斜问题,提高检测精度。引入FasterNet Block模块,通过优化卷积操作和特征融合策略,提高了特征提取的效率和精度... 基于YOLOv8目标检测框架,提出了一种改进的血细胞检测方法。引入SIoU损失函数,能够更好地处理血细胞检测中的目标物体形状偏斜问题,提高检测精度。引入FasterNet Block模块,通过优化卷积操作和特征融合策略,提高了特征提取的效率和精度。在公开的血细胞图像数据集上进行了对比实验。实验结果表明,对比原有模型,改进方法在多个评价指标上均取得了显著的性能提升。平均精度(mAP)提高了2.1个百分点。检测速度提高了23.2 ms。 展开更多
关键词 血细胞检测 YOLOv8 SIoU损失函数 fasterblock模块 深度学习
在线阅读 下载PDF
基于红外热像的YOLOV8n-TOD列车障碍物检测算法
6
作者 赵守俊 陈嘉 +1 位作者 谢兰欣 张轩雄 《建模与仿真》 2025年第1期1086-1099,共14页
热成像可在低光环境下检测障碍物。针对列车颠簸影响图像质量的问题,基于ORB特征提取算法与Farneback、Lucas-Kanade光流法加权平均设计一种EIS算法,对采集的数据进行EIS及CLAHE预处理。同时,针对红外图像低分辨率、高噪声敏感性的问题... 热成像可在低光环境下检测障碍物。针对列车颠簸影响图像质量的问题,基于ORB特征提取算法与Farneback、Lucas-Kanade光流法加权平均设计一种EIS算法,对采集的数据进行EIS及CLAHE预处理。同时,针对红外图像低分辨率、高噪声敏感性的问题,提出一种列车障碍物检测算法YOLOV8n-TOD,该算法从3个方面进行改进:在YOLOV8n算法中使用MobileNetV3网络替换原主干,通过轻量级结构和深度可分离卷积操作提高算法的计算效率和特征提取能力;在颈部网络中使用FasterBlock网络重构C2f模块,优化特征融合及增强信息传递,提高算法的稳定性与检测精度;优化CIOU损失函数,提高算法的泛化能力。测试结果显示:经预处理后YOLOV8n算法的mAP提高了2.4%;采用YOLOV8n-TOD算法后mAP又提升了7.2%,显著增强了障碍物检测能力。 展开更多
关键词 EIS Farneback Lucas-Kanade MobileNetV3 fasterblock
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