基于改进YOLOv8n的轻量化辣椒花目标检测方法 被引量：1

1

作者 匡敏球 李旭 +5 位作者 陈熵 刘大为 向阳 刘峰 吴艳华 谢方平 《农业工程学报》 北大核心 2025年第12期198-207,共10页

辣椒花目标检测是机械授粉的基础,为提高自然环境下辣椒花目标检测的精度,该研究提出了一种基于改进YOLOv8n的轻量化辣椒花目标检测模型YOLOv8n-Chili Flower。首先,在Neck层引入高效多尺度轻量化注意力机制模块EMA(efficient multi-sca... 辣椒花目标检测是机械授粉的基础,为提高自然环境下辣椒花目标检测的精度,该研究提出了一种基于改进YOLOv8n的轻量化辣椒花目标检测模型YOLOv8n-Chili Flower。首先,在Neck层引入高效多尺度轻量化注意力机制模块EMA(efficient multi-scale attention),提升模型对辣椒花特征的识别能力,从而增强检测的灵敏度和准确性;其次,在模型的Backbone层将C2f模块替换为GSConv(group separable convolution)模块,减少不必要的信息冗余,防止特征信息丢失,在提高注意力机制模块效果的同时,降低了模型的复杂度;最后,采用WIoU(weighted intersection over union)损失函数替换CIoU(complete intersection over union)损失函数,优化回归损失的计算,并引入平滑项更准确地计算边界框的重叠度,实现模型更精确匹配辣椒花的形状和分布,从而加快了模型收敛并提高检测精度。结果表明,YOLOv8n-Chili Flower模型的召回率和平均精度均值分别为94.6%和95.9%,较原始YOLOv8n模型分别提升了0.9和0.6个百分点,浮点计算量、参数量和模型大小分别为7.2 G、2.39 M和5.0 MB,较原模型分别降低了12.20%、20.60%和20.63%。与YOLOv5s、YOLOv7tiny、YOLOv8s和YOLOv9主流模型相比,改进模型能够更好地平衡平均精度均值和轻量化,将改进模型部署至NVIDIA Jetson AGX Orin计算平台上开展真实场景测试,正确检测率和检测帧率分别为83.25%和99.02帧/s,具有较好的正确检测率和检测速度。该研究可为辣椒机械授粉的花朵实时检测和轻量化部署提供一定的技术支持。 展开更多

关键词 YOLOv8n 目标检测 辣椒花 EMA注意力机制 gsconv模块 WIoU损失函数 轻量化模型

在线阅读 下载PDF 职称材料

改进YOLOpose的轻量化多人姿态检测模型 被引量：1

2

作者 张欣毅 张运楚 +1 位作者 王菲 刘一铭 《小型微型计算机系统》 北大核心 2025年第1期167-172,共6页

二维人体姿态估计对安全生产、智能交互等研究都有重要的意义.针对目前的人体姿态估计模型计算量大、检测速度慢等问题,本文提出一种基于YOLOpose模型的轻量化改进算法.首先引入运算更精巧的GSConv卷积模块替换普通Conv卷积,大大降低模... 二维人体姿态估计对安全生产、智能交互等研究都有重要的意义.针对目前的人体姿态估计模型计算量大、检测速度慢等问题,本文提出一种基于YOLOpose模型的轻量化改进算法.首先引入运算更精巧的GSConv卷积模块替换普通Conv卷积,大大降低模型计算量和复杂度;然后用CARAFE模块替换UPSample模块,完成上采样工作,同时引入CBAM注意力机制模块以避免模型轻量化带来的精度降低的问题.实验结果表明,YOLOpose模型经过上述轻量化改进后,模型体量降低为135.6MB,降低了约15.8%,GFLOPS降为了86.9,降低了约15.0%,模型计算量显著降低,再加入CBAM注意力机制对模型精度影响较小,改进后模型既可以保证识别的准确度,又可以实现检测算法的轻量化. 展开更多

关键词 姿态估计 YOLOpose 轻量化 gsconv卷积 CARAFE模块

在线阅读 下载PDF 职称材料

基于深度学习的轨道表面缺陷检测 被引量：1

3

作者 胡璐萍 管声启 +2 位作者 王剑楠 吴哲 刘懂懂 《甘肃科学学报》 2025年第1期16-24,共9页

针对钢轨表面缺陷检测精度不足和速度缓慢的难题,提出一种基于改进的YOLOv5s钢轨表面缺陷检测算法。在此算法中,首先在YOLOv5s网络中Bacbone部分内嵌入CBAM注意力模块,它能够有效挖掘钢轨损伤的通道和空间特征信息;同时,采用轻量化的CAR... 针对钢轨表面缺陷检测精度不足和速度缓慢的难题,提出一种基于改进的YOLOv5s钢轨表面缺陷检测算法。在此算法中,首先在YOLOv5s网络中Bacbone部分内嵌入CBAM注意力模块,它能够有效挖掘钢轨损伤的通道和空间特征信息;同时,采用轻量化的CARAFE模块取代原YOLOv5s网络中Neck部分的传统上采样模块,避免上采样过程中特征信息的丢失,生成更多的细节和平滑的边缘,有效增加模型的感受域,这些优化措施显著提升了模型对钢轨缺陷特征的捕捉力,进而增强了模型的检测精度;其次,通过将YOLOv5s中的CBL模块更换为更加高效的GSConv卷积模块,实现了计算成本的节约和检测速度的提升。实验结果表明:改进后的YOLOv5s对钢轨表面缺陷检测平均精度mAP为90.98%,相比于YOLOv5s提升了2.7%,其中检测摩擦缺陷的平均精度提升了5%,对于疤痕缺陷和裂纹缺陷精度提高了2.3%和0.9%,检测速度提高了7.52帧/s,能够有效解决钢轨表面缺陷检测准确率低及检测速度慢的问题,证明了钢轨表面缺陷检测算法的有效性。 展开更多

关键词 钢轨表面缺陷 YOLOv5s gsconv模块 轻量级采样模块

在线阅读 下载PDF 职称材料

改进YOLOv8的实时轻量化鲁棒绿篱检测算法

4

作者 张佳承 韦锦 陈义时 《计算机工程》 北大核心 2025年第7期362-374,共13页

针对道路两侧绿篱修剪的目标检测过程中对算法实时性、轻量化的要求以及算法在实际检测中的精度和光照鲁棒性问题,提出一种基于YOLOv8n的算法MGW-YOLO,并给出一种新的C2f_ModuGhost+模块来替换主干网络中的C2f模块,其中设计的调制可变... 针对道路两侧绿篱修剪的目标检测过程中对算法实时性、轻量化的要求以及算法在实际检测中的精度和光照鲁棒性问题,提出一种基于YOLOv8n的算法MGW-YOLO,并给出一种新的C2f_ModuGhost+模块来替换主干网络中的C2f模块,其中设计的调制可变形卷积增加了偏移量特征通道数,以加速模型的推理,增强算法实时性。在颈部网络中引入分组空间卷积(GSConv)轻量级卷积技术和slim-neck设计范式,并通过融合标准卷积、深度可分离卷积和Shuffle模块的思想,降低模型的参数量,实现模型的轻量化。设计一种具有双重加权机制的Focal-WIoU损失函数,WIoU中的双层交叉注意力机制可有效降低多个绿篱相连和遮挡时的误检率,并且利用Focal Loss权重因子提升对特殊形状绿篱等难分类样本的检测精度。另外采用TRADES方法的对抗训练策略,在分类问题鲁棒性与精度之间进行有效权衡。实验结果表明,相比基线算法YOLOv8n,MGW-YOLO的mAP@0.5和mAP@0.5∶0.95分别提高了3.29和2.87百分点,在无人驾驶底盘上的实验结果表明,MGW-YOLO相较于原始算法的预处理时间、每帧平均推理时间和每帧后处理时间分别降低了0.7 ms、10.7 ms和0.7 ms,检测速度提升了15.7帧/s,适用于绿篱修剪机在道路两侧实时性作业的需求。 展开更多

关键词 YOLOv8算法 目标检测 C2f_ModuGhost+模块 分组空间卷积轻量级卷积 Focal-WIoU损失函数 对抗训练

在线阅读 下载PDF 职称材料

改进YOLOv8n的电磁离合器端面缺陷检测 被引量：1

5

作者 魏书豪 徐红伟 +2 位作者 柯海森 李孝禄 丁建雄 《现代制造工程》 北大核心 2025年第5期126-134,共9页

电磁离合器是汽车生产过程中的重要部件,针对其端面缺陷尺寸微小、背景纹理复杂以及现有算法无法实现缺陷多样性检测等问题,提出了基于改进YOLOv8n的轻量级目标检测算法。在主干网络中融合EMA注意力和部分卷积,设计了轻量级的C2F-PE模... 电磁离合器是汽车生产过程中的重要部件,针对其端面缺陷尺寸微小、背景纹理复杂以及现有算法无法实现缺陷多样性检测等问题,提出了基于改进YOLOv8n的轻量级目标检测算法。在主干网络中融合EMA注意力和部分卷积,设计了轻量级的C2F-PE模块以改进C2F结构,增强网络的特征提取能力;为促进相同尺度间更丰富的特征融合,引入自注意力内尺度特征交互(AIFI)模块替换SPPF层,以捕获更细粒度的信息;在颈部网络中添加小目标检测层,有效地融合了浅层特征信息,提升了模型对小目标的感知力;引入Slim-neck模块改进颈部网络,轻量化模型的同时保持网络的检测精度。实验结果表明,改进后的算法相较于YOLOv8n算法,mAP@0.5达到94.6%,提升了4.5%,参数量减少13.3%,检测速度达到81 f/s。该算法更好地平衡了检测精度和速度,满足电磁离合器生产中实时检测的需求。 展开更多

关键词 YOLOv8n 电磁离合器 缺陷检测 轻量级网络 EMA注意力 内尺度特征交互 slim-neck模块

在线阅读 下载PDF 职称材料

面向高密度遮挡场景的轻量化行人检测研究

6

作者 张千龙 曾岳 《金陵科技学院学报》 2025年第1期8-14,共7页

针对密集遮挡场景下行人检测的实时性需求与特征退化问题,提出了RG-YOLO(reinforced group you only look once)轻量化检测框架,通过三重创新实现精度与效率的协同优化:1)设计GSConv异构卷积核组,通过跨组跳连机制在保持85%通道交互能... 针对密集遮挡场景下行人检测的实时性需求与特征退化问题,提出了RG-YOLO(reinforced group you only look once)轻量化检测框架,通过三重创新实现精度与效率的协同优化:1)设计GSConv异构卷积核组,通过跨组跳连机制在保持85%通道交互能力的前提下降低了71.2%的计算负载。2)构建VoV-GSCSP动态分组模块,依据特征图尺度自适应调整分组策略,提升遮挡目标18.7%的特征区分度。3)开发级联式CBAM-SPPF注意力机制,通过双路径融合增强遮挡区域的上下文建模能力在WiderPerson和CrowdHuman数据集上的对比实验结果表明:在输入像素分辨率为640×640的情况下,本模型的mAP@0.5值达到83.6%,较YOLOv5s提升了9.3%;同时将计算量压缩至2.8 GFLOPs,在Jetson Nano嵌入式平台实现了27.3 fps的实时检测。消融实验结果表明:GSConv在密集遮挡子集上使误检率降低了21.4%。 展开更多

关键词 行人检测 CA注意力模块 gsconv RG-YOLO 高密度遮挡

在线阅读 下载PDF 职称材料

基于SCAS-YOLO的变压器电力设备渗漏油检测研究

7

作者 赵勇彪 张雨柔 +2 位作者 邵晓琪 琚贇 张之刚 《电力信息与通信技术》 2025年第8期41-52,共12页

变压器等电力设备渗漏油检测对电力系统安全稳定运行至关重要。针对变压器等电力设备渗漏油检测困难以及网络结构较复杂等问题,文章以YOLOv8为基础引入Swin-Transformer模块和坐标注意力(coordinate attention,CA)机制来增强感受野,提... 变压器等电力设备渗漏油检测对电力系统安全稳定运行至关重要。针对变压器等电力设备渗漏油检测困难以及网络结构较复杂等问题,文章以YOLOv8为基础引入Swin-Transformer模块和坐标注意力(coordinate attention,CA)机制来增强感受野,提高骨干网络的特征提取能力,并引入一种轻量型Slim-Neck层,降低模型复杂结构并提高特征融合和表达能力。实验结果表明,所提模型的参数量和计算量降低约11%和7%,检测精度提升2%。在考虑不同光照、不同设备类别等条件下,该模型具备更优秀的检测性能。 展开更多

关键词 Swin-Transformer模块 CA机制 slim-Neck YOLO

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的林草火灾检测算法

8

作者 赵佳硕 马晓春 刘舰泽 《森林工程》 北大核心 2025年第5期1013-1024,共12页

在林草火灾场景中,明火形态的多样性以及环境的复杂性可能导致误检或漏检的现象发生,为此,针对森林与草原火灾提出一种基于改进的YOLOv8n火灾检测算法(YOLOv8n-CSA),CSA(channel-spatial attention)为通道-空间注意力模块,引入分组混洗... 在林草火灾场景中,明火形态的多样性以及环境的复杂性可能导致误检或漏检的现象发生,为此,针对森林与草原火灾提出一种基于改进的YOLOv8n火灾检测算法(YOLOv8n-CSA),CSA(channel-spatial attention)为通道-空间注意力模块,引入分组混洗卷积模块(group shuffle convolution,GSConv)替换原YOLOv8n中第3层标准卷积模块(convolution,Conv),降低模型计算量,提高特征提取能力。并且在head中引入Slim-Neck结构进一步降低模型计算量。同时设计YOLOv8n-CSA融入Backbone部分,以增强输入特征图的表达能力。该模块结合通道注意力、通道洗牌和空间注意力机制,旨在捕捉特征图中的全局依赖关系。基于林草火灾数据集,在未导入预训练模型的情况下,提出的火灾检测网络模型在测试的数据集上相比原模型YOLOv8n,其精确率(Precision)提高了3.7%、召回率(Recall)提高了1.51%、平均精度均值(mAP50)提高了3.24%、计算复杂度(GFLOPs)下降5.62%。试验结果表明,该算法验证计算量减少的同时,能够提升火灾迹象目标的检测性能。 展开更多

关键词 火灾检测 YOLOv8 通道空间注意力 slim-Neck结构 分组混洗卷积模块gsconv

在线阅读 下载PDF 职称材料

深度学习的红外热成像电路板元器件识别研究 被引量：2

9

作者 张林鍹 郑兴 +3 位作者 陈飞 李名洪 邱朝洁 常乾坤 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第4期560-567,共8页

针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynam... 针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynamic Convolution, ODConv)模块和改进坐标注意力(Coordinate Attention, CA)机制,提高模型对小目标的检测精确度并减少参数量;其次,引入解耦头(Decoupled Head, DH)模块,提高模型训练的收敛速度;最后,加入GSConv(Graph-Shifted Convolution) Slim模块,以降低模型的复杂度,提高预测速度。实验结果表明:改进后的算法模型漏检率降低40.22%,每秒浮点运算次数(Floating-point Operations Per Second, FLOPs)提升了25%,平均准确率提升了28.32%。 展开更多

关键词 红外热成像 YOLO v5 全维动态卷积 改进解耦头 改进坐标注意力机制 gsconv slim模块

在线阅读 下载PDF 职称材料

基于YOLOv8n改进的织物疵点检测算法 被引量：6

10

作者 刘伟宏 李敏 +2 位作者 朱萍 崔树芹 颜小运 《棉纺织技术》 CAS 2024年第10期19-25,共7页

为了解决织物疵点检测中小目标疵点难以检测的问题,提出了一种基于改进YOLOv8n算法的织物疵点检测系统。首先,在特征融合部分,采用了兼顾速度和精度的GSConv替代原有的卷积核,并引入了Slim⁃neck特征融合模块,使每个特征层能够同时考虑... 为了解决织物疵点检测中小目标疵点难以检测的问题,提出了一种基于改进YOLOv8n算法的织物疵点检测系统。首先,在特征融合部分,采用了兼顾速度和精度的GSConv替代原有的卷积核,并引入了Slim⁃neck特征融合模块,使每个特征层能够同时考虑深层特征的语义信息和浅层特征的细节信息,提高了对小目标的特征响应,同时简化了模型并降低了计算复杂度。其次,设计了用于检测小疵点目标的检测层P2,增强了模型对小疵点目标的检测能力,使其更适用于织物疵点检测任务。最后,采用指数滑动样本加权函数(EMA⁃SlideLoss)替代了交叉熵损失函数,以增强模型的类别分类能力,提高训练的稳定性。试验结果表明:在检测20类疵点时,相较于YOLOv8n模型,该研究方法在mAP@0.5方面提高了0.142,同时实现了47.4帧/s的检测速度。改进的YOLOv8n模型对网络的性能提升是有效的。 展开更多

关键词 织物疵点 YOLOv8n算法 slim⁃neck EMA⁃Slideloss gsconv

在线阅读 下载PDF 职称材料

注意力特征融合的番茄叶部早期病斑诊断算法 被引量：6

11

作者 金婷婷 房建东 赵于东 《电子测量技术》 北大核心 2024年第4期156-164,共9页

番茄产量受到病害、天气等因素的影响,其中番茄生长过程中叶片的病害问题是影响番茄产量的最关键因素。然而,在叶片病害检测领域,现有模型普遍存在泛化能力不足以及小病斑漏检率高等问题。提出一种改进的番茄病害早期检测算法,通过对YOL... 番茄产量受到病害、天气等因素的影响,其中番茄生长过程中叶片的病害问题是影响番茄产量的最关键因素。然而,在叶片病害检测领域,现有模型普遍存在泛化能力不足以及小病斑漏检率高等问题。提出一种改进的番茄病害早期检测算法,通过对YOLOv5s网络进行多方面的优化来改善这些问题,同时保持模型轻量化。首先,采用Mosaic 9数据增强技术,强化了模型对小病斑的检测能力,增加了图像背景的复杂度,提高了模型的泛化能力;其次,使用GSConv和Slim-Neck网络,在保持模型准确性的前提下轻量化模型,降低计算负担;同时,使用SimAM注意力机制更准确地捕捉叶片上的小病斑特征,从而降低漏检率;此外,为了进一步增强多尺度目标的检测能力,引入自适应空间特征融合,有效地整合不同尺度的特征,提升了多尺度目标,特别是小目标的检测准确性。实验结果表明:该模型在叶片病害早期检测方面表现出色,对叶霉、早疫、晚疫以及健康叶片四种番茄病害的早期平均识别准确率、召回率、F1分数及mAP分别达到了0.951%、0.918%、0.934%、0.948%。可见该方法对于小病斑具有较好的检测性能,改善了模型泛化能力不足及小病斑检测过程中的漏检问题,进一步提高了检测效果。 展开更多

关键词 YOLOv5s 番茄早期病斑 gsconv和slim-neck 注意力机制 特征融合

原文传递

基于YOLOv5s室内目标检测轻量化改进算法研究 被引量：14

12

作者 牛鑫宇 毛鹏军 +1 位作者 段云涛 娄晓恒 《计算机工程与应用》 CSCD 北大核心 2024年第3期109-118,共10页

针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征... 针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征提取网络,并且在改进的主干网络基础上采用CA注意力机制,同时在颈部网络中采用GSConv和VOV-GSCSP模块。最后引入边框回归损失函数EIOU加快网络收敛。研究结果表明,改进后的目标检测算法,模型计算量减少了68.75%,模型参数量减少了62.2%,权重文件减少了59.7%,平均精确率mAP均值为0.653,改进后的目标检测模型能够在保证轻量化的同时保证检测精度。 展开更多

关键词 YOLOv5s 轻量化 ShuffleNetv2网络 CA注意力机制 gsconv模块 VOV-GSCSP模块 EIOU损失函数

在线阅读 下载PDF 职称材料

基于轻量化的神经网络火焰检测算法研究

13

作者 陈义鑫 王婷 杨万扣 《计算机技术与发展》 2024年第11期200-206,共7页

为了改善复杂背景情况下火焰检测算法检测效果较差、对小目标不敏感和计算量过大等缺陷,该文设计出一种轻量化的目标检测算法——GS-YOLOv5s。研究将鬼影混洗卷积瓶颈模块(GS bottleneck)应用于特征提取网络,提出跨阶段特征提取网络——... 为了改善复杂背景情况下火焰检测算法检测效果较差、对小目标不敏感和计算量过大等缺陷,该文设计出一种轻量化的目标检测算法——GS-YOLOv5s。研究将鬼影混洗卷积瓶颈模块(GS bottleneck)应用于特征提取网络,提出跨阶段特征提取网络——GS-C2,通过对局部区域进行特征分流,使模型能够更专注地学习目标周围的局部特征,从而提高复杂背景下的目标检测精度;然后在模型的颈部网络中使用轻量化卷积GSConv,在实现模型轻量化的同时提高检测精度;最后通过融入选择性注意力LSK模块扩大感受野,更好地捕捉到全局上下文信息,提供更全面的场景理解,使网络更好地理解和响应小目标。数据集测试结果表明,与YOLOv5s基准模型相比,该算法结构整体参数量和浮点运算量分别减少了约20%和21%,同时mAP_(0.5)相较于YOLOv5s提高了4.6百分点。实验结果表明,GS-YOLOv5s既提高了检测精度,又满足了轻量化以及实时检测的需求,极大提高了火焰检测算法的实用性。 展开更多

关键词 目标检测 gsconv 跨阶段局部网络 注意力机制 SK模块

在线阅读 下载PDF 职称材料

矿用无人驾驶车辆行人检测技术研究 被引量：3

14

作者 周李兵 于政乾 +4 位作者 卫健健 蒋雪利 叶柏松 赵叶鑫 杨斯亮 《工矿自动化》 CSCD 北大核心 2024年第10期29-37,共9页

矿用无人驾驶车辆的工作环境光照条件复杂,行人检测经常出现漏检现象,导致矿用无人驾驶车辆可靠性及安全性不足。针对巷道光照条件复杂的问题,提出了一种弱光图像增强算法:将弱光图像由RGB图像空间分解为HSV图像空间,通过Logarithm函数... 矿用无人驾驶车辆的工作环境光照条件复杂,行人检测经常出现漏检现象,导致矿用无人驾驶车辆可靠性及安全性不足。针对巷道光照条件复杂的问题,提出了一种弱光图像增强算法:将弱光图像由RGB图像空间分解为HSV图像空间,通过Logarithm函数对亮度分量先进行光照,再通过双边滤波器去除噪声;采用形态学对饱和度分量进行闭操作,再通过高斯滤波器滤除噪声;将图像转换回RGB图像空间,通过半隐式ROF去噪模型对图像再次进行去噪,得到增强图像。针对行人检测存在漏检、精度低的问题,提出了一种基于改进YOLOv3的矿用无人驾驶车辆行人检测算法:采用密集连接块取代YOLOv3中的Residual连接,提高特征图利用率;采用Slim-neck结构优化YOLOv3的特征融合结构,使得特征图之间能够进行高效的信息融合,进一步提高对小目标行人的检测精度,并利用其内部特殊的轻量化卷积结构,提高检测速度;加入轻量级的卷积注意力模块(CBAM)增强算法对目标类别和位置的注意程度,提高行人检测精度。实验结果表明:(1)提出的弱光图像增强算法能够有效提高图像可见度,图像中行人的纹理更加清晰,并具有更好的噪声抑制效果。(2)基于增强后图像的矿用无人驾驶车辆行人检测算法的平均精度达95.68%,相较于基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法、YOLOv5、YOLOv3算法分别提高了2.53%,6.42%,11.77%,且运行时间为29.31 ms。(3)基于增强后图像,YOLOv3和基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法出现了漏检和误检的问题,而矿用无人驾驶车辆行人检测算法有效改善了该问题。 展开更多

关键词 矿用无人驾驶车辆 井下行人检测 YOLOv3 弱光图像增强 半隐式ROF去噪 密集连接模块 slim-neck 卷积注意力模块

在线阅读 下载PDF 职称材料

草坪环境下基于YOLO-CGO的上下半身行人检测研究

15

作者 林传渠 曾新华 +2 位作者 龙伟 蒋林华 胡灵犀 《软件导刊》 2024年第12期213-219,共7页

草坪环境下的行人检测模型存在识别率低、模型体积大、参数多、识别速度慢等问题,难以部署到计算能力有限的机器人平台上。为解决这一问题,对YOLOv5s进行改进,并提出了更轻量化和高精度的YOLO-CGO模型。采用轻量级网络MobileNetv3重置... 草坪环境下的行人检测模型存在识别率低、模型体积大、参数多、识别速度慢等问题,难以部署到计算能力有限的机器人平台上。为解决这一问题,对YOLOv5s进行改进,并提出了更轻量化和高精度的YOLO-CGO模型。采用轻量级网络MobileNetv3重置模型的特征提取网络,减少了模型参数量,提高了检测速度;结合CA注意力模块改进颈部网络的C3模块,将颈部网络的卷积层替换为GSConv卷积层,最后一层卷积替换为ODConv卷积层以减轻模型复杂度并保持准确性。实验结果表明,YOLO-CGO模型在自建数据集上比原始模型模型的参数量降低38%,模型体积降低38%,计算量GFLOPS减少50%,取得了明显的轻量化;与原始模型相比,该模型在mAP@0.5上提高了1个百分点,在mAP@0.5:0.95上提高了1.7个百分点。研究表明,YOLO-CGO模型在轻量化的情况下可获得优良的精准度,为算力资源有限的割草机器人自动化、智能化提供了实际可行的途径。 展开更多

关键词 行人检测 轻量化 gsconv ODConv CA注意力模块

在线阅读 下载PDF 职称材料

改进YOLOv7-tiny的目标检测轻量化模型 被引量：30

16

作者 刘浩翰 樊一鸣 +1 位作者 贺怀清 惠康华 《计算机工程与应用》 CSCD 北大核心 2023年第14期166-175,共10页

当前目标检测算法参数量大、计算复杂度高,难以部署在计算资源有限的边缘终端设备上,为此,提出一种改进的YOLOv7-tiny模型。引入ShuffleNet v1网络,改进后作为新的特征提取网络,增强对图像特征的提取,降低计算复杂度,获取更多丰富的语... 当前目标检测算法参数量大、计算复杂度高,难以部署在计算资源有限的边缘终端设备上,为此,提出一种改进的YOLOv7-tiny模型。引入ShuffleNet v1网络,改进后作为新的特征提取网络,增强对图像特征的提取,降低计算复杂度,获取更多丰富的语义信息,进一步提升检测精度;引入GSConv(鬼影混洗卷积)模块改进网络的Neck层,在降低参数量和计算量前提下,提升检测效果;采用Mish激活函数,增加非线性表达,提高模型的泛化能力。实验结果表明,改进后的模型与原模型相比,精度提高了3.3%,参数量和计算量分别下降了4.8%和13.7%,模型规模降低了8.7%。改进后的YOLOv7-tiny在保持较高的精度下,降低了模型的参数量和计算量,进一步提升了检测效果,为在边缘终端设备部署提供了可行性。 展开更多

关键词 目标检测 YOLOv7-tiny ShuffleNet v1 轻量化 Mish激活函数 gsconv模块

在线阅读 下载PDF 职称材料

单丝衍射花样精细条纹现象的简化模型研究

17

作者 杨文韬 倪演海 +3 位作者 梁一平 杜亮 魏佳菊 伍瑜 《重庆师范大学学报（自然科学版）》 CAS 2011年第4期53-56,共4页

激光束单丝衍射各级亮斑上出现精细条纹的现象在微小物体非接触测量、光栅刻写、保密通讯、雷达反隐形技术等领域具有潜在的应用价值。文章从光波动衍射理论出发,利用傅立叶分析法对氦氖激光束单丝衍射各级亮斑精细条纹进行了研究。建... 激光束单丝衍射各级亮斑上出现精细条纹的现象在微小物体非接触测量、光栅刻写、保密通讯、雷达反隐形技术等领域具有潜在的应用价值。文章从光波动衍射理论出发,利用傅立叶分析法对氦氖激光束单丝衍射各级亮斑精细条纹进行了研究。建立了单丝衍射花样精细结构模型,给出了衍射光强分布表达式I(x,y)=(a/λz)2[δ2(x/λz2)-2dδ(x/λz2)+d2sinc2(ax/λz1)sinc2(xd/λz2)],在排除系数误差后得到零级暗纹条数具有比例关系n∝[az2/z1d]。该模型很好地解释了实验中获得的各种现象。 展开更多

关键词 单丝衍射 夫琅禾费衍射 精细条纹 辛格函数 调制

原文传递

一种Yolov5颈部细化的小交通标志检测算法 被引量：7

18

作者 潘桂霞 赖惠成 +2 位作者 王同官 赵艳杰 文晓鹏 《现代电子技术》 2023年第14期56-62,共7页

针对现有交通标志检测算法对小尺寸交通标志特征提取不充分、检测精度低、速度慢等问题,文中提出一种Yolov5颈部细化的小交通标志检测算法。首先,为使网络更关注小交通标志的检测,在主干网络中添加一条浅层特征提取分支,获得浅层特征图... 针对现有交通标志检测算法对小尺寸交通标志特征提取不充分、检测精度低、速度慢等问题,文中提出一种Yolov5颈部细化的小交通标志检测算法。首先,为使网络更关注小交通标志的检测,在主干网络中添加一条浅层特征提取分支,获得浅层特征图,并与具有较强语义信息的深层特征图融合,改善浅层特征图的感受野;其次,在Yolov5颈部网络引入GSConv模块,通过深度可分离卷积与普通卷积信息渗透、网络通道减半压缩的方式提高算法的检测性能;最后,利用完备交并比(CIoU)损失函数加快模型收敛,提高检测速度。实验结果表明,改进后的Yolov5网络模型性能有所上升,在TT100K交通标志数据集上平均精度均值mAP可达83.56%,相较于原始Yolov5基本框架mAP提升2.24%,且检测速度FPS可达40.5 f/s,满足实时性要求。 展开更多

关键词 目标检测 小交通标志 Yolov5 颈部细化算法 特征融合 gsconv模块

在线阅读 下载PDF 职称材料

微小井眼电机驱动CT牵引器控制系统设计

19

作者 侯学军 高德利 沈忠厚 《石油机械》 北大核心

微小井眼连续管（CT）井下作业技术在钻井、测井、修井、完井、气举采油等方面优势突出,但因微小井眼直径小,CT在井眼中不旋转,井下遇阻严重,送进困难,严重影响该项钻井技术的应用与推广。在分析国内外牵引器研究现状的基础上,设计了一... 微小井眼连续管（CT）井下作业技术在钻井、测井、修井、完井、气举采油等方面优势突出,但因微小井眼直径小,CT在井眼中不旋转,井下遇阻严重,送进困难,严重影响该项钻井技术的应用与推广。在分析国内外牵引器研究现状的基础上,设计了一种微小井眼井下电机驱动CT牵引器控制系统。该系统直接利用4个伺服电机驱动与控制牵引器牵引井下CT下入和取出,减少了利用循环液驱动时对液压能的依赖性和利用循环液压阀来控制管路的复杂性,节省了液压管路的空间,使作业过程能正常循环井底液体。CT牵引器控制系统适用于小井眼井下牵引作业,稳定性好,牵引灵活,牵引速度快,解决了因井下CT摩阻较大,下入和取出困难等技术难题,增加了CT在井下的延伸长度,将促进我国微小井眼CT井下作业技术发展。 展开更多

关键词 微小井眼 连续管 牵引器 电机驱动 井下作业 控制模块

在线阅读 下载PDF 职称材料

一种轻量且鲁棒的指针式仪表自动读数方法

20

作者 向诗洁 贾振堂 《仪表技术与传感器》 2025年第10期29-35,41,共8页

针对指针式仪表读数算法存在计算复杂和对倾斜状态鲁棒性不足的问题,提出一种基于轻量级网络的自动读数方法。采用MobileNetV3模块搭建轻量化主干逐层提取图像特征,以GSConv为基础构建网络颈部,通过自底向上和自顶向下2条路径高效融合特... 针对指针式仪表读数算法存在计算复杂和对倾斜状态鲁棒性不足的问题,提出一种基于轻量级网络的自动读数方法。采用MobileNetV3模块搭建轻量化主干逐层提取图像特征,以GSConv为基础构建网络颈部,通过自底向上和自顶向下2条路径高效融合特征,设计加权拼接结构使网络分辨有效信息。利用网络检测仪表关键点,采用最小二乘法拟合表盘椭圆,对图像进行透视变换以完成倾斜校正,通过角度法直接计算仪表读数。实验结果显示,所提方法轻量简单,相较传统方法鲁棒性更强,读数准确率高。 展开更多

关键词 指针式仪表 MobileNetV3模块 gsconv 加权拼接 倾斜校正 角度法

在线阅读 下载PDF 职称材料