为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改...为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改进后的模型在测试集上的平均精度均值(Mean average precision,m AP)达97.8%,比原模型提高了2.6%;模型计算量(Floating point operations,FLOPs)减少了15.8%,参数量(Parameters,Params)体积缩小了17.6%。这种高精度、小体积模型能够满足玉米雄穗快速识别的需求,可为无人机机载平台的部署提供关键技术支持。展开更多
在聚变装置真空检漏领域中,未来聚变装置涉氚运行,检漏人员无法进入装置检漏,这使得这项任务极其困难和耗时。为实现聚变装置泄漏设备的快速准确检测,本文以6自由度机械臂为研究对象,提出了一种GV2-YOLOv5的真空设备检测方法用于真空检...在聚变装置真空检漏领域中,未来聚变装置涉氚运行,检漏人员无法进入装置检漏,这使得这项任务极其困难和耗时。为实现聚变装置泄漏设备的快速准确检测,本文以6自由度机械臂为研究对象,提出了一种GV2-YOLOv5的真空设备检测方法用于真空检漏机器人对真空设备进行识别和定位喷氦。在该方法中,结合轻量级Ghost Net V2网络构建C3GhostV2模块,同时使用轻量的Ghost卷积提取目标特征,从而降低模型参数量,提高计算速度;在特征融合网络中添加Bottleneck Transformers和ECA注意力机制,提高网络特征提取能力以及加强模型通道特征。实验结果表明,在自制数据集上,改进后的模型平均精度为93.2%,相比YOLOv5s提高了1.4%,模型参数量减少了29.5%,检测速度为92 fps,满足实时性与准确性的需求,为真空检漏机器人目标识别与定位提供了一种的解决方案。展开更多
文摘为有效解决玉米雄穗无人机识别过程中因雄穗尺寸过小造成的漏检、识别速度慢、模型体积大等问题,通过添加注意力机制、融入轻量化模块和优化损失函数,建立了一种改进YOLOv8n卷积神经网络的玉米雄穗检测模型YOLOv8n-maize。结果表明:改进后的模型在测试集上的平均精度均值(Mean average precision,m AP)达97.8%,比原模型提高了2.6%;模型计算量(Floating point operations,FLOPs)减少了15.8%,参数量(Parameters,Params)体积缩小了17.6%。这种高精度、小体积模型能够满足玉米雄穗快速识别的需求,可为无人机机载平台的部署提供关键技术支持。
文摘在聚变装置真空检漏领域中,未来聚变装置涉氚运行,检漏人员无法进入装置检漏,这使得这项任务极其困难和耗时。为实现聚变装置泄漏设备的快速准确检测,本文以6自由度机械臂为研究对象,提出了一种GV2-YOLOv5的真空设备检测方法用于真空检漏机器人对真空设备进行识别和定位喷氦。在该方法中,结合轻量级Ghost Net V2网络构建C3GhostV2模块,同时使用轻量的Ghost卷积提取目标特征,从而降低模型参数量,提高计算速度;在特征融合网络中添加Bottleneck Transformers和ECA注意力机制,提高网络特征提取能力以及加强模型通道特征。实验结果表明,在自制数据集上,改进后的模型平均精度为93.2%,相比YOLOv5s提高了1.4%,模型参数量减少了29.5%,检测速度为92 fps,满足实时性与准确性的需求,为真空检漏机器人目标识别与定位提供了一种的解决方案。
