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9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YOLOv8的轻量化机收小麦杂质检测方法
1
作者 钱锐 赵丽清 +3 位作者 殷元元 刘闯 夏俊杰 张京科 《中国农机化学报》 北大核心 2026年第1期73-78,86,共7页
为实现小麦杂质的高效检测,提出一种基于YOLOv8的轻量化小麦杂质检测方法。首先,为减少卷积过程中的运算量,将Backbone中的C2f模块替换为引入部分卷积(PConv)的CPC模块。然后,引入高级筛选特征融合金字塔网络(HS—FPN),用于解决秸秆和... 为实现小麦杂质的高效检测,提出一种基于YOLOv8的轻量化小麦杂质检测方法。首先,为减少卷积过程中的运算量,将Backbone中的C2f模块替换为引入部分卷积(PConv)的CPC模块。然后,引入高级筛选特征融合金字塔网络(HS—FPN),用于解决秸秆和麦穗这两类杂质的尺度差异的问题。最后,将CIoU替换为EIoU,以获得更加真实的预测框并加快模型收敛速度。结果表明,改进YOLOv8模型的精确率、召回率和平均精度均值分别为94.8%、94.5%和98.5%,相比于原始基础网络YOLOv8n,模型权重减少47.71%,精确率、召回率和平均精度均值分别提升1.6%、0.9%和1.1%。与YOLOv5、YOLOv7和YOLOv7—Tiny相比,改进YOLOv8模型内存占用最少,仅为3.1 MB,平均精度均值分别提升1.8%、1.9%和1.1%。 展开更多
关键词 小麦杂质 YOLOv8 轻量化模型 部分卷积 HS—FPN
在线阅读 下载PDF
基于改进YOLOv11n普洱龙珠茶外观质量检测分级算法
2
作者 王建超 李玮 +3 位作者 遆海龙 姜晨曦 廖洪森 李健龙 《森林工程》 北大核心 2026年第1期206-220,共15页
普洱龙珠茶的外观质量直接决定其市场价值,而传统检测方法难以满足实时性、精度与边缘部署的综合需求。为此,提出一种轻量级目标检测算法SHM-YOLO。该模型在YOLOv11基础上引入洗牌网络版本2(ShuffleNetv2)(SHM中的S)作为主干网络,结合... 普洱龙珠茶的外观质量直接决定其市场价值,而传统检测方法难以满足实时性、精度与边缘部署的综合需求。为此,提出一种轻量级目标检测算法SHM-YOLO。该模型在YOLOv11基础上引入洗牌网络版本2(ShuffleNetv2)(SHM中的S)作为主干网络,结合点群卷积与通道混洗以降低计算开销;通过引入融合通道注意力与维度匹配的高级筛选特征融合金字塔(hierarchical scale feature pyramid network,HS-FPN)结构(SHM中的H),提升多尺度特征融合效果;同时,借助多尺度注意力块(multi-scale attention block,MAB)模块(SHM中的M)优化C3K2结构,实现更高效的图像细节提取。为提高边界框回归性能,模型融合Inner-IoU与SIoU损失以加快收敛并提升定位精度。在自建普洱龙珠茶外观质量检测数据集上进行验证,SHM-YOLO仅使用0.969×10^(6)参数和2.3 MB存储,即可实现97.2%的mAP@50、92.7%的精度(P)、93.6%的召回率(R)及303帧/s的检测速度。相较YOLOv11n,模型在准确率提升的同时,显著降低浮点计算量(减少62.5%)与内存占用(减少47.6%),展现出优越的轻量化性能和工业部署潜力。 展开更多
关键词 普洱龙珠茶 外观质量 改进YOLOv11n ShuffleNetv2 高级筛选特征融合金字塔 多尺度注意力块 高精度检测 轻量化模型
在线阅读 下载PDF
基于改进YOLOv8n的砀山酥梨识别算法
3
作者 赵天 曹浩 +1 位作者 董梦婷 赵旭 《安徽科技学院学报》 2026年第1期66-74,共9页
针对砀山酥梨在识别过程中由于果实之间的间距较小且识别背景复杂,容易造成检测算法的误识别和漏检等问题,通过改进YOLOv8n模型,以提升对酥梨密集果实的识别精度,从而更有效地提升砀山酥梨的识别精度。本文采用感受野注意力卷积提高Back... 针对砀山酥梨在识别过程中由于果实之间的间距较小且识别背景复杂,容易造成检测算法的误识别和漏检等问题,通过改进YOLOv8n模型,以提升对酥梨密集果实的识别精度,从而更有效地提升砀山酥梨的识别精度。本文采用感受野注意力卷积提高Backbone的特征提取能力,提升小目标检测性能;引入高级筛选特征融合金字塔网络增强多尺度特征融合能力,提高不同尺度目标的检测效果;使用混合注意力变化器检测头结合CNN与Transformer,增强高分辨率目标的检测能力。结果表明,改进后的YOLOv8n-RHH相较于原始YOLOv8n模型,mAP@50从83.7%提升至88.2%,召回率从74.7%提升至80.3%,显示出更高的鲁棒性和可靠性。改进后的YOLOv8n-RHH模型在砀山酥梨识别任务中表现较为出色,尤其对多尺度目标的识别较为准确。 展开更多
关键词 混合注意力变化器检测头 高级筛选特征融合金字塔网络 感受野注意力卷积 目标识别
在线阅读 下载PDF
基于YOLOv8n的轻量化葡萄叶片病害检测算法
4
作者 邓伟豪 刘拥民 +1 位作者 徐卓农 麻海志 《湖南农业大学学报(自然科学版)》 北大核心 2025年第5期121-128,共8页
本研究提出一种基于YOLOv8n的轻量化高性能算法Lighter-Faster-YOLO。首先,该算法使用改进的深度可分离部分卷积(DSPConv)替换原C2f中的常规卷积,减少冗余计算和内存访问,从而更加有效地提取网络特征;其次,使用高效多尺度注意力(EMA)模... 本研究提出一种基于YOLOv8n的轻量化高性能算法Lighter-Faster-YOLO。首先,该算法使用改进的深度可分离部分卷积(DSPConv)替换原C2f中的常规卷积,减少冗余计算和内存访问,从而更加有效地提取网络特征;其次,使用高效多尺度注意力(EMA)模块替换快速空间金字塔池化(SPPF)前的C2f模块,以较低的计算开销提高性能;最后,使用高级特征融合金字塔网络(HS-FPN)作为新的颈部网络来增强特征融合的效果,并减少计算量。结果表明,采用本文所提算法检测葡萄叶片病害的平均精度达到93.0%,相较于YOLOv8n算法参数量和浮点计算量分别降低66.34%和35.80%。相较于当前主流的轻量化目标检测算法Faster R-CNN、YOLOv5n等,改进后的Lighter-Faster-YOLO算法性能更优越,能有效减少参数量,降低模型复杂度,从而降低计算成本,更易于在智能检测仪器上进行部署。 展开更多
关键词 葡萄叶片病害 智慧农业 YOLOv8n EMA hs-fpn
在线阅读 下载PDF
基于YOLOv8n的轻量级织物疵点检测算法 被引量：3
5
作者 刘奇龙 胡连信 +3 位作者 杨宏铖 顾善琪 严明华 王泽峰 《棉纺织技术》 2025年第7期16-24,共9页
针对织物疵点检测常用的目标检测算法复杂度高、计算量大且不易部署的问题,以及中小型企业检测设备计算能力和资源有限等问题,提出一种基于YOLOv8n目标检测算法的轻量级织物疵点检测算法。该方法通过在Backbone层中引入轻量卷积模块Ghos... 针对织物疵点检测常用的目标检测算法复杂度高、计算量大且不易部署的问题,以及中小型企业检测设备计算能力和资源有限等问题,提出一种基于YOLOv8n目标检测算法的轻量级织物疵点检测算法。该方法通过在Backbone层中引入轻量卷积模块GhostConv替代原有YOLOv8n特征提取网络中的普通卷积,以减少网络参数,引入C3Ghost模块替代原来的特征提取网络中的C2f模块,进一步减少计算量;同时在Neck层引入轻量级的HS-FPN,用于更好解决织物疵点检测中的多尺度问题;在Head层引入高效解耦合头EDH,降低延迟,提高检测速度。通过对构建的包含4种缺陷的织物数据集进行测试,与YOLOv8n模型相比,该改进模型的参数量Params和计算量FLOPs分别为1.0 M和3.7 G,仅为原YOLOv8n模型的33.3%和45.7%,大大缩小了模型的复杂度;mAP值达到89.8%,与YOLOv8n模型基本持平;FPS提高了41.7帧/s。与当前主流的目标检测算法相比,该改进模型在不牺牲检测精度的前提下所需要的计算资源更少,速度更快,部署更有优势。 展开更多
关键词 织物疵点检测 YOLOv8n 轻量级网络 C3Ghost hs-fpn 高效解耦合
在线阅读 下载PDF
基于YOLOv8算法优化的肺结节检测
6
作者 杨金全 孙鹏 +2 位作者 刘桐泽 牛志恒 陈永君 《科技创新与应用》 2025年第22期27-30,共4页
现阶段肺结节检测存在微小结节特征提取困难、检测效果差,算法模型复杂,计算量大等问题。该文提出一种基于YOLOv8的HS-FPN融合机制,优化整体网络结构。在特征提取的主干网络Neck添加CA模块,筛选不同尺寸肺结节,经过权重计算能有效提取... 现阶段肺结节检测存在微小结节特征提取困难、检测效果差,算法模型复杂,计算量大等问题。该文提出一种基于YOLOv8的HS-FPN融合机制,优化整体网络结构。在特征提取的主干网络Neck添加CA模块,筛选不同尺寸肺结节,经过权重计算能有效提取每个通道中的特征信息。利用ConvTranspose2d卷积通过双线性插值和转置卷积进行尺度调整,将肺结节的高级和低级特征融合,用CIoU损失函数全面评估目标匹配情况。在实性肺结节检测中精确率均值达到86.5%,比YOLOv8算法提升2.8%。 展开更多
关键词 实性肺结节检测 YOLOv8 hs-fpn CIoU 微小结节
在线阅读 下载PDF
基于改进RT-DETR的极端天气下交通标志检测方法 被引量：1
7
作者 秦伦明 张云起 +2 位作者 崔昊杨 边后琴 王悉 《电子测量技术》 北大核心 2025年第9期56-64,共9页
针对雨、雾和雪等极端天气下交通标志模糊不清,导致检测精度下降和小目标识别困难等问题,本文提出了一种基于改进RT-DETR的交通标志检测算法。首先,采用数据增强方法模拟极端天气环境,以提高模型在这些环境下对交通标志的识别能力。其次... 针对雨、雾和雪等极端天气下交通标志模糊不清,导致检测精度下降和小目标识别困难等问题,本文提出了一种基于改进RT-DETR的交通标志检测算法。首先,采用数据增强方法模拟极端天气环境,以提高模型在这些环境下对交通标志的识别能力。其次,在主干网络中引入Ortho注意力机制,利用正交滤波器减少特征冗余,筛选重要通道信息,提高对小目标的检测精度。此外,采用高层筛选特征金字塔网络(HS-FPN)替换原模型中的跨尺度上下文特征混合器(CCFM),通过高层特征筛选并融合低层特征信息,提升模型在极端天气下对低对比度和模糊目标的检测精度。实验结果显示,改进算法在平均检测精度方面达到87.84%,相比原始RT-DETR模型提高了2.37%,同时参数量减少至18.22 M,相比原模型降低了8.4%,对小目标和处于极端天气中的目标识别精度更高,对保障乘客的安全具有实际意义。 展开更多
关键词 RT-DETR 正交通道注意力机制 高层筛选特征金字塔网络 交通标志识别 图像增强
原文传递
基于改进YOLO11的印刷电路板表面缺陷检测算法
8
作者 杨彦萍 高军伟 +1 位作者 刘兆龙 邢荣鑫 《液晶与显示》 北大核心 2025年第10期1545-1556,共12页
针对现有PCB缺陷检测算法在处理目标尺寸较小、背景线路复杂和形态不规则等场景时存在的精度不足、误检漏检等问题,本文提出一种基于改进YOLO11的PCB表面缺陷检测方法。首先,在主干网络中引入多尺度卷积注意力(MSCA)机制,增强对微小缺... 针对现有PCB缺陷检测算法在处理目标尺寸较小、背景线路复杂和形态不规则等场景时存在的精度不足、误检漏检等问题,本文提出一种基于改进YOLO11的PCB表面缺陷检测方法。首先,在主干网络中引入多尺度卷积注意力(MSCA)机制,增强对微小缺陷的检测能力。其次,采用高效特征金字塔网络(HS-FPN)替换传统颈部(Neck)结构,通过引入通道注意力机制(CA)和选择性特征融合机制(SFF)提升了模型对不同尺寸缺陷的检测能力。随后,结合ConvFormer与卷积门控线性单元(CGLU)改进C3K2模块,在降低计算复杂度的同时提升对有效特征的提取能力。最后,采用UIoU(Unified-IoU)损失函数动态调整候选框权重分配,提升了定位精度与收敛速度。在自建的6类PCB缺陷图像数据集上的实验表明,改进后模型的mAP达89.1%,相较原始YOLO11模型,平均检测精度提升了5.3%,精确率提升了2.3%,召回率提升了6.1%,参数量降低了28.3%,验证了所提方法在实际PCB缺陷检测中的有效性与应用潜力。 展开更多
关键词 图像处理 PCB缺陷检测 YOLO11 多尺度卷积注意力机制 高效特征金字塔网络
在线阅读 下载PDF
基于改进RT-DETR的水下目标检测 被引量：1
9
作者 张路 魏本昌 +1 位作者 魏鸿奥 周龙刚 《计算机系统应用》 2024年第12期131-140,共10页
水下目标检测技术在海洋探测中具有重要的现实意义.针对水下场景复杂,以及存在遮挡重叠导致目标特征提取有限的问题,提出了一种适用于水下目标检测的FERT-DETR网络.该模型首先提出了一种特征提取模块Faster-EMA,用于替换RT-DETR中ResNe... 水下目标检测技术在海洋探测中具有重要的现实意义.针对水下场景复杂,以及存在遮挡重叠导致目标特征提取有限的问题,提出了一种适用于水下目标检测的FERT-DETR网络.该模型首先提出了一种特征提取模块Faster-EMA,用于替换RT-DETR中ResNet18的BasicBlock,能够在有效降低模型参数量和模型深度的同时,显著提升对水下目标的特征提取能力;其次在编码部分使用级联群体注意力模块AIFI-CGA,减少多头注意力中的计算冗余,提高注意力的多样性;最后使用高水平筛选特征金字塔HS-FPN替换CCFM,实现多层次融合,提高检测的准确性和鲁棒性.实验结果表明,所提算法FERT-DETR在URPC2020数据集和DUO数据集上比RT-DETR检测准确率提高了3.1%和1.7%,参数量压缩了14.7%,计算量减少了9.2%,能够有效改善水下复杂环境中不同尺寸目标漏检、误检的问题. 展开更多
关键词 计算机视觉 RT-DETR FasterNet 注意力机制 高水平筛选特征金字塔
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