基于YOLO-HDR的小龙虾缺陷品质检测方法 被引量：1

1

作者 王淑青 陈开元 +1 位作者 周淼 范博淦 《食品与机械》 北大核心 2025年第3期100-107,共8页

[目的]改善工业生产线小龙虾质量检测方法单一、效率低、检测成本高的问题。[方法]提出了一种基于YOLOHDR的轻量化神经网络检测模型。使用PP-HGNetv2模型设计一种新的YOLOv8骨干网络并引入HGstem和DWConv的轻量化模块重构网络;使用动态... [目的]改善工业生产线小龙虾质量检测方法单一、效率低、检测成本高的问题。[方法]提出了一种基于YOLOHDR的轻量化神经网络检测模型。使用PP-HGNetv2模型设计一种新的YOLOv8骨干网络并引入HGstem和DWConv的轻量化模块重构网络;使用动态卷积块以及官方库中的其他轻量化卷积(GhostConv、RepConv)重新设计新骨干网络的HGBlock,得到动态高性能网络模块(DynamicHGBlock、RepHGBlock、GhostHGBlock等)来改进HGBlock,以提升网络的特征表达能力;用重复跨阶段局部保边注意力网络RepNCSPELAN4改进原颈部网络的C2f模块,并改善骨干模块改进后的轻量网络的性能。[结果]改进模型的精确度及平均精度均值达到92.8%和95.9%,相较于原模型分别提高了3.5%和1.9%,优于其他对比目标检测算法。改进后模型的参数量及模型大小相比原YOLOv8n模型分别降低了17.7%和16.2%,计算量减少了19.8%。[结论]试验方法在密集遮挡噪声背景下的检测性能均有提高,能够满足工业流水线小龙虾冷冻分装前复杂背景下质量检测需求。 展开更多

关键词 深度学习 品质检测 小龙虾 注意力机制 PP-hgnetv2

在线阅读 下载PDF 职称材料

基于改进YOLOv8的梯子检测与定位

2

作者 王晓君 王梓栋 +1 位作者 彭亮亮 薛伟 《软件导刊》 2025年第12期213-220,共8页

在医药与化工行业生产中,工人往往通过反应罐中的梯子来标识液位高度。反应罐中环境复杂多变,传统的图像处理算法对于梯子的检测与定位存在准确率不高的缺陷。基于深度学习的YOLOv8算法检测精度较高,但庞大的计算量限制了其在工业现场... 在医药与化工行业生产中,工人往往通过反应罐中的梯子来标识液位高度。反应罐中环境复杂多变,传统的图像处理算法对于梯子的检测与定位存在准确率不高的缺陷。基于深度学习的YOLOv8算法检测精度较高,但庞大的计算量限制了其在工业现场的应用。为此,设计一种基于YOLOv8的轻量级梯子自动检测与定位算法HFDLYOLO。具体来说,首先,使用HGNetv2替换YOLOv8n的主干网络,用于减少参数量和计算量,在主干网络中嵌入无参注意力机制SimAM,用于提高检测精度,在此基础上,结合部分卷积思想,设计C2f-FCP模块代替Neck部分的C2f模块,实现多尺度特征融合;其次,选用一种轻量级且高效的上采样器Dysample来改进Neck部分特征融合网络的上采样算子,以进一步提高算法性能;最后,引入一种轻量级共享卷积检测头LSCD-head,用于减少模型尺寸,提高检测效率。实验结果表明,HFDL-YOLO算法的平均检测精度相较传统YOLOv8n提高了1.1%,而模型大小、GFLOPs、参数量分别降低了54.0%、51.9%、57.0%。在亮度不均、角度各异的情况下,HFDL-YOLO算法以更低的运算成本更精准地实现了反应罐中梯子的自动检测与定位。 展开更多

关键词 目标检测 YOLOv8 轻量化 hgnetv2 共享卷积

在线阅读 下载PDF 职称材料

基于改进YOLOv8n算法的水稻叶病害检测研究

3

作者 刘政峰 杨健晟 +2 位作者 张梅 陈哲 张群英 《山东农业科学》 北大核心 2025年第9期164-172,共9页

水稻叶病害检测是降低病害风险、稳定水稻产量的重要途径之一。针对现有水稻叶病害检测模型存在参数量大、计算复杂度高及精确率低等问题,本研究提出了改进YOLOv8n模型。首先,将原YOLOv8n的主干网络替换为轻量级的HGNetv2架构,并将HG-Bl... 水稻叶病害检测是降低病害风险、稳定水稻产量的重要途径之一。针对现有水稻叶病害检测模型存在参数量大、计算复杂度高及精确率低等问题,本研究提出了改进YOLOv8n模型。首先,将原YOLOv8n的主干网络替换为轻量级的HGNetv2架构,并将HG-Block中的Conv模块替换为Ghost模块,在轻量化模型的同时提高了检测精度。其次将C3模块中的残差块替换为Ghost Bottleneck,构建全新的C3Ghost模块,并用此模块替换颈部的所有C2f模块,在保持模型性能的同时进一步轻量化模型。最后,采用一种密集预测的通道式知识蒸馏技术,以无损的方式对模型进行增强。实验结果表明,与基线模型YOLOv8n相比,本研究所提改进模型的参数量、权重和浮点运算次数分别降低39.33%、37.00%和28.40%,而精确率、召回率分别达到94.3%、95.6%,mAP达到96.7%,全面优于基线模型。总体而言,本研究所提改进模型能满足农业场景下水稻叶病害检测任务在精度和轻量化方面的要求,展现出良好的发展潜力和应用前景。 展开更多

关键词 水稻叶病害检测 YOLOv8n 模型轻量化 hgnetv2 知识蒸馏

在线阅读 下载PDF 职称材料

驼峰编组站摘钩机械臂视觉检测系统研究

4

作者 罗涪文 王雪梅 +2 位作者 倪文波 韦蕾蕾 艾明阳 《铁道科学与工程学报》 北大核心 2025年第9期4145-4159,共15页

针对驼峰编组站自动摘钩作业时间短,而提钩杆手柄和脚蹬在复杂环境下难以快速准确检测识别和精准定位的问题,提出一种基于主动式RGBD相机结合改进YOLO11深度学习算法的视觉检测与目标定位方法。首先根据机械臂自动摘钩原理和系统应用需... 针对驼峰编组站自动摘钩作业时间短,而提钩杆手柄和脚蹬在复杂环境下难以快速准确检测识别和精准定位的问题,提出一种基于主动式RGBD相机结合改进YOLO11深度学习算法的视觉检测与目标定位方法。首先根据机械臂自动摘钩原理和系统应用需求,进行了视觉检测系统方案设计和RGBD相机选型。将基于GhostConv改进的HGNetV2轻量化网络(GC-HGNetV2)作为YOLO11的主干网络,能够在保证模型轻量化的同时使其具有更强的特征提取能力;同时通过引入EMASlideLoss损失函数,较好解决了正负样本不平衡的问题,提高了模型训练过程的稳定性,并进一步提升了模型的检测性能。在提钩杆手柄和脚蹬数据集上的试验结果表明,相较于原始的YOLO11模型,改进后的算法在R和mAP@50两项指标上分别提升了0.3个百分点和3.6个百分点,可以有效解决在复杂环境下因提钩杆手柄和脚蹬特征单一导致的误检和漏检问题,具有更高的检测精度和鲁棒性。最后,在实验室设计搭建自动摘钩机械臂及视觉检测系统,进行手眼标定和机械臂自动摘钩试验。试验结果表明,该视觉检测系统能够在复杂背景中快速准确检测识别提钩杆手柄和脚蹬,并准确确定其在机械臂坐标系下的三维坐标,辅助机械臂完成自动摘钩作业任务,具有良好的实时响应性能,能够满足机械臂自动摘钩应用的需求。 展开更多

关键词 自动摘钩机械臂 主动式RGBD相机 YOLO11 GC-hgnetv2 EMASlideLoss

在线阅读 下载PDF 职称材料

改进YOLO11的PCB表面缺陷检测方法 被引量：1

5

作者 吴葛 朱宇凡 贾泽宁 《电子测量技术》 北大核心 2025年第14期136-145,共10页

针对PCB表面缺陷检测准确率不足,无法充分平衡模型检测准确性与实时性,难以满足现代电子制造系统稳定运行要求的问题,提出了一种改进YOLO11的PCB表面缺陷检测方法HDH-YOLO。该方法通过采用优化的HGNetV2替换原YOLO11的骨干网络,实现模... 针对PCB表面缺陷检测准确率不足,无法充分平衡模型检测准确性与实时性,难以满足现代电子制造系统稳定运行要求的问题,提出了一种改进YOLO11的PCB表面缺陷检测方法HDH-YOLO。该方法通过采用优化的HGNetV2替换原YOLO11的骨干网络,实现模型的轻量化;借鉴Dynamicconv的思想对HGBlock进行改进,用改进的Dynamic_HGBlock替换HGNetV2网络中后四层HGBlock,在不增加过多计算量的前提下引入更多网络参数,增强网络对泛化特征的学习能力,进而提高检测精度;在骨干网络末端添加DSM注意力机制层,通过放大关键区域的空间域和频率域响应提升模型的小目标检测能力。在PKU-Market PCB和DeepPCB数据集进行对比实验和消融实验,实验结果表明,提出的HDH-YOLO模型较基线YOLO11n模型参数量降低6.20%,计算量降低12.70%,mAP50和mAP50-95分别提升2.6%和2.3%,较好地平衡了轻量化和检测精度,在现代电子制造系统中具有高可靠性和高实用性。 展开更多

关键词 PCB表面缺陷检测 YOLO11 hgnetv2 HGBlock Dynamicconv DSM

原文传递

YOLOv8n-HCDP:轻量化木材缺陷检测模型

6

作者 唐健强 徐梓敬 +2 位作者 徐凯宏 程仁轩 高俊哲 《木材科学与技术》 北大核心 2025年第4期89-97,共9页

针对木材缺陷检测领域中深度学习模型参数量大,分类检测准确率不高的问题,提出一种基于YOLOv8n的轻量化检测模型YOLOv8n-HCDP。首先,构建轻量化骨干网络HgNetv2(high performance GPU network v2),随后利用动态头(dynamic head)融合轻... 针对木材缺陷检测领域中深度学习模型参数量大,分类检测准确率不高的问题,提出一种基于YOLOv8n的轻量化检测模型YOLOv8n-HCDP。首先,构建轻量化骨干网络HgNetv2(high performance GPU network v2),随后利用动态头(dynamic head)融合轻量级跨尺度特征融合模块(cross-scale feature fusion module,CCFM)得到全新的CCFM-dy模块代替传统的颈部网络和检测头,从而减少模型参数量和计算量;引入动态卷积(dynamic convolution),使网络在保持低计算量的同时从大规模训练中获益;最后,引入创新的PPC结构替换C2f(CSP bottleneck)结构,进一步轻量化模型。结果表明:相较于基准模型,改进模型的参数量减少54.15%,计算量减少44.44%,体积减少51.42%,平均精度均值(mean average precision,mAP)提升2.0%,更适合在硬件资源受限的嵌入式设备上部署。 展开更多

关键词 木材缺陷检测 YOLOv8n 轻量化 hgnetv2 平均精度均值

在线阅读 下载PDF 职称材料

基于GS-YOLOv8的轻量化水下生物目标检测算法

7

作者 周梦雯 李海涛 张俊虎 《计算机测量与控制》 2025年第11期65-72,共8页

为解决现有的水下生物目标检测模型参数过多,难以部署到资源有限的移动端的问题,提出了一种基于GS-YOLOv8的轻量化水下生物目标检测模型;该模型基于YOLOv8s模型进行改进,设计一种轻量化的RepHGNetV2网络作为YOLOv8s的主干网络,以降低模... 为解决现有的水下生物目标检测模型参数过多,难以部署到资源有限的移动端的问题,提出了一种基于GS-YOLOv8的轻量化水下生物目标检测模型;该模型基于YOLOv8s模型进行改进,设计一种轻量化的RepHGNetV2网络作为YOLOv8s的主干网络,以降低模型的计算复杂度和参数量;使用轻量化卷积GSConv替换颈部网络中所有的标准卷积,进一步减少模型参数,提高检测性能;引入设计的C2fAK模块,使模型能够更好地适应不同形状和大小的水下生物目标,从而提高检测精度;实验结果显示,在URPC2020数据集上,与原模型YOLOv8s相比,改进后的GS-YOLOv8网络模型的参数量降低了37.7%,计算量降低了27.8%,mAP@0.5提高了0.9%;此外,与目前较为先进的YOLOv10模型相比,改进后的GS-YOLOv8模型在检测精度和轻量化方面更有优势。 展开更多

关键词 YOLOv8 水下目标检测 GSConv 轻量化 hgnetv2 AKConv

在线阅读 下载PDF 职称材料

大口径火炮榴弹结构特征数分布规律及相关性分析

8

作者 毕思健 王雨时 +1 位作者 彭启蒙 王光宇 《计算机测量与控制》 2025年第11期210-218,共9页

引信弹道安全性与弹丸外弹道运动密切相关,而弹丸外弹道运动受弹丸结构特征数影响较大。为了准确获取弹丸结构特征数极限值,进而给引信安全性设计和理论分析提供技术基础,提出基于大口径火炮榴弹结构特征数实测数据研究其分布规律和相... 引信弹道安全性与弹丸外弹道运动密切相关,而弹丸外弹道运动受弹丸结构特征数影响较大。为了准确获取弹丸结构特征数极限值,进而给引信安全性设计和理论分析提供技术基础,提出基于大口径火炮榴弹结构特征数实测数据研究其分布规律和相关性的方法;以155 mm口径火炮M107榴弹、底凹弹、底排弹和复合增程弹为例,利用其结构特征数实测值拟合其分布规律,得到不同累积概率下的极限值,并进一步分析各结构特征数间的相关性;这4种155 mm口径火炮弹丸大多数结构特征数的最佳拟合结果不为正态分布,其中3种的多数结构特征数服从三参数Weibull分布;大口径火炮榴弹的赤道转动惯量和动不平衡角分别与轴向质心位置和偏心距密切相关,可由其进行预估。 展开更多

关键词 YOLOv8 水下目标检测 GSConv 轻量化 hgnetv2 AKConv

在线阅读 下载PDF 职称材料

都市圈高职院校产业学院实践经验、发展困境与应对方略——以苏锡常都市圈为例

9

作者 程晶 《菏泽学院学报》 2025年第5期136-142,共7页

产业学院是服务国家战略需求、支撑产业升级、推动职业教育高质量发展的重要载体.苏锡常地区依托产业和职教优势,建成一批与重点产业对接、与龙头企业和未来产业深度合作的产业学院.然而,产业学院在发展中仍面临如共识不足、跨区域协作... 产业学院是服务国家战略需求、支撑产业升级、推动职业教育高质量发展的重要载体.苏锡常地区依托产业和职教优势,建成一批与重点产业对接、与龙头企业和未来产业深度合作的产业学院.然而,产业学院在发展中仍面临如共识不足、跨区域协作不畅、资源保障乏力、合作深度不够等问题.为此,产业学院应从凝聚理念共识、健全协同机制、强化资源整合、创新运行模式等方面推进,推动产业学院从形式合作走向实质融合,为同类地区产业学院建设提供可复制、可推广的实践路径. 展开更多

关键词 苏锡常都市圈 产业学院 实践经验 发展困境 优化策略

在线阅读 下载PDF 职称材料

基于重参数化的轻量化非机动车目标检测 被引量：1

10

作者 马超凡 李翔 +1 位作者 王晓霞 陈晓 《计算机工程与应用》 CSCD 北大核心 2024年第19期190-198,共9页

针对非机动车检测中目标数量多易被遮挡、检测模型参数量较大且检测速度慢的问题,结合YOLOv8算法和HGNetV2网络,提出一种基于重参数化的轻量化非机动车目标检测算法RCH-YOLO。使用基于HGNetV2改进的重参数化骨干网络,减少参数量和计算量... 针对非机动车检测中目标数量多易被遮挡、检测模型参数量较大且检测速度慢的问题,结合YOLOv8算法和HGNetV2网络,提出一种基于重参数化的轻量化非机动车目标检测算法RCH-YOLO。使用基于HGNetV2改进的重参数化骨干网络,减少参数量和计算量,提高检测速度;在此基础上,使用Slim-neck改进颈部网络,并在检测器中使用TGConv卷积,降低网络复杂度的同时保持准确性;采用Wise-IoU损失函数计算定位损失,加速模型收敛速度,提高对重叠目标的识别准确率。实验结果显示,相较于基准模型,RCH-YOLO算法平均检测精度提高了0.3个百分点,参数量、模型大小和GFLOPs分别降低了47.9%、44.2%和54.9%,验证了其有效性。 展开更多

关键词 轻量化 非机动车 YOLOv8 重参数化 hgnetv2

在线阅读 下载PDF 职称材料

基于HGTC−YOLOv8n模型的煤矸识别算法研究 被引量：6

11

作者 滕文想 王成 费树辉 《工矿自动化》 CSCD 北大核心 2024年第5期52-59,共8页

现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算... 现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算法。采用HGNetv2网络替换YOLOv8n的主干网络,通过多尺度特征的有效提取,提高煤矸识别效果并减少模型的存储需求和计算资源消耗;在主干网络中嵌入三重注意力机制模块Triplet Attention,捕获不同维度间的交互信息,增强煤矸图像目标特征的提取,减少无关信息的干扰;选用内容感知特征重组模块(CARAFE)来改进YOLOv8n颈部特征融合网络上采样算子,利用上下文信息提高感受视野,提高小目标煤矸识别准确率。实验结果表明:①HGTC−YOLOv8n模型的平均精度均值为93.5%,模型的参数量为2.645×10^(6),浮点运算量为8.0×10^(9),帧速率为79.36帧/s。②平均精度均值较YOLOv8n模型提升了2.5%,参数量和浮点运算量较YOLOv8n模型分别下降了16.22%和10.11%。③与YOLO系列模型相比,HGTC−YOLOv8n模型的平均精度均值最高,且参数量和浮点运算量最少,检测速度较快,综合检测性能最佳。④基于HGTC−YOLOv8n模型的煤矸识别算法在煤矿井下复杂工况下,改善了煤矸识别精度低、小目标煤矸容易漏检等问题,满足煤矸图像实时检测要求。 展开更多

关键词 煤矸识别 小目标识别 YOLOv8n 内容感知特征重组模块 三重注意力机制 Triplet Attention hgnetv2

在线阅读 下载PDF 职称材料

面向特钢车间内物料实时跟踪的钢管目标检测算法研究

12

作者 赵云涛 黄哲辉 《电子测量与仪器学报》 CSCD 北大核心 2024年第11期210-218,共9页

在特钢企业向“灯塔工厂”转型升级中,实现钢管物料实时跟踪是其中的核心内容,由于物料多样性以及产线的复杂性使得接近式传感器无法满足物料检测可靠性要求。为此,依据车间内现有环境和需求,搭建物料跟踪摄像系统,采集了物料及产线上... 在特钢企业向“灯塔工厂”转型升级中,实现钢管物料实时跟踪是其中的核心内容,由于物料多样性以及产线的复杂性使得接近式传感器无法满足物料检测可靠性要求。为此,依据车间内现有环境和需求,搭建物料跟踪摄像系统,采集了物料及产线上部分特征组成图像数据集;基于视频分析,引入了一种面向特钢车间内物料实时跟踪的钢管目标检测算法。该算法以PPYOLOE网络为基础。首先,将PPYOLOE中的CSPRepResNet主干网络替换成HGNetV2轻量级主干网络,在提升特征提取能力同时减小参数量;其次,在Neck中融合HG-Block和SPPELAN进一步减小参数提升速度;最后,在上采样阶段,运用Dysample动态上采样算子提升不同尺度特征的融合效果,提升算法的检测精度。实验结果表明,相比于原始的PPYOLOE算法,改进后的算法在检测精度上提升了1.6%达到80.5%,检测速度提升了16%达到56.4帧,GFLOPs和参数分别下降35%和33%。改进后算法有效提升了检测精度和检测速度,通过现场部署实施,满足了钢管物料实时跟踪要求。 展开更多

关键词 钢管目标检测 PPYOLOE hgnetv2 SPPELAN Dysample

原文传递

基于YOLOV11-SMALL的轻量化脐橙病虫害检测研究

13

作者 李奕飞 王谢堂 刘嘉虎 《传感器技术与应用》 2025年第6期848-860,共13页

本文围绕脐橙果园病虫害智能识别的实际需求,开展基于深度学习的目标检测算法优化研究。通过构建包含复杂背景的脐橙病虫害图像数据集,提出一种轻量化改进模型YOLOv11-SMALL。该模型在YOLOv11n的基础上引入ADown下采样模块以降低参数与... 本文围绕脐橙果园病虫害智能识别的实际需求,开展基于深度学习的目标检测算法优化研究。通过构建包含复杂背景的脐橙病虫害图像数据集,提出一种轻量化改进模型YOLOv11-SMALL。该模型在YOLOv11n的基础上引入ADown下采样模块以降低参数与计算量,嵌入HGNetV2主干网络增强多尺度特征提取能力,并利用ASFF自适应空间特征融合机制提升小目标与复杂背景下的检测性能。实验表明,改进模型在准确率、mAP@0.5和mAP@0.5:0.95分别达到0.975、0.971和0.912,参数量仅1728K,模型大小3.6M,在嵌入式芯片上推理速度达25.1 FPS,综合性能优于YOLO系列多个版本及Faster R-CNN、RT-DETR等对比模型。本研究为轻量化病虫害检测算法在边缘设备中的实际应用提供了有效解决方案。 展开更多

关键词 脐橙 病虫害检测 轻量化 YOLOV11 Adown hgnetv2 ASFF

在线阅读 下载PDF 职称材料