题名 改进YOLOv8的子午线轮胎气泡缺陷检测方法
1
作者
路宇鹏 王明泉 李鹏波 吴志成 杨洁
机构
中北大学信息与通信工程学院
出处
《电子测量技术》
北大核心
2026年第3期194-203,共10页
基金
国家自然科学基金(61171177)项目资助。
文摘
子午线轮胎X射线图像纹理复杂、缺陷形态多样,多依赖人工目测进行质检,难以兼顾高精度与实时性。为此,针对子午线轮胎气泡缺陷,提出一种基于YOLOv8改进的检测模型——YOLOv8n_RSI。首先,引入RepNCSPELAN4结构增强模型特征提取能力;其次,融合SKAttention注意力机制,自适应选择感受野大小,提升模型对多尺度目标的检测性能;最后,采用Inner-CIoU损失函数,通过增加中心点距离约束和宽高比惩罚项,有效提升检测精度。实验结果表明,相较于基准模型YOLOv8n,所提出的YOLOv8n_RSI模型的精确率、召回率和平均精确率均值分别提升了3.5%、7.0%和8.4%。同时,模型的计算复杂度和推理速度表明其能满足实时检测需求。初步的实际工业应用也验证了该改进模型的有效性。
关键词
轮胎X射线图像 缺陷检测 YOLO RepNCSPELAN4 SKAttention inner-ciou
Keywords
tire X-ray images defect detection YOLO RepNCSPELAN4 SKAttention inner-ciou
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN911.73
[电子电信—通信与信息系统]
题名 基于改进YOLOv7的番茄成熟度高效检测方法
2
作者
李贺南 艾尔肯·亥木都拉 侯艳林 郑威强
机构
新疆大学智能制造现代产业学院
出处
《农机化研究》
北大核心
2026年第5期120-127,共8页
基金
国家自然科学基金项目(52265039)。
文摘
为解决番茄智能化采摘过程中因自然环境因素导致识别率低的问题,提出了一种基于改进YOLOv7的番茄成熟度检测模型YOLOv7-FGI。首先,在YOLOv7骨干网络中添加FcaNet注意力机制来提高注意力的分配效率以保证模型检测精度;然后,在GSConv模块的基础上构建了一个高效的Slim-Neck精简特征融合网络结构来增强特征信息的非线性表达能力,进而在降低模型复杂度的同时提升模型的检测精度和速度;最后,将损失函数替换为Inner-CIoU来提高模型收敛速度并提升模型泛化性。试验结果表明,改进后的YOLOv7-FGI模型在测试集下的精确率、召回率和平均识别精度均值分别为93.2%、94.0%、96.1%,检测速度为96.8 frames/s;相比Faster R-CNN、SSD、YOLOv3、YOLOv5和YOLOv7等经典模型,改进模型的平均识别精度均值分别提升7.7、6.7、6.2、3.9、2.6个百分点,且其检测速度也相对较快。YOLOv7-FGI网络模型能够高效精准地识别出多种自然环境条件下番茄果实的成熟度信息,可为农业智能化管理与采摘提供技术支持和数据支撑。
关键词
番茄 成熟度检测 YOLOv7 FcaNet Slim-Neck inner-ciou
Keywords
tomato maturity testing YOLOv7 FcaNet Slim-Neck inner-ciou
分类号
S225.92
[农业科学—农业机械化工程]
题名 基于YOLO11钢材表面缺陷检测算法研究
3
作者
黄昆 李天明 尹建华 曹奔 曹钊
机构
湖北三江航天江北机械工程有限公司
出处
《制造业自动化》
2026年第2期126-136,共11页
文摘
为解决工业生产环境下钢材表面缺陷检测技术存在的效果不理想、漏检误检率高的问题,提出了一种改进的YOLO11n算法GCI-YOLO11。首先,在特征提取部分基于GCNet注意力机制设计了GC-C3k2模块,提升了算法对图像上下文特征信息的提取能力;其次,在颈部引入CARAFE上采样算子,使算法能在大感受野内聚合上下文信息,减少上采样过程中特征信息的缺失;最后,采用Inner-CIoU替换CIoU对损失函数进行优化,引入辅助回归框来提高检测的准确性和泛化能力。实验结果表明,GCI-YOLO11在NEUDET数据集上mAP50和mAP50-95分别提升了2.9%和2.3%,在GC10-DET数据集上mAP50和mAP50-95分别提升了1.6%和0.3%,具有更好的检测性能。
关键词
钢材表面缺陷检测 YOLO11n GCNet CARAFE上采样算子 inner-ciou
Keywords
steel surface defect detection YOLO11n GCNet CARAFE upsampling algorithm inner-ciou
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于改进YOLOv8s的航拍小目标检测算法
4
作者
章子龙 王冠凌 熊伟 王坤相 王世康
机构
安徽工程大学电气工程学院
出处
《哈尔滨商业大学学报(自然科学版)》
2026年第1期23-33,共11页
基金
国家自然科学基金项目(62005293)。
文摘
针对无人机航拍小目标检测中存在检测精度低、误检、漏检以及模型参数量大等难题,提出一种改进YOLOv8s的航拍小目标检测算法.引入RepViTBlock轻量化模块改进骨干网络和颈部网络中的C2f模块,并引入EMA注意力机制进一步改进骨干网络中的C2f模块,提升特征提取能力并降低了模型的参数量.使用三重尺度序列编码融合模块TSEF对颈部网络进行重构,并融合构建了小目标检测层P2,在降低了参数量的同时提升了检测精度.最后利用Inner-CIoU改进损失函数,提升模型边框回归的性能和检测精度.实验结果表明,在VisDrone2019航拍数据集上,改进算法的精准率P、召回率R、平均检测精度mAP50分别为54.2%、42.3%、43.7%,相较于YOLOv8s分别提升了5.7%、8.5%、11.5%,参数量降低了38.7%,适用于无人机目标检测任务.
关键词
小目标检测 YOLOv8s RepViTBlock EMA注意力机制 Inner⁃CIoU
Keywords
small target detection YOLOv8s RepViTBlock EMA attention mechanism Inner⁃CIoU
分类号
V279
[航空宇航科学与技术—飞行器设计]
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于YOLOv8改进的车机交互手势识别算法
5
作者
王大虎 侯伟华 张艳伟 张新科
机构
河南理工大学电气工程与自动化学院
出处
《印刷与数字媒体技术研究》
北大核心
2025年第4期210-220,共11页
基金
国家自然科学基金——事件触发的数据驱动迭代学习控制及应用(No.62273133)。
文摘
为了提升车机手势交互场景中手势识别的精度,解决检测算法模型参数量大、检测速度慢的问题,本研究提出一种基于YOLOv8改进的轻量化车机交互手势识别模型。首先,使用Slim-neck模块改进YOLOv8模型的颈部网络,减少计算量的同时提高模型的特征表达能力。其次,引入共享卷积层的概念来改进检测头,实现检测头的轻量化设计,提高检测速度。同时,还增加CBAM(Convolutional Block Attention Module)注意力机制模块,提高模型对手势特征的感知能力和判别性;引入基于Inner-IoU的Inner-CIoU损失函数加速边界框回归,解决CIoU存在的泛化性弱和收敛速度慢的问题。最后,与常用的YOLO模型进行对比,以验证模型的优越性。实验结果表明,本研究提出的算法在自制数据集上优于其他模型,检测精确率为99.2%,推理速度达到了7ms,满足高精度和实时检测的设计需求。
关键词
YOLOv8 轻量化 手势识别 Slim-neck CBAM inner-ciou
Keywords
YOLOv8 Lightweight Gesture recognition Slim-neck CBAM inner-ciou
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于改进YOLOv8的PCB缺陷检测算法
被引量：2
6
作者
王悍悍 沈珊瑚 李明泽
机构
杭州师范大学信息科学与技术学院
出处
《杭州师范大学学报(自然科学版)》
2025年第1期19-26,共8页
基金
浙江省自然科学基金项目(LQ19F040006).
文摘
针对目前大多数印刷电路板(printed circuit board,PCB)缺陷检测算法中准确度较低、模型较大及移动部署不便的问题,提出了一种改进的YOLOv8算法.该算法使用GhostNet和HGNetV2的结合作为网络主干,增加小目标检测层和坐标注意力机制,采用动态上采样器(DySample)替换最邻近上采样算子以提升检测精度,将选定锚框的交并比(intersection over union,IoU)改为Inner-CIoU.结果显示,相较于原始YOLOv8算法,改进后算法的检测精度提升了2.0百分点,达到97.6%,召回率提升了2.8百分点,达到94.5%,参数量减少了24.58%,模型大小仅为4.84 MB,检测速度达到216.6帧/s.检测精度的提升和模型体积的显著减小,使得改进算法能更好地满足工业场景对PCB缺陷检测的要求.
关键词
PCB缺陷检测 改进YOLOv8 坐标注意力机制 动态上采样 inner-ciou
Keywords
PCB defect detection improved YOLOv8 coordinate attention DySample inner-ciou
分类号
TP399
[自动化与计算机技术—计算机应用技术]
题名 基于改进YOLOv8l算法的光伏热斑检测
被引量：3
7
作者
刘泽纬 黄勇 曾晓龙 官洲洋
机构
湖北民族大学智能科学与工程学院
出处
《湖北民族大学学报（自然科学版）》
CAS
2024年第3期389-394,共6页
基金
教育部产学研创新基金项目(2021RYC06004)。
文摘
针对光伏热斑因尺寸微小及分布不规则导致其难以被检测的问题,提出了一种基于改进YOLO第8大版(you only look once version 8 large,YOLOv8l)的高效检测算法。该算法对YOLOv8l模型的颈部网络进行了改进,引入了针对小尺寸目标的检测层,有效地提高了对微小目标的特征提取能力和检测准确性。同时,在主干网络中,传统的卷积模块被感受野注意力卷积(receptive-field attention convolution,RFAConv)模块所取代,借助改良的空间注意力机制,算法能够更集中地捕捉待检测目标的全局信息。此外,采用辅助边界框下更有效的交并比(inner-complete intersection over union,Inner-CIoU)损失函数替代原有的损失函数,模型在检测过程中能够更加灵活地调整辅助边框的大小,从而提升了检测精度。结果表明,改进YOLOv8l算法在红外光伏热斑图像检测中的精确率、召回率和平均精确率均值分别达到了90.4%、93.2%和94.8%,相较于原始YOLOv8l算法分别提升了3.4%、2.2%和2.3%。因此,该算法在光伏热斑检测领域展现出显著的优势。
关键词
光伏组件 YOLOv8l RFAConv 小目标检测 inner-ciou 故障检测
Keywords
photovoltaic modules YOLOv8l RFAConv small object detection inner-ciou fault detection
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
