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6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：
面向复杂背景下烟雾火焰检测的改进YOLOv8s算法 被引量：2
1
作者 马耀名 张鹏飞 谭福生 《计算机工程与应用》 北大核心 2025年第3期121-130,共10页
针对复杂背景下烟雾火焰目标与背景混淆,导致烟雾火焰检测精度低等问题,提出一种面向复杂背景下烟雾火焰检测的YOLOv8s改进模型。特征通道之间具有高度相似性,为了有效利用跨不同通道间的冗余,提高模型对烟雾火焰目标和背景的区分,设计... 针对复杂背景下烟雾火焰目标与背景混淆,导致烟雾火焰检测精度低等问题,提出一种面向复杂背景下烟雾火焰检测的YOLOv8s改进模型。特征通道之间具有高度相似性,为了有效利用跨不同通道间的冗余,提高模型对烟雾火焰目标和背景的区分,设计了C2fFR(C2f with partial rep conv)轻量级特征提取模块。设计了MCFM(multi-scale context fusion module)多尺度上下文融合模块,来捕捉并利用上下文信息,增强特征的表示。使用Inner-SIoU损失函数,解决边界框不匹配的问题,提高模型对高IoU样本的回归能力。实验结果表明,改进后的YOLOv8s烟雾火焰检测模型相比于基线模型YOLOv8s,mAP@50提升了4.6个百分点,mAP@50:95提升了2.3个百分点,模型参数量降低了18.9%,计算量降低了8.1%,FPS为93帧/s,与其他主流检测算法相比也具有较好的检测性能。 展开更多
关键词 YOLOv8s C2fFR 多尺度上下文融合 inner-siou
在线阅读 下载PDF
一种改进YOLOv8s的太阳能电池板表面缺陷检测算法
2
作者 付波 廖和千 《软件导刊》 2025年第3期185-192,共8页
针对传统目标检测方法在检测太阳能电池片表面缺陷时存在漏检率高、检测精度差等问题,提出一种改进YOLOv8s的太阳能电池板表面缺陷检测算法MCI-YOLOv8s。首先,在YOLOv8s模型中引入多尺度膨胀注意力,使其更加有效地关注太阳能电池片中不... 针对传统目标检测方法在检测太阳能电池片表面缺陷时存在漏检率高、检测精度差等问题,提出一种改进YOLOv8s的太阳能电池板表面缺陷检测算法MCI-YOLOv8s。首先,在YOLOv8s模型中引入多尺度膨胀注意力,使其更加有效地关注太阳能电池片中不同尺度缺陷的重要特征信息;其次,将YOLOv8s原检测头替换为更加轻量化的分布式焦点检测头,在降低模型参数量的同时提高其对特征的提取能力;最后,将原有损失函数替换为Inner-SIoU损失函数,解决模型收敛速度较慢的问题。实验结果表明,改进模型的mAP@0.5为93.40%,较原基准模型提高了3.80%。在钢带表面缺陷数据集NEU-DET上进行的实验结果证实改进模型具有较好的泛化性能。改进模型检测速度与精度符合工业需求,为太阳能电池板表面缺陷的实时检测提供了思路。 展开更多
关键词 YOLOv8s 多尺度膨胀注意力 分布式焦点检测头 inner-siou 太阳能电池板 缺陷检测
在线阅读 下载PDF
改进YOLOv8的焊缝表面缺陷检测算法 被引量：5
3
作者 张润梅 潘晨飞 +2 位作者 陈梓华 陈中 袁彬 《光电工程》 北大核心 2025年第3期111-123,共13页
针对复杂背景下焊接缺陷特征不明显、背景信息复杂,导致传统缺陷检测算法在实际应用中精度不佳,特征丢失等问题,本文提出一种改进自YOLOv8的焊缝表面缺陷检测算法(GD-YOLO)。模型首先引进特征提取模块与卷积模块融合,增强模型信息的提... 针对复杂背景下焊接缺陷特征不明显、背景信息复杂,导致传统缺陷检测算法在实际应用中精度不佳,特征丢失等问题,本文提出一种改进自YOLOv8的焊缝表面缺陷检测算法(GD-YOLO)。模型首先引进特征提取模块与卷积模块融合,增强模型信息的提取能力;然后在颈部网络中嵌入Slim-Neck结构并在特征融合阶段引用上采样算子CAFARE,辅助增强模型性能;其次,改进注意力机制模块,使之在不显著增加计算负担的情况下,优化整体性能;最后,改用损失函数Inner-SIoU,解决边界框不匹配的问题。实验结果表明,本文模型mAP0.5检测指标比基线模型高7.8%,参数量和计算量分别减少了0.12M、0.7G。 展开更多
关键词 深度学习 缺陷检测 YOLOv8 inner-siou
在线阅读 下载PDF
基于改进YOLOv8的织物瑕疵目标检测算法
4
作者 陈奇 沈益 《毛纺科技》 北大核心 2025年第10期157-165,共9页
为了提高织物瑕疵的检测精度,实现针对形状不规则且特征较小的特殊瑕疵具有更高的检测精度的目标,提出一种基于改进的YOLOv8n模型的检测算法DDS-YOLOv8n。对于此类特殊瑕疵,YOLOv8n模型存在特征捕捉不全面出现漏检的现象。针对上述不足... 为了提高织物瑕疵的检测精度,实现针对形状不规则且特征较小的特殊瑕疵具有更高的检测精度的目标,提出一种基于改进的YOLOv8n模型的检测算法DDS-YOLOv8n。对于此类特殊瑕疵,YOLOv8n模型存在特征捕捉不全面出现漏检的现象。针对上述不足,首先在主干特征提取网络中,引入一种可扩张残差(Dliation-Wise Residual,DWR)注意力模块,利用区域残差化与语义残差化将目标进行一次过滤后再提取特征,提升特征的捕捉能力;其次,将卷积模块改为动态蛇形卷积(Dynamic Snake Convolution,DSC),以提升上述提高特殊瑕疵检测的性能;然后,将Inner-SIoU作为新的损失函数,提升网络边界框回归性能和检测能力。结果表明:该算法有效提高了模型对于特殊瑕疵的检测能力,相比于原始的YOLOv8n模型,改进后的模型在破洞、浆斑、粗经上的检测能力分别提高了6.7、6.3、5.8个百分比,模型总体的平均精确值提高了2.1个百分点。 展开更多
关键词 织物瑕疵检测 YOLOv8模型 inner-siou损失函数 动态蛇形卷积
在线阅读 下载PDF
基于改进YOLOv8n的番茄果实检测方法 被引量：1
5
作者 赵承敏 余宏杰 孙豪杰 《安徽科技学院学报》 2025年第2期59-66,共8页
针对不同情况下番茄果实识别检测精度低和存在漏检的问题,提出一种基于改进YOLOv8n的番茄检测模型,旨在提高番茄的识别准确率和检测效率。首先,在特征提取过程中集成了CBAM(Convolutional Block Attention Module)注意力机制模块。其次... 针对不同情况下番茄果实识别检测精度低和存在漏检的问题,提出一种基于改进YOLOv8n的番茄检测模型,旨在提高番茄的识别准确率和检测效率。首先,在特征提取过程中集成了CBAM(Convolutional Block Attention Module)注意力机制模块。其次,引入BIFPN-SID模块进一步提高模型的泛化能力。再结合损失函数Inner-SIoU优化模型的训练过程。试验表明,所提出的模型在番茄果实识别任务的性能指标显示,准确率高达94.4%,召回率为91.3%,F 1值为92.8%,平均精度均值达到95.6%。与原模型YOLOv8n相比分别提高5.8、6.4、6.1、3.3个百分点。在检测准确率与速度方面,改进后的模型均表现出色,可以应用于番茄采摘机器人目标识别检测。 展开更多
关键词 YOLOv8n 目标检测 BIFPN-SID 注意力机制 inner-siou
在线阅读 下载PDF
基于LSCDH-YOLOv8轻量化的化工厂火灾检测算法
6
作者 杜强 姜明新 +1 位作者 洪远 王杰 《传感技术学报》 北大核心 2025年第8期1432-1440,共9页
针对当前火灾检测算法对化工场景下的火灾检测漏检、检测精度不高、对小型火焰检测效果较差等问题,提出一种基于LSCDH-YOLOv8轻量化的化工厂火灾检测方法。为了轻量化特征提取网络,将YOLOv8网络中的C2f模块中Bottleneck替换为FasterNet... 针对当前火灾检测算法对化工场景下的火灾检测漏检、检测精度不高、对小型火焰检测效果较差等问题,提出一种基于LSCDH-YOLOv8轻量化的化工厂火灾检测方法。为了轻量化特征提取网络,将YOLOv8网络中的C2f模块中Bottleneck替换为FasterNet模块,并引入了EMA注意力机制,增强有效特征复用的同时降低计算复杂度;将P2层特征图引入到Neck模块中,来提升小目标检测的精度;将原来的边界框回归损失函数CIoU替换为结合了Inner-IoU和SIoU的损失函数Inner-SIoU,来加速网络的收敛;最后,提出四头的LSCDH共享卷积预测头,使得网络结构轻量化的同时提高检测精度。在自制的化工火灾数据集上进行实验比较,实验结果证明:模型大小从8.1 M下降51.8%至3.9 M,模型参数量下降43.4%,平均精度提升了5.6%。实现了在计算量升高不大的同时,提升了火灾检测精度。实现了模型的进一步轻量化,适于低端设备运行。所提出的检测算法基本满足了化工厂火灾检测的需求。 展开更多
关键词 烟火检测 YOLOv8 FasterNet_EMA LSCDH预测头 inner-siou
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