基于改进YOLOv10算法的配电网缺陷检测

1

作者 宋江 朱文强 +1 位作者 黄霞 邱炳林 《光源与照明》 2026年第1期96-98,共3页

针对配电网场景特性,对YOLOv10算法进行了改进。采用Mobile Net V3+CSPSPPF(结合跨阶段部分连接结构与快速空间金字塔池化的改进模块)作为主干网络,兼顾轻量化与小目标特征提取能力;引入双向特征金字塔网络优化多尺度特征融合,提高遮挡... 针对配电网场景特性,对YOLOv10算法进行了改进。采用Mobile Net V3+CSPSPPF(结合跨阶段部分连接结构与快速空间金字塔池化的改进模块)作为主干网络,兼顾轻量化与小目标特征提取能力;引入双向特征金字塔网络优化多尺度特征融合,提高遮挡场景下缺陷定位精度;结合CIoU Loss(完整交并比损失)与Focal Loss(一种用于解决类别不平衡问题的损失函数)构建混合损失函数,解决缺陷样本类别不平衡问题。试验结果显示,改进YOLOv10算法综合性能更优,可满足配电网无人机巡检与边缘部署需求。 展开更多

关键词 YOLOv10算法 mobilenetv3 配电网检测 设备缺陷

在线阅读 下载PDF 职称材料

一种基于Mobilenetv3的行人检测算法研究 被引量：1

2

作者 马志钢 南新元 +1 位作者 高丙朋 李恒 《现代电子技术》 2023年第16期149-154,共6页

针对实时的行人检测算法要求模型具有轻量型和良好的鲁棒性,文中提出一种基于Mobilenetv3的行人检测算法。该算法首先采用Mobilenetv3作为模型的主干特征提取网络;然后通过深度可分离卷积替换PANet中的普通卷积,减少网络的复杂度;最后... 针对实时的行人检测算法要求模型具有轻量型和良好的鲁棒性,文中提出一种基于Mobilenetv3的行人检测算法。该算法首先采用Mobilenetv3作为模型的主干特征提取网络;然后通过深度可分离卷积替换PANet中的普通卷积,减少网络的复杂度;最后引入注意力机制SE和ECA关注网络中重要的通道信息,加强模型的特征融合能力。实验结果表明:与YOLOv4算法相比,基于Mobilenetv3的行人检测算法模型体积缩小78.03%,参数量也降低82.44%;且在实验数据集和INRIA数据集上,所提算法的平均精度(AP)分别提升3.98%和1.10%,检测速率分别提升8.08 f/s和7.89 f/s,检测时间也显著缩短,具有良好的检测性能。 展开更多

关键词 行人检测算法 mobilenetv3网络 YOLOv4算法 深度可分离卷积 注意力机制 检测性能

在线阅读 下载PDF 职称材料

基于改进的MobilenetV3热轧钢带表面缺陷分类 被引量：1

3

作者 熊政 车文刚 +1 位作者 保永莉 刘晓彤 《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期182-186,共5页

提出一种基于轻量化神经网络MobilenetV3-large改进的热轧钢带表面缺陷分类算法,通过剪枝、大量削减卷积层数、调整通道大小和步长,以及修改对应的网络参数快速降低了参数量.为弥补修改模型带来的准确率下降的问题,将激活函数ReLU更换为... 提出一种基于轻量化神经网络MobilenetV3-large改进的热轧钢带表面缺陷分类算法,通过剪枝、大量削减卷积层数、调整通道大小和步长,以及修改对应的网络参数快速降低了参数量.为弥补修改模型带来的准确率下降的问题,将激活函数ReLU更换为Hard-Swish,引入置换注意力机制替换原模型中的通道注意力机制,在进一步降低参数量的同时提高运行效率和分类准确率.在NEU-CLS表面缺陷数据集中的试验结果表明,改进后的算法参数量为0.5 MB,相比原模型降低96.89%,训练图片的时间由19.81 ms/幅降至10.73 ms/幅,平均准确率为99.26%,比改进前提高了5.56%,表明改进后的算法可应用于实时分类. 展开更多

关键词 mobilenetv3算法 转移注意力 结构性剪枝 缺陷分类

原文传递

改进的MobileNetV3热轧钢带表面缺陷分类算法 被引量：2

4

作者 熊政 车文刚 +1 位作者 保永莉 刘晓彤 《陕西理工大学学报（自然科学版）》 2023年第5期30-37,共8页

热轧制品在工业制造领域有着重要作用,针对其在生产中的表面缺陷问题,提出了一个基于MobileNetV3算法改进的热轧钢带表面缺陷分类算法,通过引入改进的置换注意力机制SAMM替换原模型中的SE注意力机制,在降低参数量的同时提高分类准确率... 热轧制品在工业制造领域有着重要作用,针对其在生产中的表面缺陷问题,提出了一个基于MobileNetV3算法改进的热轧钢带表面缺陷分类算法,通过引入改进的置换注意力机制SAMM替换原模型中的SE注意力机制,在降低参数量的同时提高分类准确率。同时,引入Mish激活函数来替换原模型中的Hard-Swish激活函数,进一步提高分类准确率。将两者结合,构造新的Bneck模块,在此基础上构造新的A-MobileNetV3热轧钢带表面缺陷分类算法。使用NEU-CLS热轧钢带表面缺陷数据集进行分类实验,实验结果表明,改进后的算法分类准确率达到了99.44%,相比于原模型提高了5.74%,而参数量仅为10.35 MB,相比于原模型减少了35.59%。表明改进后的分类算法可以胜任热轧钢带表面缺陷分类的任务。 展开更多

关键词 图像分类 mobilenetv3算法 注意力机制 激活函数

在线阅读 下载PDF 职称材料

基于改进YOLOv5的轻量级大豆田间杂草识别方法研究 被引量：5

5

作者 陈雪 谭峰 《农机使用与维修》 2025年第2期1-7,共7页

为对自然环境下大豆田间的大豆幼苗与杂草实现实时检测,提出一种基于改进YOLOv5的轻量级大豆田间杂草识别方法。该方法在YOLOv5s网络的基础上引入适用于边缘设备的轻量级卷积神经网络MobileNetV3,建立了YOLOv5s-MobileNetV3的大豆杂草... 为对自然环境下大豆田间的大豆幼苗与杂草实现实时检测,提出一种基于改进YOLOv5的轻量级大豆田间杂草识别方法。该方法在YOLOv5s网络的基础上引入适用于边缘设备的轻量级卷积神经网络MobileNetV3,建立了YOLOv5s-MobileNetV3的大豆杂草识别模型。对含有大豆幼苗和杂草的图像进行数据增强预处理,以增强模型泛化能力,利用Bneck深度卷积神经网络架构提取特征,并通过随机梯度下降法作为优化训练模型。在对比试验中,分别将YOLOv5s的主干网络替换为EfficientNetV2和ShuffleNetV2,并选取传统的SSD、Faster R-CNN、YOLOv4等标准目标检测网络作为参照,进行性能评估。试验结果表明:YOLOv5s-MobileNetV3识别模型大小为7.8 MB,在CPU上单张图像的推理时间为6.9 ms,识别精确率为0.846,查全率为0.84,均值平均精度为0.875,F1分数为0.843。模型可快速识别大豆伴生杂草,为挂载式喷药、精准农业等领域,提供农作物与杂草快速准确的检测分类方法,以满足作物生长管理、变量施肥及靶向喷药的技术需求。 展开更多

关键词 大豆 苗草识别 目标检测算法 mobilenetv3

在线阅读 下载PDF 职称材料

基于加强特征融合的轻量化船舶目标检测 被引量：2

6

作者 王林 汪钰婷 《计算机系统应用》 2023年第2期288-294,共7页

针对基于深度学习的海上船舶目标检测任务中存在检测网络复杂且参数量大、检测实时性差的问题,提出一种加强特征融合的轻量化YOLOv4算法——MA-YOLOv4.首先使用MobileNetv3替换主干网络,引入新的激活函数SiLU并使用深度可分离卷积代替普... 针对基于深度学习的海上船舶目标检测任务中存在检测网络复杂且参数量大、检测实时性差的问题,提出一种加强特征融合的轻量化YOLOv4算法——MA-YOLOv4.首先使用MobileNetv3替换主干网络,引入新的激活函数SiLU并使用深度可分离卷积代替普通3×3卷积降低网络参数量;其次加入自适应空间特征融合模块加强特征融合;最后使用MDK-means聚类算法得到适用于船舶目标的锚框,用Ship7000数据集进行训练和评估.实验结果表明,改进算法与YOLOv4相比,模型参数量降低82%,mAP提高2.57%,FPS提高30帧/s,能实现对海上船舶的高精度实时检测. 展开更多

关键词 船舶检测 YOLOv4 mobilenetv3 自适应空间特征融合 聚类算法 目标检测

在线阅读 下载PDF 职称材料

一种基于改进YOLOv4的舰炮弹着点水柱检测方法

7

作者 王智 石章松 +2 位作者 吴鹏飞 吴中红 祁江鑫 《海军工程大学学报》 CAS 北大核心 2022年第6期35-40,共6页

为解决弹着点水柱目标准确且快速检测的问题,充分平衡检测精度和实时性要求,首先通过将轻量级深度卷积神经网络MobileNetv3与YOLOv4算法结合,并利用3×3的深度可分离卷积代替PANet中的普通卷积,构建了用于水柱检测的网络模型M-YOLO... 为解决弹着点水柱目标准确且快速检测的问题,充分平衡检测精度和实时性要求,首先通过将轻量级深度卷积神经网络MobileNetv3与YOLOv4算法结合,并利用3×3的深度可分离卷积代替PANet中的普通卷积,构建了用于水柱检测的网络模型M-YOLOv4;然后,从检测精度、模型容量和运行速度等方面将M-YOLOv4与YOLOv3、YOLOv4和YOLOv4-tiny等进行比较。研究结果表明:M-YOLOv4对水柱目标具有良好的检测效果,能够达到与YOLOv4相当的检测精度,并且参数量显著减少、运行速度更快。 展开更多

关键词 水柱检测 YOLOv4 深度可分离卷积 mobilenetv3 K-MEANS聚类算法

在线阅读 下载PDF 职称材料

基于改进SSD和ISESAM融合的无人机弱小目标检测方法

8

作者 张银环 薛静云 +1 位作者 王宁宁 韩泽佳 《舰船电子工程》 2023年第9期23-28,35,共7页

针对低空无人机目标检测过程中出现的弱小目标、飞行模糊和背景相似,导致目标检测精度降低的问题,论文提出了改进SSD算法以提升目标检测精度。采用轻量化SSD(SSD-MobileNetV3)算法为检测框架,减少模型参数,降低计算复杂度。同时提出一... 针对低空无人机目标检测过程中出现的弱小目标、飞行模糊和背景相似,导致目标检测精度降低的问题,论文提出了改进SSD算法以提升目标检测精度。采用轻量化SSD(SSD-MobileNetV3)算法为检测框架,减少模型参数,降低计算复杂度。同时提出一种改进时空注意力(ISESAM)模块,构建通道和空间注意力机制,嵌入YOLOV4网络提高弱小目标检测精度。改进SSD算法的激活函数有效解决神经元可能“失活”的问题,可在低层网络中更有效地提取图像特征。在PASCAL VOC和COCO合成的数据集上实验,结果表明论文提出的改进SSD算法获得的检测精度为90.0%。与SSD-MobileNetV3相比,检测精度提高了4.0%,说明论文提出的改进SSD方法对低空无人机目标的检测更加具有鲁棒性。 展开更多

关键词 SSD算法 mobilenetv3 注意力机制 目标检测

在线阅读 下载PDF 职称材料

一种轻量化YOLOv4的遥感影像桥梁目标检测算法 被引量：4

9

作者 余培东 王鑫 +2 位作者 江刚武 刘建辉 徐佰祺 《海洋测绘》 CSCD 北大核心 2022年第2期59-64,共6页

深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参... 深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参数化卷积层(DO_Conv),提出一种兼具精度和检测效率的轻量化模型。实验表明:比较原始YOLOv4算法,本文算法将模型权重降低55%,检测效率提升70%以上,证明了本文改进之处的有效性;在精度方面,本文算法在与SSD、RetinaNet、YOLOv3和CenterNet等经典目标检测算法比较中仍保持精度优势。与YOLOv4算法相比,本文算法在难度较低的检测任务中精度损失较低,但在检测难度较高的DOTA桥梁数据集中精度损失明显。 展开更多

关键词 桥梁目标检测 YOLOv4算法 mobilenetv3算法 深度超参数化卷积 轻量化模型

在线阅读 下载PDF 职称材料

改进SSD算法在零部件检测中的应用研究 被引量：12

10

作者 沈新烽 姜平 周根荣 《计算机工程与应用》 CSCD 北大核心 2021年第7期257-262,共6页

针对生产线上运动过程中的零部件类型检测的实时性和准确度要求高,部分零件体积较小难以检测的问题,提出一种基于改进SSD(Single Shot MultiBox Detector)目标检测算法的零部件检测方法。使用轻量级网络MobileNetV3-Large替代SSD算法的... 针对生产线上运动过程中的零部件类型检测的实时性和准确度要求高,部分零件体积较小难以检测的问题,提出一种基于改进SSD(Single Shot MultiBox Detector)目标检测算法的零部件检测方法。使用轻量级网络MobileNetV3-Large替代SSD算法的主干网络VGG-16,图像输入长宽尺寸由300×300像素改为224×224像素,利用特征金字塔网络提升对体积较小零件的检测效果。以气动马达零部件的检测为例进行仿真实验;网络训练中,利用数据增强提高模型的鲁棒性。实验结果表明,改进后的SSD算法在提高对零部件实时性检测速度的同时,保证了检测的准确率。 展开更多

关键词 零部件检测 SSD目标检测算法 mobilenetv3 特征金字塔网络

在线阅读 下载PDF 职称材料

改进YOLOv5s算法的无人机小目标检测方法 被引量：3

11

作者 杨兴志 《科学技术创新》 2024年第11期80-83,共4页

针对无人机视角小目标检测出现目标漏检、误检和精度不高的问题,研究适用于无人机视角下的YOLOv5目标检测算法。首先,为了使网络学习到更多的特征,在主干网络中引入轻量化的MobileNetV3_Small算法,增强模型特征提取能力的同时降低了参... 针对无人机视角小目标检测出现目标漏检、误检和精度不高的问题,研究适用于无人机视角下的YOLOv5目标检测算法。首先,为了使网络学习到更多的特征,在主干网络中引入轻量化的MobileNetV3_Small算法,增强模型特征提取能力的同时降低了参数量和运算量,方便部署到无人机设备。然后,为了加强模型在目标聚集的情形下以降低漏检并提升检测精度,替换原始非极大值抑制算法为Soft-NMS。实验结果表明,改进的模型在VisDrone2019数据集上检测精度达到34.7%,相比于YOLOv5s算法精度提高5.4个百分点,同时降低了模型的参数和浮点运算量,便于部署到无人机设备,使得改进后的算法可以更好的应用于无人机视角下的图像目标检测任务中。 展开更多

关键词 无人机小目标检测 YOLOv5s mobilenetv3 非极大值抑制算法

在线阅读 下载PDF 职称材料

基于MDS-YOLO模型的小目标检测问题研究 被引量：1

12

作者 朱恩文 梁曌 +1 位作者 肖进文 梁小林 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第12期78-86,共9页

针对目前主流算法对小目标检测存在计算量大与准确率较低的问题,本文以轻量级网络MobileNetV3代替YOLOv4中的主干网络,并将颈部网络中的一部分普通卷积用深度可分离卷积替代,同时针对小目标检测定义一个新的损失函数IF-EIoU Loss,由此... 针对目前主流算法对小目标检测存在计算量大与准确率较低的问题,本文以轻量级网络MobileNetV3代替YOLOv4中的主干网络,并将颈部网络中的一部分普通卷积用深度可分离卷积替代,同时针对小目标检测定义一个新的损失函数IF-EIoU Loss,由此构建了MDSYOLO目标检测模型.该模型具有较高的检测速度,且针对小目标具有较好的检测性能.为了验证模型的有效性,分别在MS COCO数据集和Visdrone2019数据集上进行了实验.与YOLOv4算法相比,在MS COCO数据集上,MDS-YOLO算法的平均检测精度提升了1.5个百分点,对于小目标的检测精度提升了3.3个百分点,检测速度也从31帧/s提升至36帧/s;在Visdrone2019数据集上,MDS-YOLO算法将平均检测精度从YOLOv4的14.9%提升至16.3%.实验结果表明,本文提出的MDS-YOLO算法能有效提升小目标检测精度. 展开更多

关键词 小目标检测 YOLOv4算法 轻量级网络mobilenetv3 IF-EIoU Loss MS COCO数据集

在线阅读 下载PDF 职称材料

基于轻量化网络对植物叶斑病的目标检测研究

13

作者 吴晓林 曹兴芹 《现代电子技术》 北大核心 2024年第22期146-152,共7页

为了提高植物叶斑病的检测效率和精度,引入主流的目标检测模型YOLOv5对叶斑病进行检测。结果显示,模型在检测较小的叶斑病时精度不高,且模型权重体积较大,不利于在终端边缘设备上部署。为此,对YOLOv5模型进行改进。首先,采用经过SCSE模... 为了提高植物叶斑病的检测效率和精度,引入主流的目标检测模型YOLOv5对叶斑病进行检测。结果显示,模型在检测较小的叶斑病时精度不高,且模型权重体积较大,不利于在终端边缘设备上部署。为此,对YOLOv5模型进行改进。首先,采用经过SCSE模块修改的MobileNetv3轻量化网络结构替代原有的CSP-Darknet53主干网络,从而降低模型的参数量和计算复杂度;其次,使用K-means++聚类方法优化Anchors参数,使先验框更好地为目标检测模型提供信息,增强模型的性能和泛化能力,减少对标注数据的依赖;最后,在主干网络的最后一层引入ASPPF模块,提高模型在不同尺度上的检测性能。实验结果表明,与原YOLOv5s算法相比,改进方法在植物叶斑病检测任务中表现更优,精确率、召回率和mAP等指标分别提高了2%、2.7%和1.5%,模型大小降低了39.1%。通过优化YOLOv5模型,实现了对不同植物类型大小不一的叶斑病的高效检测,有效降低了模型的大小,并提高了模型的检测精度。 展开更多

关键词 植物叶斑病 目标检测 YOLOv5网络模型 mobilenetv3 K-means++聚类算法 SCSE模块

在线阅读 下载PDF 职称材料