基于改进YOLOv8s的玻璃缺陷检测算法

1

作者 梁睿栋 李晓 李喜钢 《制造业自动化》 2026年第2期99-108,共10页

为改善玻璃瑕疵检测对人工的依赖性和复杂背景干扰强及类别区分难等问题,提出一种基于YOLOv8s的改进算法,通过融合全维动态卷积(ODConv)与SE注意力机制(SEAttention)提升检测性能。该算法在YOLOv8的主干特征提取网络中,将传统卷积替换为... 为改善玻璃瑕疵检测对人工的依赖性和复杂背景干扰强及类别区分难等问题,提出一种基于YOLOv8s的改进算法,通过融合全维动态卷积(ODConv)与SE注意力机制(SEAttention)提升检测性能。该算法在YOLOv8的主干特征提取网络中,将传统卷积替换为ODConv,借助动态调整卷积核的重叠度与感受野,增强对玻璃表面细微瑕疵的特征捕捉能力;在特征融合阶段引入SEAttention,通过对通道维度的权重重新分配,强化有效瑕疵特征并抑制背景噪声。实验结果显示,改进后的YOLOv8s在自制的工业玻璃瑕疵数据集上,mAP达到了96.8%,较改进前提升了1.9%,不同IOU阈值的综合mAP提高了1.8%,且检测速度满足工业实时检测需求,性能得到了综合性提升,为玻璃表面瑕疵的自动化检测与分类提供了高效解决方案。 展开更多

关键词 钢化玻璃 YOLOv8 odconv SEAttention 缺陷检测

在线阅读 下载PDF 职称材料

基于改进YOLOv8n和探地雷达图像的冬笋快速识别研究

2

作者 王灯 贺磊盈 +3 位作者 杜小强 张国凤 肖占春 蒋卫明 《农机化研究》 北大核心 2026年第5期151-159,共9页

冬笋通常生长在地下深度20 cm处,一般通过竹农目视方法很难确定冬笋位置,而使用探地雷达技术对冬笋进行探测时,冬笋的回波灰度图像特征复杂多变,给现场解译的效率和精度带来了挑战。因此,提出了一种基于改进YOLOv8n的冬笋回波图像识别方... 冬笋通常生长在地下深度20 cm处,一般通过竹农目视方法很难确定冬笋位置,而使用探地雷达技术对冬笋进行探测时,冬笋的回波灰度图像特征复杂多变,给现场解译的效率和精度带来了挑战。因此,提出了一种基于改进YOLOv8n的冬笋回波图像识别方法ODE-YOLOv8n。在ODE-YOLOv8n模型中,使用ODConv构建C2f-ODConv模块替换原有C2f模块,采用四维卷积策略以更好地适应冬笋不规则的回波特征,提升模型的特征提取能力。在主干网络末端插入DAT注意力机制,并使用Efficient-Detect检测头,共享Conv卷积层参数,采用SCConv卷积,提高网络检测精度。使用1346张探地雷达灰度图像构建冬笋数据集,并进行消融和对比试验。结果表明,ODE-YOLOv8n模型的精确度、召回率、mAP 50、mAP 50-90和F 1分别为94.6%、84.1%、92.0%、56.1%、89.0%;与SSD、Faster R-CNN、YOLOv3、YOLOv5s、YOLOv5m、YOLOv7-tiny、YOLOv7和YOLOv8n算法相比,在mAP 50上分别提高了6.6个百分点、9.1个百分点、4.8个百分点、9.1个百分点、12.3个百分点、7.0个百分点、6.2个百分点、4.2个百分点。将ODE-YOLOv8n模型部署到使用OpenVINO推理框架的NUC主机上,单张图片推理时间达到80 ms,基本能满足冬笋检测速度要求。 展开更多

关键词 冬笋 探地雷达 YOLOv8n 全维动态卷积 注意力机制 检测头

在线阅读 下载PDF 职称材料

基于多尺度特征融合的航拍小目标检测

3

作者 冯志越 姚涛 贺文伟 《计算机工程与设计》 北大核心 2026年第1期171-179,共9页

针对无人机高空拍摄图像中目标较小且易受遮挡难以检测问题,提出一种基于YOLOv8改进的航拍小目标检测方法:TPO-YOLO。使用三重注意力模块处理特征图,提升上采样后特征图的代表性和区分度;设计多尺度特征融合网络,增强对密集小目标的检... 针对无人机高空拍摄图像中目标较小且易受遮挡难以检测问题,提出一种基于YOLOv8改进的航拍小目标检测方法:TPO-YOLO。使用三重注意力模块处理特征图,提升上采样后特征图的代表性和区分度;设计多尺度特征融合网络,增强对密集小目标的检测能力;使用全维动态卷积在主干与颈部之间搭建过渡层,提升模型对复杂场景的理解力,强化多尺度特征的融合。实验结果表明,相较于YOLOv8s,TPO-YOLO的mAP@0.5提升了8.3%,mAP@0.5∶0.95提升了5.6%,参数量降低64.8%,验证了该方法的有效性。 展开更多

关键词 无人机航拍 小目标检测 三重注意力 多尺度特征融合 全维动态卷积 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

改进YOLOv8的密集人群口罩检测算法 被引量：2

4

作者 伍锡如 梁诗意 《电子测量技术》 北大核心 2025年第1期55-63,共9页

针对公共场合密集人群场景下由于人群遮挡导致的信息缺失及检测目标较小、分辨率低导致人脸佩戴口罩检测算法检测困难的问题,提出了一种改进YOLOv8的密集人群口罩检测算法。采用GD机制代替YOLOv8中FPN结构解决跨层信息传输中信息丢失的... 针对公共场合密集人群场景下由于人群遮挡导致的信息缺失及检测目标较小、分辨率低导致人脸佩戴口罩检测算法检测困难的问题,提出了一种改进YOLOv8的密集人群口罩检测算法。采用GD机制代替YOLOv8中FPN结构解决跨层信息传输中信息丢失的问题,GD使用一个统一的模块收集和融合所有层级的信息,实现网络跨层信息的无损传输,增强了网络特征提取能力。在GD机制中插入ODconv模块对GD传输的信息沿4个维度进行学习,提高模型低分辨目标和小目标的检测精度。此外,引入了一种轻量化检测头SCSBD,对占比过高的YOLOv8检测头进行轻量化处理,平衡模型大小。实验结果表明,改进后的网络在精确率、召回率和平均精度上分别提升了13.6%、1.5%和6.9%,对人脸口罩的检测精度达到了81.1%,模型权重文件仅为25 MB,模型大小介于YOLOv8s和Gold-YOLO-S之间,达到了大小和精度的平衡。 展开更多

关键词 密集人群 口罩检测 YOLOv8 GD机制 odconv SCSBD 特征提取 轻量化

原文传递

多维注意力机制融合的目标检测网络 被引量：1

5

作者 吴宇杰 王挺 +2 位作者 邵士亮 曹风魁 刘军 《组合机床与自动化加工技术》 北大核心 2025年第5期71-77,共7页

为了提升目标检测的准确性和效率,基于YOLOv7提出了一种多维注意力机制融合的目标检测网络(MAF-Net)。在网络主干部分,采用ODConv替代传统卷积堆叠,融入多维注意力机制并行策略,提升了特征提取能力。在头部网络部分,插入SimAM注意力机制... 为了提升目标检测的准确性和效率,基于YOLOv7提出了一种多维注意力机制融合的目标检测网络(MAF-Net)。在网络主干部分,采用ODConv替代传统卷积堆叠,融入多维注意力机制并行策略,提升了特征提取能力。在头部网络部分,插入SimAM注意力机制,通过计算特征图的3-D关注权重来优化检测精度。同时,结合Inner-IoU与CIoU,提高了模型精度并优化了训练效率。经MS COCO 2017数据集实验验证,MAF-Net的mAP相较于原模型提升1.3%。综上所述,提出的MAF-Net模型在目标检测领域展现出了优异的性能,具有良好的识别精度、精细的特征提取以及高效的训练效率。 展开更多

关键词 目标检测 YOLOv7 多维注意力 odconv

在线阅读 下载PDF 职称材料

基于改进YOLO v8轻量化小麦病害检测方法研究 被引量：1

6

作者 尹利华 崔艳荣 曾龙军 《江苏农业科学》 北大核心 2025年第20期279-287,共9页

随着全球气候的不断变化和农业生产模式的持续调整,小麦病害的危害程度变得越来越复杂且多变。尽管深度学习技术在小麦病害检测领域已经展现出了良好的性能,但在面对复杂多变的实际种植环境时,其识别效果仍然存在一定的局限性。为了应... 随着全球气候的不断变化和农业生产模式的持续调整,小麦病害的危害程度变得越来越复杂且多变。尽管深度学习技术在小麦病害检测领域已经展现出了良好的性能,但在面对复杂多变的实际种植环境时,其识别效果仍然存在一定的局限性。为了应对这一挑战,提出一种基于改进YOLO v8n的轻量化小麦病害检测方法,旨在提高在真实环境中对小麦病害的检测能力。该方法通过在YOLO v8n主干网络中引入ODConv,增强模型对小麦病害特征的提取能力,以提高模型性能和精确度。此外,在颈部网络中引入BiFPN特征融合网络,减少复杂背景的影响,BiFPN采用加权的特征融合机制,在训练过程中自动调节权重,以优化特征融合的效果获取更有价值的信息。最后,在颈部网络引入带GSConv的Slim-Neck,以减少模型的参数量和计算量,使网络模型达到轻量化的效果,同时能保持模型的精度。结果表明,改进后的OBS-YOLO v8网络模型精确率为91.3%,召回率为71.3%,mAP@0.5为77.3%,相对于原模型分别提高5.2、1.3、2.2百分点;其中参数量仅为2.8 M,同比下降10%,计算量仅为6.6 G,同比下降26%,不仅为在可部署的移动设备上使用小麦病害检测系统奠定了坚实的基础,还为在实际农业生产环境中高效、准确地检测小麦病害提供了一种切实可行的解决方案。期待这一研究成果能够推动农业智能化、信息化的发展进程,为构建现代农业产业体系、实现乡村振兴贡献力量。 展开更多

关键词 小麦病害检测 YOLO v8n 深度学习 轻量化 odconv BiFPN Slim-Neck

在线阅读 下载PDF 职称材料

基于改进YOLOv8s的输电线路山火检测

7

作者 周恩泽 黄道春 +4 位作者 王磊 彭添浩 刘淑琴 汪皓 陈超 《郑州大学学报(工学版)》 北大核心 2025年第5期114-121,共8页

针对输电线路走廊复杂背景场景下传统预警方法山火检测效果差、速度慢,图像识别误检、漏检率较高等问题,提出了一种基于改进YOLOv8s的输电线路山火检测方法。首先,通过网络收集并对现有数据集筛选,得到以野外荒地为背景的山火图像数据集... 针对输电线路走廊复杂背景场景下传统预警方法山火检测效果差、速度慢,图像识别误检、漏检率较高等问题,提出了一种基于改进YOLOv8s的输电线路山火检测方法。首先,通过网络收集并对现有数据集筛选,得到以野外荒地为背景的山火图像数据集,更加贴合目标背景。其次,引入ODConv模块,对基线模型的Backbone和Neck部分使用C2f_OD模块替换原C2f模块进行特征提取,提升模型对火焰烟雾的检测性能;再更换Head部分为DyHead模块,融合尺度、空间和任务3种注意力感知模块,进一步提高检测精度;并使用WIoU损失函数,将检测框回归聚焦于普通质量的预测框,提升模型对复杂背景的泛化性能。最后,设计了3组消融实验和1组对比实验。实验结果表明:所提算法与原YOLOv8s模型相比,在自建山火数据集上mAP@0.5提高了5.6百分点,P提升了4.51百分点,R提升了5.41百分点,帧率为34.9帧/s,满足输电线路山火精准检测的要求。 展开更多

关键词 输电线路 山火烟雾 目标检测 YOLOv8s odconv DyHead WIoU

在线阅读 下载PDF 职称材料

基于ODEM-YOLO的水泥骨料生产车间工人安全穿戴检测模型

8

作者 李鑫 胡慢谷 佟瑞鹏 《工程科学学报》 北大核心 2025年第12期2578-2588,共11页

针对水泥骨料生产车间监控视频中工人安全穿戴检测中多尺度小目标识别困难、漏检误检频繁以及实时检测效率不高等问题,本文提出了一种基于改进YOLOv8的轻量化目标检测模型ODEM-YOLO(Omni-dimensional efficient attention and multiscal... 针对水泥骨料生产车间监控视频中工人安全穿戴检测中多尺度小目标识别困难、漏检误检频繁以及实时检测效率不高等问题,本文提出了一种基于改进YOLOv8的轻量化目标检测模型ODEM-YOLO(Omni-dimensional efficient attention and multiscale enhancement YOLO).首先,在YOLOv8基础上引入全维动态卷积(ODConv)模块,增强浅层特征提取能力,有效捕获小目标的关键特征;其次,结合改进的高效多尺度注意力机制(iEMA)优化Neck网络,有效提高多尺度目标的特征表达能力;同时,提出C2f多尺度边缘信息增强(C2f_MSEIE)模块显式增强目标边缘信息,提高对安全装备边界特征的识别精度.实验基于实际水泥骨料车间监控数据,构建了包含9877个多尺度小目标样本的数据集,开展模型性能评估.实验结果表明,ODEM-YOLO模型在保持结构轻量化(6.9 MB)的同时,整体检测精度(mAP@0.5)达到0.896,小目标(口罩)检测精度(AP@0.5mask)达到0.746,单图推理时间达8.2 ms,优于YOLOv5n、YOLOv10n等主流模型.并且在NVIDIA Jetson Nano B01嵌入式设备上实际部署测试达到25 frame·s^(-1)的实时检测效果,充分满足工业现场实时安全监控需求. 展开更多

关键词 安全穿戴检测 小目标检测 多尺度检测 YOLO 高效多尺度注意力(EMA) 全维动态卷积(odconv)

在线阅读 下载PDF 职称材料

面向列车螺栓异常检测的YOLOv8改进方法研究 被引量：1

9

作者 王岱融 赵雨虹 +1 位作者 屈小章 刘翊 《信息技术与标准化》 2025年第4期101-106,111,共7页

针对列车螺栓形状小、环境背景复杂、松紧状态不易辨识等问题,提出一种基于改进YOLOv8的螺栓异常目标检测方法。引入ODConv卷积代替传统卷积,提高螺栓异常特征提取能力与精确度;修改上采样算子为CARAFE模块,聚合上下文内容更好地保留细... 针对列车螺栓形状小、环境背景复杂、松紧状态不易辨识等问题,提出一种基于改进YOLOv8的螺栓异常目标检测方法。引入ODConv卷积代替传统卷积,提高螺栓异常特征提取能力与精确度;修改上采样算子为CARAFE模块,聚合上下文内容更好地保留细节;添加CBAM注意力机制,结合通道注意力和空间注意力提高模型的感知能力。实验结果表明,改进后算法与原算法相比精确度提高9.1%,mAP@50%和mAP@95%分别提高了8%和5.94%,模型大小减小了1.2 MB。该改进方法实现了螺栓异常检测精度与轻量化性能的平衡,为轨道交通关键部件的高精度实时检测提供了可行方案,为YOLO系列模型在工业小目标检测任务中的扩展应用提供了技术参考。 展开更多

关键词 YOLOv8 螺栓检测 odconv CBAM CARAFE

在线阅读 下载PDF 职称材料

基于改进YOLOv8的井下管道渗漏检测方法

10

作者 蔡振宇 靳华伟 《菏泽学院学报》 2025年第5期31-41,共11页

针对井下管道渗漏人工巡检带来的高风险安全与成本问题,且井下光线昏暗、环境复杂,传统算法精度低与漏检误检率高等问题,提出一种基于YOLOv8算法的井下管道渗漏检测改进方法:SSO-YOLO(SPPELAN-S2-MLPv2-ODConv-YOLO).SSO-YOLO算法做出... 针对井下管道渗漏人工巡检带来的高风险安全与成本问题,且井下光线昏暗、环境复杂,传统算法精度低与漏检误检率高等问题,提出一种基于YOLOv8算法的井下管道渗漏检测改进方法:SSO-YOLO(SPPELAN-S2-MLPv2-ODConv-YOLO).SSO-YOLO算法做出三点改进:首先对YOLOv8原有的空间金字塔池化结构,使用SPPELAN(Spatial Pyramid Pooling Efficient Layer Aggregation Network)模块改进优化;然后引入采用空间位移操作的S2-MLPv2注意力机制,改善井下环境嘈杂导致检测效果差的问题;最后,对于管道渗漏特征多变且不规则的情况,使用全维度动态卷积(ODConv)模块替换普通卷积模块,以捕捉局部多样化信息提取复杂特征.实验结果表明:模型检测实验结果的mAP50达到67.7%,相较于原模型提升了3.7个百分点. 展开更多

关键词 目标检测 YOLOv8 SPPELAN 注意力机制 odconv

在线阅读 下载PDF 职称材料

基于改进DiffusionDet的印刷电路板缺陷检测研究

11

作者 王秀友 黄广仁 +1 位作者 刘华明 孙浩宇 《廊坊师范学院学报(自然科学版)》 2025年第2期57-63,共7页

印刷电路板存在缺陷会直接影响电子设备的性能,如何对印刷电路板可能存在的缺陷进行有效检测一直困扰着工业界。针对这一问题,提出一种基于DiffusionDet的改进算法,在不需要依赖经验对象或可学习对象查询的情况下,直接对印刷电路板缺陷... 印刷电路板存在缺陷会直接影响电子设备的性能,如何对印刷电路板可能存在的缺陷进行有效检测一直困扰着工业界。针对这一问题,提出一种基于DiffusionDet的改进算法,在不需要依赖经验对象或可学习对象查询的情况下,直接对印刷电路板缺陷进行检测。具体的处理过程是:首先使用ODConv(ObjectDetection Convolution)代替特征提取网络的部分静态卷积核,拓宽卷积操作学习的维度,从而得到更利于缺陷检测的特征图;其次通过GIoU损失函数代替原本的IoU损失函数,提升模型对预选框位置的优化能力。实验结果表明,改进后的DiffusionDet平均精度(mAP)从原本的98.12%提升到98.83%,面对印刷电路版缺陷检测问题表现出更加良好的性能。 展开更多

关键词 印刷电路板 缺陷检测 DiffusionDet odconv GIoU

在线阅读 下载PDF 职称材料

基于YOLOv8改进的跌倒检测算法:OEF-YOLO 被引量：2

12

作者 宋杰 徐慧英 +3 位作者 朱信忠 黄晓 陈晨 王泽宇 《计算机工程》 北大核心 2025年第7期127-139,共13页

在室内场景下,受角度、光线变化等因素的影响,导致现有目标检测算法检测跌倒事件时检测精度降低、实时性变差。为此,提出一种基于YOLOv8改进的跌倒检测算法OEF-YOLO。采用全维动态卷积(ODConv)模块改进YOLOv8中的C2f模块,优化了核空间的... 在室内场景下,受角度、光线变化等因素的影响,导致现有目标检测算法检测跌倒事件时检测精度降低、实时性变差。为此,提出一种基于YOLOv8改进的跌倒检测算法OEF-YOLO。采用全维动态卷积(ODConv)模块改进YOLOv8中的C2f模块,优化了核空间的4个维度以增强特征提取能力,而且有效减少了计算负担。同时,为了捕获更细粒度的特征,在颈部网络中引入高效多尺度注意力(EMA)模块,进一步聚合像素级特征,提高网络在跌倒场景中的处理能力。在CIoU损失函数中融入Focal Loss思想,使模型对难分类样本给予更多关注,优化模型整体性能。实验结果表明,相比YOLOv8n,OEF-YOLO跌倒检测算法在mAP@0.5指标上提升了1.5百分点,mAP@0.5∶0.95提升1.4百分点,参数量和计算量分别为3.1×10^(6)和6.5 GFLOPs,在图形处理器(GPU)上FPS提高了44,在提高精度检测跌倒事件的同时,兼顾了低算力场景下的部署要求。 展开更多

关键词 目标检测 轻量化 跌倒事件 注意力机制 全维动态卷积

在线阅读 下载PDF 职称材料

基于改进YOLO v8n模型的散养蛋鸡个体行为识别方法与差异分析 被引量：9

13

作者 杨断利 齐俊林 +2 位作者 陈辉 高媛 王连增 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期112-123,共12页

家禽行为与其生理状态密切相关,可利用行为数据对家禽健康状况进行评估。统计个体行为数据需要进行蛋鸡行为识别和个体身份识别,针对行为识别过程中,蛋鸡体型小、聚集遮挡,养殖环境光照变化等因素导致的蛋鸡有效特征表达不足,个体行为... 家禽行为与其生理状态密切相关,可利用行为数据对家禽健康状况进行评估。统计个体行为数据需要进行蛋鸡行为识别和个体身份识别,针对行为识别过程中,蛋鸡体型小、聚集遮挡,养殖环境光照变化等因素导致的蛋鸡有效特征表达不足,个体行为识别效果不理想问题,基于YOLO v8n网络构建行为识别模型,同时融合ODConv、GhostBottleneck、GAM注意力和Inner-IoU结构,通过减少图像特征丢失,放大全局交互信息,融合跨阶段特征,增强特征提取及泛化能力对模型进行改进,提升了蛋鸡采食、饮水、站立、整理羽毛、俯身搜索5种行为的识别精度。同时基于YOLO v8n模型构建了个体身份识别网络,并通过引入MobileNetV3模块对个体身份识别网络模型进行优化,提升了个体行为数据统计效率。试验结果表明,优化后行为识别模型对采食、饮水、站立、整理羽毛、俯身搜索行为识别平均精度(AP)分别达到94.4%、93.0%、90.7%、91.7%、86.9%,平均精度均值(mAP)达到91.4%,与YOLO v5n、YOLO v6n、YOLO v7-tiny、YOLO v8n相比,平均精度均值(mAP)分别提高4.8、4.1、5.5、3.5个百分点;个体身份识别模型参数量和运算量与YOLO v8n模型相比,减少1.965 1×10^(6)和6.1×10^(9)。通过分析蛋鸡行为数据发现,行为数据与温度及蛋鸡个体本身有关,温度降低时,采食、站立次数增加,饮水次数减少,整理羽毛、俯身搜索次数几乎无变化,相同温度下,不同蛋鸡个体的行为数据差异较大,且差异值与蛋鸡体型有关。试验结果为依据行为数据评判蛋鸡健康状况、养殖场精准养殖及蛋鸡个体优选奠定了基础。 展开更多

关键词 散养蛋鸡 行为识别 YOLO v8n 多目标识别 MobileNetV3 odconv

在线阅读 下载PDF 职称材料

改进YOLOv5的绝缘子缺陷检测算法 被引量：5

14

作者 张梅 齐至家 何盼霞 《安徽理工大学学报（自然科学版）》 CAS 2023年第4期10-18,共9页

针对在复杂背景下绝缘子缺陷检测中出现的漏检、误检问题,提出了一种基于改进YOLOv5的绝缘子缺陷检测算法。首先,在原算法上加入全维动态卷积,在不增加计算量的前提下提高算法的特征提取能力与检测精度;然后,引入解耦检测头,避免因头部... 针对在复杂背景下绝缘子缺陷检测中出现的漏检、误检问题,提出了一种基于改进YOLOv5的绝缘子缺陷检测算法。首先,在原算法上加入全维动态卷积,在不增加计算量的前提下提高算法的特征提取能力与检测精度;然后,引入解耦检测头,避免因头部耦合带来的检测精度下降问题;最后,融合通道注意力模块(CA),并探究CA在算法不同部位对算法性能的影响,进一步提高算法的特征提取能力,增强算法对小目标的检测能力。实验表明,该算法在公开数据集上的检测精度达到了95.0%,相比于原算法提升了2.5%,平均检测速度达到8.4ms,有着较好的检测精度和实时性,且有效解决了漏检与误检的问题。在主流目标检测算法比较中,改进后的算法综合性能有很大的优越性。 展开更多

关键词 绝缘子 缺陷检测 YOLOv5 odconv 解耦检测头 CA

在线阅读 下载PDF 职称材料

基于改进YOLOv5的水果检测 被引量：1

15

作者 郑凯东 田瑞 《信息技术与信息化》 2024年第6期72-75,共4页

近年来,中国水果产业快速发展,出口产品销量始终位居世界前列,但水果采摘问题不容忽视,由于各方原因,我国采摘基本依赖人工、耗时且效率低,天气环境等因素严重影响人工作业。基于采摘检测困难问题,以苹果为研究对象,提出了基于YOLOv5s... 近年来,中国水果产业快速发展,出口产品销量始终位居世界前列,但水果采摘问题不容忽视,由于各方原因,我国采摘基本依赖人工、耗时且效率低,天气环境等因素严重影响人工作业。基于采摘检测困难问题,以苹果为研究对象,提出了基于YOLOv5s改进的YOLOv5-OCG结构,主要改进内容为:(1)构建新的主干网络OCSP Darknet,其中ODConv卷积可动态调整卷积核,CBAM通过通道与空间两方面更好地提取重要特征;(2)引入GFPN替换头部的C3网络,通过自底向上和自顶向下两种方式联合进行多尺度特征融合。相比最初的YOLOv5原始模型,mAP提高至0.767,改进后的模型有较高的稳定性,可适应不同情况状态下的水果检测,有一定的实际意义。 展开更多

关键词 YOLOv5 水果采摘 目标检测 odconv卷积 CBAM GFPN

在线阅读 下载PDF 职称材料

基于改进YOLOv7-Tiny的轻量化百香果检测方法 被引量：5

16

作者 涂智荣 凌海英 +3 位作者 李帼 陆声链 钱婷婷 陈明 《广西师范大学学报（自然科学版）》 CAS 北大核心 2024年第5期79-90,共12页

在果园中,准确且快速的果实检测是水果产量预测和自动化采摘等农业智能化应用的关键任务之一。针对目前目标检测模型参数量和计算量大,难以满足嵌入式设备实时性要求的问题,本文提出一种基于改进YOLOv7-Tiny的轻量化检测方法,用于复杂... 在果园中,准确且快速的果实检测是水果产量预测和自动化采摘等农业智能化应用的关键任务之一。针对目前目标检测模型参数量和计算量大,难以满足嵌入式设备实时性要求的问题,本文提出一种基于改进YOLOv7-Tiny的轻量化检测方法,用于复杂果园环境中百香果的检测。首先,在主干网络中使用全维动态卷积(ODConv),提高主干网络的特征提取能力,使平均精度均值(mAP)提升2个百分点;其次,为了减少颈部网络的参数量和计算量,融合GhostNet网络和MobileOne网络,提出GMConv轻量化模块,使模型参数量下降约30%,计算量下降约20%,FPS提高约50 frame/s。在百香果数据集上的实验结果表明,与YOLOv7-Tiny相比,改进后算法的参数量和计算量分别下降32.1%和25.4%,mAP提升2.6个百分点。在降低计算量和参数量的前提下,改进后算法进一步提高了检测精度,有利于在嵌入式设备中部署。 展开更多

关键词 目标检测 YOLOv7-Tiny 百香果 轻量化网络 GMConv模块 odconv

在线阅读 下载PDF 职称材料

基于改进YOLOv5算法的车辆目标检测 被引量：7

17

作者 朱凯斌 吕红明 秦彦彬 《自动化与仪表》 2024年第5期78-83,共6页

近年来,车辆目标检测已经逐渐成为智能交通领域的研究热点,然而,现实道路场景的复杂性常常给目标检测带来了诸多挑战,尤其是频繁出现的目标遮挡、重叠以及小目标检测问题,该文提出一种基于改进YOLOv5算法的车辆目标检测模型。首先将CA(c... 近年来,车辆目标检测已经逐渐成为智能交通领域的研究热点,然而,现实道路场景的复杂性常常给目标检测带来了诸多挑战,尤其是频繁出现的目标遮挡、重叠以及小目标检测问题,该文提出一种基于改进YOLOv5算法的车辆目标检测模型。首先将CA(coordinate attention,坐标注意力)机制集成到检测网络中,以增强在高密度目标环境中对车辆的识别精度;接着,采用Focal-EIOU Loss作为替代损失函数,以实现更精确的定位精度和更快的收敛速度;最后,引入ODConv(omni-dimensional dynamic convolution,全维度动态卷积),通过结合多个卷积核以及执行多维特征关注,提升车辆特征提取的效果。在自制车辆数据集上的实验表明,与原始算法相比,改进算法的平均精度提高了1.5%,证实了其在车辆目标检测方面的有效性和优越性。 展开更多

关键词 深度学习 YOLO 注意力机制 损失函数 odconv

在线阅读 下载PDF 职称材料

改进YOLOv5s的机场鸟类目标检测算法 被引量：4

18

作者 刘玉芬 陈裕通 刘晓琳 《制造业自动化》 2024年第3期85-89,95,共6页

随着人类经济社会的快速发展及生态环境的不断改善,在新机场不断地建设、各种飞行器数量与飞行频率不断增加的同时,鸟类数量也在不断地增加,于是机、鸟二者间产生了激烈的空间竞争关系,并因此而导致了鸟击事件的上升问题。面对严峻的鸟... 随着人类经济社会的快速发展及生态环境的不断改善,在新机场不断地建设、各种飞行器数量与飞行频率不断增加的同时,鸟类数量也在不断地增加,于是机、鸟二者间产生了激烈的空间竞争关系,并因此而导致了鸟击事件的上升问题。面对严峻的鸟击风险防范形势,传统方法通常会在使用一段时间后就会失去原有的效果,主要原因是鸟类惯性适应症的问题。为了解决上述问题,设计了一种基于物联网的机场驱鸟联动系统,并在该系统上提出了基于改进YOLOv5s的机场鸟类目标检测算法,以提高驱鸟设备的使用效果。由于捕捉用的摄像头位置是固定的,飞鸟则是在不同高度飞行,目标不仅尺度变化较大,而且密集目标出现运动模糊问题,为此改进的算法在YOLOv5基础上加入ODConv全维动态卷积以提升网络在区域覆盖范围大的图像中找到感兴趣的区域。此外,算法中还改进了输出端预测头以提高群体目标中小目标的检测精度。实验结果表明,算法相较于YOLOv5s精确率提升了约4.6%,召回率提升约3.9%,实现了在满足检测速度要求的同时有效地提高了对飞鸟的检测精度。 展开更多

关键词 鸟击 鸟类检测 YOLOv5 odconv

在线阅读 下载PDF 职称材料

基于改进YOLO v8s的小麦小穗赤霉病检测研究 被引量：22

19

作者 时雷 杨程凯 +4 位作者 雷镜楷 刘志浩 王健 席磊 熊蜀峰 《农业机械学报》 EI CAS CSCD 北大核心 2024年第7期280-289,共10页

为实现大田复杂背景下小麦小穗赤霉病快速准确识别,构建了包含冬小麦开花期、灌浆期和成熟期3个生育期共计640幅的小麦赤霉病图像数据集,并提出一种基于改进YOLO v8s的小麦小穗赤霉病识别方法。首先,利用全维动态卷积ODConv替换主干网... 为实现大田复杂背景下小麦小穗赤霉病快速准确识别,构建了包含冬小麦开花期、灌浆期和成熟期3个生育期共计640幅的小麦赤霉病图像数据集,并提出一种基于改进YOLO v8s的小麦小穗赤霉病识别方法。首先,利用全维动态卷积ODConv替换主干网络中的标准Conv,提高网络对目标区域特征的提取;然后,在Neck网络使用改进Efficient RepGFPN特征融合网络实现低层特征与高层语义信息的融合,使模型能够提取更丰富的特征信息;最后,采用EIoU损失函数替换CIoU损失函数,加快模型收敛速度,进一步提高模型准确率,实现对小麦小穗赤霉病的快速、准确识别。在自建的数据集上进行模型验证,结果表明,改进模型(OCE-YOLO v8s)对小麦小穗赤霉病的检测精度达到98.3%,相比原模型提高2个百分点;与Faster R-CNN、CenterNet、YOLO v5s、YOLO v6s、YOLO v7模型相比分别提高36、25.7、2.1、2.6、3.9个百分点。提出的OCE-YOLO v8s模型能有效实现小麦小穗赤霉病精确检测,可为大田环境下农作物病虫害实时监测提供参考。 展开更多

关键词 小麦赤霉病 目标检测 YOLO v8 全维动态卷积 Neck网络 EIoU

在线阅读 下载PDF 职称材料

Dim-YOLOv5n昏暗场景目标检测算法 被引量：6

20

作者 朱晓彤 张荣芬 +1 位作者 刘宇红 孙龙 《计算机工程与应用》 CSCD 北大核心 2024年第11期173-181,共9页

相比于正常光照场景,照明不良昏暗场景干扰因素较多,图像处理较为复杂,且现有的昏暗目标检测,存在参数量大,识别准确率低等不足。针对昏暗场景下目标检测算法中存在误检与漏检等问题,提出以YOLOv5n算法为基础进行改进的昏暗场景目标检... 相比于正常光照场景,照明不良昏暗场景干扰因素较多,图像处理较为复杂,且现有的昏暗目标检测,存在参数量大,识别准确率低等不足。针对昏暗场景下目标检测算法中存在误检与漏检等问题,提出以YOLOv5n算法为基础进行改进的昏暗场景目标检测算法Dim-YOLOv5n。利用嵌入全维动态卷积(omni-dimensional dynamic convolution,ODConv)的轻量化主干ODConv-MobileNetV2替换主干网络,在减少计算量的同时提高检测精度。基于RepGFPN(reparameterized generalized-FPN)方法设计更加轻量高效的LigGFPN(lightweight generalized-FPN)加强特征融合网络,以提高网络特征提取能力,并在此基础上,使用GhostConv(ghost convolution)替换传统卷积,以减少模型的参数量。实验结果表明,改进后算法与原算法相比,检测精度P和召回率R分别提高了5.3个百分点和5个百分点,平均精度均值mAP0.5:0.95和mAP0.5分别提升了8.2个百分点和4.6个百分点,改进的算法在保证模型较小的同时有效提高了检测准确率。 展开更多

关键词 昏暗图像 YOLOv5n 全维动态卷积(odconv) MobileNetV2 RepGFPN GhostConv

在线阅读 下载PDF 职称材料