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2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：
基于YOLOv8的中草药目标检测模型改进:融合多注意力机制与大核卷积
1
作者 沈珈毅 韩刘婧 +1 位作者 王杰文 何淳榆 《计算机科学与应用》 2025年第9期161-173,共13页
中草药作为中华文明的重要组成部分,拥有数千年的悠久历史,在传统医学体系上有着举足轻重的地位。随着现代科技的发展,中草药的质量检测与类型识别已成为推动产业升级的关键环节。针对传统中草药人工采集、挑拣和分类的过程中效率低下... 中草药作为中华文明的重要组成部分,拥有数千年的悠久历史,在传统医学体系上有着举足轻重的地位。随着现代科技的发展,中草药的质量检测与类型识别已成为推动产业升级的关键环节。针对传统中草药人工采集、挑拣和分类的过程中效率低下、准确率不高等问题,本文提出了一种基于YOLOv8s的改进目标检测模型YOLOv8s-LCD。该模型在YOLOv8s的主干网络基础上,融合了多种注意力机制和大核卷积结构,采用了大核注意力模块(LKA)、动态注意力模块(DyHead)、坐标注意力机制(CoordAttention)、CBAM模块与RepLK大核卷积。本文选取了白茯苓、白芍、人参等45类常见的中草药作为检测目标,构建了包含一万张图像的中草药数据集,并与原始YOLOv8s、YOLOv8s-ECA、YOLOv8s-GCNet和YOLOv8s-CondConv四个模型进行了对比。结果表明,YOLOv8s-LCD在mAP@0.5和mAP@0.5:0.95指标上均显著优于其他模型。相较于原始的YOLOv8s模型,YOLOv8s-LCD在mAP@0.5、mAP@0.5:0.95上分别提升3.7%和4.2%。上述结果验证了多重注意力机制与大核卷积融合的有效性。该研究为中草药的智能识别提供了一种高效、精准的技术方案,具有良好的实际应用价值与推广前景。 展开更多
关键词 YOLOv8 LKA DyHead replk CoordAttention 目标检测 中草药
在线阅读 下载PDF
基于YOLO-GR算法的轻量化钢材表面缺陷检测 被引量：12
2
作者 吴亚尉 明帮铭 +1 位作者 何剑锋 钟国韵 《组合机床与自动化加工技术》 北大核心 2023年第11期107-111,115,共6页
针对工业带钢缺陷检测效率低、精度差、模型部署困难等技术不足,提出了一种改进YOLOv5s算法的轻量化钢材表面缺陷检测模型:YOLO-GR模型。首先,通过引入GhostV2 Bottleneck轻量化模块作为主干特征提取网络,以减少网络的参数量,同时将特... 针对工业带钢缺陷检测效率低、精度差、模型部署困难等技术不足,提出了一种改进YOLOv5s算法的轻量化钢材表面缺陷检测模型:YOLO-GR模型。首先,通过引入GhostV2 Bottleneck轻量化模块作为主干特征提取网络,以减少网络的参数量,同时将特征融合网络中的普通卷积块替换为深度可分离卷积块,进一步降低模型的计算复杂度以优化特征提取网络;然后,在检测头部分加入RepLK大卷积核提升网络感受野,以优化大尺度方差的检测效果;最后,引入W-IoU(Wise-IoU Loss)解决了带钢缺陷数据集难易样本不平衡问题,提高模型的泛化性能。实验结果表明,改进后的模型在平均检测精度上比原YOLOv5s模型提升了3.8%,在参数量和计算量比原模型下降了16.6%,模型大小仅仅12 M,为检测模型在移动端上的部署提供了可能。 展开更多
关键词 钢材缺陷检测 轻量化 YOLO replk卷积 W-IoU
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