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1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：
融合SepViT模型的YOLOv8s刀具缺陷检测实验研究
1
作者 温彬彬 陈旭凤 刘建军 《机电工程》 北大核心 2026年第2期289-298,共10页
为了提升刀具表面缺陷识别的精度,提高机械加工效率,提出了一种融合可分离视觉转换器模型的YOLOv8s改进刀具瑕疵目标检测方法———YOLOv8s-SepViT。首先,在图像特征提取阶段,引入了可分离的视觉转换器(SepViT)模型,该(SepViT)模型通过... 为了提升刀具表面缺陷识别的精度,提高机械加工效率,提出了一种融合可分离视觉转换器模型的YOLOv8s改进刀具瑕疵目标检测方法———YOLOv8s-SepViT。首先,在图像特征提取阶段,引入了可分离的视觉转换器(SepViT)模型,该(SepViT)模型通过融合深度可分离卷积与视觉变换器,协同实现了图像全局信息提取、目标局部信息捕获以及全局-局部信息交互目的;然后,在特征融合阶段,提出了改进的坐标注意力机制(CA),在坐标注意力机制(CA)基础上整合深度可分离卷积,完成了更高效的特征建模;最后,在目标边框损失上,使用联合体上的结构交叉点(SIoU)损失函数替换了YOLOv8s中的联合体上的完全交叉点(CIoU)损失函数,通过引入角度损失和优化形状损失,有效提升了模型的收敛速度与定位精度。研究结果表明:利用该方法在4090显卡上进行了PyTorch模型训练并设置了各项参数,在通用数据集上的精确度、召回率、mAP@0.5和mAP@0.5:0.95指标相较于基准YOLOv8s模型分别提高了2.2%、1.7%、1.9%和0.9%;在自建数据集上的精确度、召回率、mAP@0.5和mAP@0.5:0.95指标上相较于基准YOLOv8s模型分别提高了3.4%、6.0%、4.1%和3.9%。由此可见,改进后的模型实现了对刀具表面瑕疵目标的高效、高精度检测目的,具有显著的工业应用潜力。 展开更多
关键词 刀具检测 sepvit模型 改进YOLOv8s模型 可分离的视觉转换器模型 改进的坐标注意力机制 结构交叉点损失函数 完全交叉点缺失函数
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