-
题名矿用电铲铲齿的健康检测算法研究
- 1
-
-
作者
滕文想
马加君
-
机构
安徽理工大学机电工程学院
安徽理工大学矿山智能技术与装备省部共建协同创新中心
安徽中科光电色选机械有限公司博士后科研工作站
-
出处
《黑龙江工业学院学报(综合版)》
2025年第4期95-102,共8页
-
基金
国家自然科学基金项目“适应复杂环境的大型矿用电铲协同设计与智能作业”(项目编号:U21A200456)。
-
文摘
矿用电铲铲齿是露天煤矿开采中的关键部件,受雨雪、沙尘等极端环境影响,传统人工检测存在误判风险。针对这一问题,提出了一种基于改进YOLOv9的铲齿健康检测方法。具体改进包括:将主干网络的Conv模块替换为Adown模块以增强特征提取能力;在头部网络中引入GAM全局注意力机制,置于RepNCSPELAN4模块后,提升复杂场景下的目标特征提取效果;在detect输出模块中加入Slideloss损失函数,实现更平滑的梯度处理与多尺度特征权重分配,从而加快模型收敛速度并提升检测精度。通过横向对比与纵向对比实验验证了各模块的有效性。结果表明,YOLOv9-GAM模型在复杂工况下具备优异的检测性能,平均检测精度(mAP)达96.58%,参数量31,787,103,浮点运算量107.1×109,具有较高的应用价值。
-
关键词
矿用电铲铲齿
极端环境
YOLOv9
GAM全局注意力机制
模块替换
slideloss损失函数
-
Keywords
mining electric shovel bucket teeth
extreme-environment
YOLOv9
Global Attention Mechanism
module replacement
slideloss function
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TD422
[矿业工程—矿山机电]
-
-
题名基于注意力机制改进YOLOv8的脑肿瘤检测算法
- 2
-
-
作者
张娜
朱航彬
艾佳林
张艳
-
机构
汕尾职业技术学院工程学院
华南师范大学
湖北省中医院
-
出处
《电脑与电信》
2025年第3期14-17,35,共5页
-
基金
汕尾职业技术学院智能计算及安全技术研究中心“基于YOLOv8n的学生课堂行为实时检测算法研究”,项目编号:2024XJXM026。
-
文摘
凭借速度和精度之间的良好平衡,YOLO(You Only Look Once)框架已成为目标检测最有效的算法之一。在医学脑肿瘤检测领域,基于YOLOv8算法提出了一种改进后的创新算法YOLOv8-BBS。它将双层路由注意力机制(BRA,Bi-Level Routing Attention)与双模态注意力机制(BiFormer)两种注意力机制,构建成双层特征融合框架,巧妙融合在YOLOv8的骨干网络中,实现全面捕捉图像细节与全局特征;为了解决数据集类别不平衡及样本识别难的问题,本算法引入了滑动损失函数SlideLoss,实现类别权重的动态调整,增强数据分类的准确性与鲁棒性。在脑肿瘤MRI数据集上的实验结果表明,本文提出的模型在速度和准确性方面优于YOLOv5、YOLOv8、YOLOv9和YOLOv10,YOLOv8-BBS的F1分数相较于YOLOv8提高了1%,准确率达到了81.8%,召回率为72.7%,证实了该模型在脑肿瘤检测中的有效性,为后续的医学成像和临床疾病诊断中的物体检测应用提供了新的思路。
-
关键词
YOLOv8
脑肿瘤检测
BRA
BiFormer
slideloss损失函数
-
Keywords
YOLOv8
brain tumor detection
BRA
BiFormer
slideloss loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
