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4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YOLO11n改进的水产养殖目标检测算法
1
作者 刘冰帅 袁红春 《上海海洋大学学报》 北大核心 2026年第2期495-507,共13页
在水产养殖中,养殖目标检测是实现养殖对象行为监测、生长状态评估的核心基础,但由于水下环境复杂导致图像质量欠佳,加之养殖生物聚集,使得养殖目标检测的精度较低。针对以上问题,提出一种基于YOLO11n算法改进的水产养殖目标检测算法。... 在水产养殖中,养殖目标检测是实现养殖对象行为监测、生长状态评估的核心基础,但由于水下环境复杂导致图像质量欠佳,加之养殖生物聚集,使得养殖目标检测的精度较低。针对以上问题,提出一种基于YOLO11n算法改进的水产养殖目标检测算法。在主干网络中引入轻量级网络StarNet以降低模型参数量和计算量;在颈部网络中采用混合聚合网络(Mixed aggregation network, MANet)对水产养殖目标进行多尺度融合,缓解模糊图像带来的检测偏差;在检测头中引入分离和增强注意力模块(Separated and enhancement attention module, SEAM),提升模型在生物聚集以及复杂背景下的检测精度;以Wise-MPDIoU(Wise modified penalized distance intersection over union)损失函数代替原损失函数,提高水产养殖生物检测的鲁棒性。试验结果表明,在UTDAC2020(Underwater target detection and classification 2020)与Brackish数据集上,改进后的YOLO11n模型的参数量减少了16%,精确率分别提升了1.1%和0.2%,召回率分别提升了2.8%和0.4%,平均精度均值分别提升了2.5%和0.5%。该模型具有较高的检测精度并兼顾了轻量化,成功部署于搭载入门消费级显卡的硬件设备上,为水产养殖目标检测任务提供了可靠的解决方法。 展开更多
关键词 水下目标检测 starnet网络 MANET SEAM Wise-MPDIoU
原文传递
轻量级改进RT-DETR的葡萄叶片病害检测算法
2
作者 刘慧 王防修 +2 位作者 王意 黄淄博 苏晨 《浙江大学学报(工学版)》 北大核心 2026年第3期604-613,共10页
针对葡萄叶片病害检测任务中存在的复杂背景干扰、小目标漏检及模型部署资源受限等问题,提出基于改进RT-DETR的轻量化检测算法SCGI-DETR.引入高效轻量级的StarNet架构作为特征提取网络,减少模型的参数量和计算量,实现模型的轻量化.设计C... 针对葡萄叶片病害检测任务中存在的复杂背景干扰、小目标漏检及模型部署资源受限等问题,提出基于改进RT-DETR的轻量化检测算法SCGI-DETR.引入高效轻量级的StarNet架构作为特征提取网络,减少模型的参数量和计算量,实现模型的轻量化.设计CGSFR-FPN特征金字塔网络,通过空间特征重建和多尺度特征融合策略,增强模型对全局上下文信息的感知能力,提升复杂背景下多尺度病斑的定位精度.构建Inner-PowerIoU v2损失函数,利用全局收敛加速与局部区域对齐机制,加速边界框回归,提高小目标检测性能.实验结果表明,SCGIDETR在葡萄叶片病害数据集上的精确率、召回率和mAP@0.5分别为91.6%、89.8%和93.4%,较原模型分别提升了2.6%、2.4%和2.3%,参数量与计算量分别减少了46.2%和64%.该结果表明,改进算法在实现轻量化的同时,具备更优的检测性能,满足移动端和嵌入式设备的部署需求. 展开更多
关键词 葡萄叶片病害 RT-DETR starnet 特征金字塔 轻量化网络
在线阅读 下载PDF
一种改进YOLOv8的陶瓷环缺陷检测算法
3
作者 管声启 杨振 +1 位作者 党慧 宋翌宸 《西安工程大学学报》 2025年第5期100-108,共9页
为实现对陶瓷环的缺陷高效率、高精度检测,对YOLOv8进行改进,提出一种新的陶瓷环缺陷检测算法,即YOLOv8-SDE算法。首先,为了提高计算效率,增加算法对陶瓷环缺陷特征的关注度,使用轻量级模块StarNet Block和高效多尺度注意力(efficient m... 为实现对陶瓷环的缺陷高效率、高精度检测,对YOLOv8进行改进,提出一种新的陶瓷环缺陷检测算法,即YOLOv8-SDE算法。首先,为了提高计算效率,增加算法对陶瓷环缺陷特征的关注度,使用轻量级模块StarNet Block和高效多尺度注意力(efficient multi-scale attention,EMA)机制,设计了CSTEA模块来代替骨干网络前2层C2f模块;其次,为解决缺陷特征难以提取的问题,在骨干网络后2层C2f的残差结构中使用一个可变形卷积替换传统卷积,形成了CDC3模块;最后,为进一步提高算法的轻量化程度和对缺陷特征的感知力,使用轻量级颈部网络代替原颈部网络,并在自制的数据集上进行实验。结果表明:改进后算法的计算量、参数量、权重文件体积大幅下降,平均精度均值(mean average precision,mAP)提升了2.8百分点,对陶瓷环各类缺陷的mAP值达到了92.3%,同时,在保持更高检测精度的同时所需计算资源更少。 展开更多
关键词 缺陷检测 轻量化网络 starnet 陶瓷零件 高效多尺度注意力(EMA)机制
在线阅读 下载PDF
基于树皮纹理的轻量化YOLOv11树种识别方法
4
作者 张政银 向玮 +4 位作者 刘子锋 王俊文 张咪 杨俊俐 黄泽园 《北京林业大学学报》 北大核心 2025年第8期134-148,共15页
【目的】为解决现有树种识别方法在多变光照条件下,因模型计算复杂度高而难以在硬件条件极端受限的移动端或边缘设备部署的问题,提出一种基于树皮纹理的轻量化树种识别方法。【方法】本研究通过改进YOLOv11构建YOLOv11-SWER模型。首先,... 【目的】为解决现有树种识别方法在多变光照条件下,因模型计算复杂度高而难以在硬件条件极端受限的移动端或边缘设备部署的问题,提出一种基于树皮纹理的轻量化树种识别方法。【方法】本研究通过改进YOLOv11构建YOLOv11-SWER模型。首先,引入轻量化特征提取网络StarNet作为主干网络,结合深度可分离卷积与通道混洗机制,显著降低网络的参数量和特征提取过程中的计算量。其次,采用多分支特征融合模块RepNCSPELAN4,结合分组卷积与参数共享策略,兼顾全局特征与局部特征,提升多尺度特征融合效率。然后,设计小波池化(WaveletPool)层,减少噪声干扰并保留高频纹理细节,增强模型对树皮纹理微小特征的捕捉能力。最后,优化检测头结构Detect_Efficient,使用双分支分组卷积结构提高计算效率。同时,基于自建的70类树种、6 681张树皮图像数据集,通过消融实验和对比实验对改进的模型性能进行充分的评估验证。【结果】该模型的检测精确率、召回率、平均精度(mAP50)、平均精度均值(mAP50-95)以及精确率和召回率的调和平均数F_(1)分数分别达到98.1%、98.4%、0.993、0.750和0.982,同时,相较于YOLOv11模型,其参数量和计算量分别降低46.92%和51.5%,大幅降低了模型的空间复杂度和计算复杂度。在不同光照场景下保持稳定的识别性能,展现出良好的光照鲁棒性。【结论】本研究提出的YOLOv11-SWER模型通过轻量化设计与多尺度特征优化,在参数量减少近半的情况下,仍能保持高检测精度,实现了高检测精度与高效率的良好平衡。此方法有望应用于智能林业检测、城市林业资源管理等场景中。 展开更多
关键词 树皮纹理识别 YOLOv11 starnet主干网络 小目标检测 轻量化
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