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270篇文章
< 1 2 … 14 >
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UMS-YOLO v7的面向样本不均衡的水下生物多尺度目标检测方法 被引量：3
1
作者 张明华 黄基萍 +2 位作者 宋巍 肖启华 赵丹枫 《农业机械学报》 北大核心 2025年第1期388-396,409,共10页
针对水下目标检测面临着生物尺度变化大以及样本不均衡的问题,本文提出一种水下生物多尺度目标检测方法(Underwater multi-scale-YOLO v7,UMS-YOLO v7)。首先,设计一种由可切换空洞卷积组成的特征提取模块,该模块可在不同大小的感受野... 针对水下目标检测面临着生物尺度变化大以及样本不均衡的问题,本文提出一种水下生物多尺度目标检测方法(Underwater multi-scale-YOLO v7,UMS-YOLO v7)。首先,设计一种由可切换空洞卷积组成的特征提取模块,该模块可在不同大小的感受野上捕获多尺度目标特征,使得提取的特征信息更加全面;其次,使用轻量级的上采样算子融合上下文信息,提高模型对目标的特征学习能力;最后,通过结合Wise-IoU和归一化Wasserstein距离两种相似性度量,提高了不同尺度目标的定位精度,同时降低了多尺度样本分布不均衡对模型的影响。实验结果表明,该模型相较于当前其他模型在检测精度方面表现出明显的提升,在RUOD和DUO数据集上平均精度均值分别达到64.5%和68.9%。与YOLO v7模型相比,UMS-YOLO v7提高了多种尺度目标检测精度,在DUO数据集上,针对大、中、小3种尺度目标平均精度均值分别提升8.3、4.8、12.5个百分点,其中小目标提升效果最为显著。与现有的其他模型相比,改进的模型具有更高的检测精度,更适用于水下生物多尺度目标检测任务,并且针对不同数据分布的样本具有泛化性和鲁棒性。 展开更多
关键词 水下生物 多尺度目标检测 YOLO v7 空洞卷积 上采样算子 相似性度量
在线阅读 下载PDF
基于改进YOLO v7的番茄黄化曲叶病毒病分级检测方法
2
作者 杨玮 伏冬朔 +3 位作者 吴龙起 李民赞 张焕春 夏秀波 《农业机械学报》 北大核心 2025年第6期527-534,共8页
为解决自然环境下人肉眼鉴定发病番茄植株效率低、主观性强的问题,提出一种基于改进YOLO v7的番茄黄化曲叶病毒病分级检测模型,分别对轻度、中度、重度发病植株进行检测。模型在主干网络中引入了DCN模块,以加强对复杂病变区域的感知能力... 为解决自然环境下人肉眼鉴定发病番茄植株效率低、主观性强的问题,提出一种基于改进YOLO v7的番茄黄化曲叶病毒病分级检测模型,分别对轻度、中度、重度发病植株进行检测。模型在主干网络中引入了DCN模块,以加强对复杂病变区域的感知能力;同时,Pconv模块替换主干网络中部分普通卷积,以更高效地提取空间特征,降低冗余计算和内存访问;在检测头中引入SimSPPF模块,极大地减少浮点运算量,提高感受野,增强特征提取能力。经测试,改进YOLO v7模型对轻度发病、中度发病、重度发病番茄植株检测的平均精度分别为97.5%、92.1%和93.6%。改进模型平均精度均值为95.0%,较原模型提升0.8个百分点,参数量减少8.2×10~5,浮点运算量减少2.7×1010,模型内存占用量减少15.7 MB,在保证检测精度的同时减小模型体量。与Faster R-CNN、YOLOX、YOLO v5l、YOLO v8m模型相比,平均精度均值分别提高11.2、5.7、1.4、8.7个百分点。试验结果表明,该模型能够实现对番茄黄化曲叶病毒病的分级检测识别,为实现番茄种植智能化提供支持。 展开更多
关键词 深度学习 番茄黄化曲叶病毒病 目标检测 YOLO v7 病害检测
在线阅读 下载PDF
基于YOLO v7和改进U-Net模型的鸡冠肉垂提取与面积计算方法
3
作者 杨断利 沈洪硕 +1 位作者 陈辉 高媛 《农业机械学报》 北大核心 2025年第4期415-426,共12页
传统人工测量方法在蛋鸡鸡冠肉垂面积测算中存在接触性应激风险、人畜共患病隐患及测量误差较大等问题。为此,本研究提出基于YOLO v7与改进U-Net的鸡冠肉垂自动分割与面积计算方法。构建两阶段检测框架:利用YOLO v7完成鸡头姿态筛选与RO... 传统人工测量方法在蛋鸡鸡冠肉垂面积测算中存在接触性应激风险、人畜共患病隐患及测量误差较大等问题。为此,本研究提出基于YOLO v7与改进U-Net的鸡冠肉垂自动分割与面积计算方法。构建两阶段检测框架:利用YOLO v7完成鸡头姿态筛选与ROI提取,有效消除非正视角图像干扰;提出融合Contextual Transformer的CoT-UNet模型:通过将CoT块融入U-Net编码器实现动态和静态上下文特征融合,结合本文构建的DyC-UP上采样模块(采用动态可调卷积核强化不规则边缘特征提取),显著提升不同鸡冠特征分割能力;建立像素-面积转换算法:基于标定系数实现从图像空间到物理空间的精准映射。实验结果表明,改进CoT-UNet相较基线模型,在鸡冠和肉垂分割任务中,IoU提升4.77、8.75个百分点,精确率提升5.31、5.06个百分点,分割质量改善显著。在面积计算精度方面,鸡冠面积绝对误差(0.62~3.50 cm^(2))和肉垂面积绝对误差(0.10~2.93 cm^(2))较传统手工测量(3.58~7.27 cm^(2))具有明显优势。多场景验证显示,在不同姿态(3类)、拍摄角度(2种)和距离(2种)条件下,鸡冠面积相对误差为2.41%~13.62%,肉垂面积相对误差为1.00%~29.21%。本研究实现了非接触式禽类生物特征精准测量,为智慧化种鸡选育提供了可靠的技术支持。 展开更多
关键词 鸡冠肉垂 深度学习 语义分割 育种 YOLO v7 CoT-UNet
在线阅读 下载PDF
基于改进Yolo-v7算法的充填料浆均质化检测方法
4
作者 郭进平 孙源泽 +3 位作者 张超 王小林 李想 孔德浩 《矿冶工程》 北大核心 2025年第5期41-48,共8页
为解决充填料浆搅拌过程中均质化程度无法自动判断的问题,采用CBAM注意力模块和SPD-Conv小目标检测模块对Yolo-v7算法进行改进,并基于改进后的Yolo-v7算法对充填料浆均质化进行自动判断。研究结果表明,改进后的Yolo-v7算法在性能上较原... 为解决充填料浆搅拌过程中均质化程度无法自动判断的问题,采用CBAM注意力模块和SPD-Conv小目标检测模块对Yolo-v7算法进行改进,并基于改进后的Yolo-v7算法对充填料浆均质化进行自动判断。研究结果表明,改进后的Yolo-v7算法在性能上较原始模型有显著提升,其准确率、召回率和平均精度均值分别提高了17.5、28.8和32.4百分点。料浆参数敏感性分析结果表明,料浆浓度是影响料浆非均质化识别的主要因素,其次是灰砂比,而延长搅拌时间在高料浆浓度条件下可显著提升充填料浆的均质化水平。 展开更多
关键词 充填料浆 Yolo-v7算法 非均质特征 均质化 智能检测 机器学习 机器视觉
在线阅读 下载PDF
基于改进YOLO v7模型的冰山检测方法研究
5
作者 章文俊 房振 +4 位作者 周翔宇 孟祥坤 杨雪 胡浩帆 王锐 《舰船科学技术》 北大核心 2025年第12期175-180,共6页
冰山是威胁极地船舶航行安全的重要原因之一,其漂移轨迹难以预测,在能见度不良的条件下极易与船舶碰撞导致船舶破损、沉没等严重事故。现有的冰山检测方法受环境因素影响较大,难以同时满足冰山检测高精度和实时性的需求。为实现极地能... 冰山是威胁极地船舶航行安全的重要原因之一,其漂移轨迹难以预测,在能见度不良的条件下极易与船舶碰撞导致船舶破损、沉没等严重事故。现有的冰山检测方法受环境因素影响较大,难以同时满足冰山检测高精度和实时性的需求。为实现极地能见度不良条件下的冰山检测,首先,对YOLO系列模型进行归纳总结,提出一种融合注意力机制的改进YOLO v7冰山检测算法;其次,改进k-means算法,提高了先验框与冰山的匹配度;最后,引入CA(Coordinate Attention)注意力机制,提升模型对冰山关键特征识别能力。研究结果表明,相比于YOLO v7原始模型,改进后的模型在维持计算性能的同时mAP(mean Average Precision)提升了5.41%。模型对于极地环境下的冰山具有较好的检测能力,可为极地航行中避免船冰碰撞提供参考。 展开更多
关键词 YOLO v7 冰山检测 船冰碰撞 注意力机制
在线阅读 下载PDF
基于结构光反射成像和YOLO v7-CA的柑橘早期腐烂检测方法
6
作者 蔡仲磊 石瑞瑶 +4 位作者 张君仪 蔡乐天 张译之 张亚伟 李江波 《农业机械学报》 北大核心 2025年第8期479-486,495,共9页
由于早腐区域在水果表面难以用肉眼直接观测,检测由真菌感染引起的柑橘早期腐烂成为柑橘产业面临的主要难题。为此开发一种基于可见LED结构光源的结构光反射成像系统,并提出结合螺旋相位变换(SPT)的解调方法。在解调原始图像过程中,使用... 由于早腐区域在水果表面难以用肉眼直接观测,检测由真菌感染引起的柑橘早期腐烂成为柑橘产业面临的主要难题。为此开发一种基于可见LED结构光源的结构光反射成像系统,并提出结合螺旋相位变换(SPT)的解调方法。在解调原始图像过程中,使用3种不同的解调方法(三步相移法、二相SPT和一相SPT)。通过解调相移模式图像,可以得到直流分量(DC)和交流分量(AC)图像。与DC图像相比,AC图像和比值(RT)图像(AC/DC)可以清晰地显示早腐区域。在实际检测中,果梗会被误判为腐烂区域。针对柑橘早腐区域和果梗之间存在易误判的问题,提出一种基于YOLO v7的改进模型(YOLO v7-CA),即在YOLO v7模型骨干网络中引入坐标注意力机制(Coordinate attention,CA),从而提高模型对早腐区域的关注度。YOLO v7-CA模型结合二相螺旋相位变换(SPT)下的RT图像对柑橘早腐区域和果梗取得较好的检测结果。采用不同年份的早腐柑橘进行试验,检测精度达到98.5%。该研究为柑橘早期腐果检测提供了参考。 展开更多
关键词 柑橘 早期腐烂 结构光反射成像 YOLO v7 CA
在线阅读 下载PDF
基于轻量级CDW-YOLO v7的鱼类排便行为自动检测方法
7
作者 徐龙琴 郑钦月 +3 位作者 高学凯 崔猛 刘双印 谢彩健 《农业机械学报》 北大核心 2025年第6期554-564,共11页
粪便是集约化水产养殖系统中有机废物的主要来源,排便数量的增加和时间的延长都会加快养殖水质中氨氮、亚硝酸盐等污染物的积累浓度和速度,因此,排便行为模式对于维持最佳水环境和确保可持续的鱼类生产至关重要。为解决传统排便行为分... 粪便是集约化水产养殖系统中有机废物的主要来源,排便数量的增加和时间的延长都会加快养殖水质中氨氮、亚硝酸盐等污染物的积累浓度和速度,因此,排便行为模式对于维持最佳水环境和确保可持续的鱼类生产至关重要。为解决传统排便行为分析费时费力的问题,本研究提出一种基于改进YOLO v7-tiny的高性能、轻量级的鱼类排便行为识别模型CDW-YOLO v7。该模型采用基于C2f结构的双向特征金字塔网络(C2f-bidirectional feature pyramid network,C2f-BiFPN)优化识别排便行为的多尺度和非线性特征融合能力,同时引入具有注意力机制的动态检测头(Dynamic head,DyHead)以增强模型在复杂环境中对鱼类排便行为关键特征的提取能力,并结合WIoU损失函数,减少因鱼类遮挡、重叠等造成的漏检现象,提高模型的准确性。实验结果表明,与基线模型YOLO v7-tiny相比,CDW-YOLO v7模型具有更好的性能,参数量减少2.56×10^(6),浮点运算量降低5.90×10^(9),同时平均精度均值(mean Average Precision,mAP)提高2.04个百分点。此外,该模型在模型大小、精度和检测速度等方面,均优于3种经典目标检测算法(YOLO v3-tiny、YOLO v4-tiny和YOLO v5s)。本研究为鱼类排便行为的精准检测和智能化水产养殖系统的发展提供了理论基础。 展开更多
关键词 鱼类排便行为 水产养殖 YOLO v7-tiny 目标检测
在线阅读 下载PDF
基于EBS-YOLO v7的轻量化葡萄病害识别方法
8
作者 杨宏宇 谢小龙 +1 位作者 郭容 张佳进 《江苏农业科学》 北大核心 2025年第5期165-174,共10页
为了解决葡萄病害检测过程中存在的识别精度低、模型计算复杂度高及参数量大等问题,提出一种基于EBS-YOLO v7的轻量化葡萄病害识别方法。该方法使用EfficientNet轻量化网络结构替换YOLO v7主干网络,使模型在降低计算量及参数量的同时保... 为了解决葡萄病害检测过程中存在的识别精度低、模型计算复杂度高及参数量大等问题,提出一种基于EBS-YOLO v7的轻量化葡萄病害识别方法。该方法使用EfficientNet轻量化网络结构替换YOLO v7主干网络,使模型在降低计算量及参数量的同时保持检测精度;在主干网络不同尺度特征输出层嵌入BiFormer注意力机制,强化模型对病害区域特征的提取能力,提高对细节、全局信息的理解能力;采用SIoU(SCYLLA交并比)损失函数作为边界框损失函数,加快模型收敛速度并提高边界框预测精度。结果表明,EBS-YOLO v7模型的准确率、召回率、平均精度均值分别达到97.4%、96.2%、98.3%,相较于YOLO v7模型分别提高了2.4、2.3、2.8百分点,参数量、计算量分别减少至原模型的32.5%、20.0%。与SSD、Faster-RCNN、YOLO v5模型相比,改进模型的平均精度均值分别提高6.0、11.9、7.2百分点,且参数量、计算量也均低于其他模型。研究结果显示,EBS-YOLO v7模型在保持高检测精度的同时,大幅降低了计算资源的消耗,可为葡萄病害的精准快速识别提供技术支持。 展开更多
关键词 目标检测 病害识别 轻量化 YOLO v7 注意力机制 SIoU
在线阅读 下载PDF
往日重现:2025 Moto Guzzi V7 Sport
9
作者 方云飞 《摩托车》 2025年第10期44-49,共6页
2025 Moto Guzzi V7 Sport规格参数发动机型式:风冷,90°夹角,横置V型双缸排量:853.4m L缸径×冲程:84mm×77mm最大功率:49.5k W(6900r/min)最大扭矩:79N·m(4400r/min)燃油供应:电子燃油喷射系统启动方式:电启动.
关键词 2025 Moto Guzzi v7 Sport
在线阅读 下载PDF
基于改进YOLOv7的电力调度控制系统图元识别方法研究
10
作者 张文广 曾祥玖 刘重阳 《电气技术》 2025年第5期1-9,共9页
针对电力调度控制系统图中图元分布密集、图元相似和小尺寸图元较多导致识别效果差的问题,本文提出一种基于改进YOLOv7的电力调度控制系统图元识别方法。首先,使用轻量化的DRBNCSPELAN模块替换主干网络中的ELAN模块,以同时捕获不同尺度... 针对电力调度控制系统图中图元分布密集、图元相似和小尺寸图元较多导致识别效果差的问题,本文提出一种基于改进YOLOv7的电力调度控制系统图元识别方法。首先,使用轻量化的DRBNCSPELAN模块替换主干网络中的ELAN模块,以同时捕获不同尺度的空间模式;其次,提出一种信息引导融合模块,替代颈部网络中的Concat,并融合SE注意力机制,以增强信息全局交互能力;接着,引入MPDIoU损失函数,以改善图元边界框的识别效果;最后,利用电力调度控制系统图数据集进行验证。结果表明,与基准模型相比,所提方法的精确率、召回率和平均精确率均值分别提高了5.1个百分点、3.1个百分点和3.5个百分点,有助于实现对电力调度控制系统图元的精准识别。 展开更多
关键词 深度学习 电力调度控制系统图 图元识别 YOLOv7 SE注意力机制
在线阅读 下载PDF
基于改进YOLO v7-tiny的玉米种质资源雄穗检测方法 被引量：6
11
作者 马中杰 罗晨 +3 位作者 骆巍 王利锋 冯晓 李会勇 《农业机械学报》 EI CAS CSCD 北大核心 2024年第7期290-297,共8页
针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异,无人机搭载可见光传感器相比地面采集图像分辨率低,以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题,提出了一... 针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异,无人机搭载可见光传感器相比地面采集图像分辨率低,以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题,提出了一种改进YOLO v7-tiny模型的玉米种质资源雄穗检测方法。该方法通过在YOLO v7-tiny中引入SPD-Conv模块和VanillaBlock模块,以及添加ECA-Net模块的方式,增强模型对雄穗特征的提取能力。利用自建的玉米种质资源雄穗数据集,训练并测试改进模型。结果表明,改进YOLO v7-tiny的平均精度均值为94.6%,相比YOLO v7-tiny提升1.5个百分点,相比同等规模的轻量级模型YOLO v5s、YOLO v8s分别提升1.0、3.1个百分点,显著降低了图像中雄穗漏检及背景误检为雄穗的发生,有效减少了单穗误检为多穗和交错状态下雄穗个数误判的情况。改进YOLO v7-tiny模型内存占用量为17.8 MB,推理速度为231 f/s。本文方法在保证模型轻量化的前提下提升了雄穗检测精度,为玉米种质资源雄穗实时、精准检测提供了技术支撑。 展开更多
关键词 种质资源 玉米雄穗 目标检测 无人机 可见光影像 YOLO v7-tiny
在线阅读 下载PDF
基于改进YOLO v7轻量化模型的自然果园环境下苹果识别方法 被引量：24
12
作者 张震 周俊 +1 位作者 江自真 韩宏琪 《农业机械学报》 EI CAS CSCD 北大核心 2024年第3期231-242,262,共13页
针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先,引入部分卷积(Partial convolution, PConv)替换多分支堆叠模块... 针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先,引入部分卷积(Partial convolution, PConv)替换多分支堆叠模块中的部分常规卷积进行轻量化改进,以降低模型的参数量和计算量;其次,添加轻量化的高效通道注意力(Efficient channel attention, ECA)模块以提高网络的特征提取能力,改善复杂环境下遮挡目标的错检漏检问题;在模型训练过程中采用基于麻雀搜索算法(Sparrow search algorithm, SSA)的学习率优化策略来进一步提高模型的检测精度。试验结果显示:相比于YOLO v7原始模型,改进后模型的精确率、召回率和平均精度分别提高4.15、0.38、1.39个百分点,其参数量和计算量分别降低22.93%和27.41%,在GPU和CPU上检测单幅图像的平均用时分别减少0.003 s和0.014 s。结果表明,改进后的模型可以实时准确地识别复杂果园环境中的苹果,模型参数量和计算量较小,适合部署于苹果采摘机器人的嵌入式设备上,为实现苹果的无人化智能采摘奠定了基础。 展开更多
关键词 苹果识别 自然果园环境 YOLO v7 PConv 高效通道注意力机制 麻雀搜索算法
在线阅读 下载PDF
基于改进YOLO v7的苹果叶片病害检测方法 被引量：10
13
作者 袁杰 谢霖伟 +3 位作者 郭旭 梁荣光 张迎港 马浩田 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期68-74,共7页
针对苹果叶片疾病形态多样、分布密集,导致检测精度不高的问题,提出了一种改进的YOLO v7模型。首先,用双向特征金字塔网络(BiFPN)替代YOLO v7中原有的特征融合方法,以提高模型对苹果叶片上不同尺度病害的检测能力。其次,在YOLO v7的ELAN... 针对苹果叶片疾病形态多样、分布密集,导致检测精度不高的问题,提出了一种改进的YOLO v7模型。首先,用双向特征金字塔网络(BiFPN)替代YOLO v7中原有的特征融合方法,以提高模型对苹果叶片上不同尺度病害的检测能力。其次,在YOLO v7的ELAN和E-ELAN模块之后,增加高效通道注意力机制(ECA),以增强模型对苹果叶片病害特征的提取能力,并提高检测精度。最后,将YOLO v7的损失函数改为SIOU损失函数,以加快模型的收敛速度。实验结果表明:改进YOLO v7模型精确率为89.4%,召回率为81.5%,mAP@0.5为90.5%,mAP@0.95为62.1%,与原始YOLO v7模型相比,分别提高4.9、5.2、3.5、4.6个百分点。改进YOLO v7模型与Faster R-CNN、SSD、YOLO v3、YOLO v5s、YOLO v7模型相比,mAP@0.5分别提升40.9、20.3、4.0、2.3、3.5个百分点,单幅图像检测时间为12 ms。 展开更多
关键词 苹果叶片 病害检测 YOLO v7 多尺度融合 注意力机制
在线阅读 下载PDF
基于改进YOLO v7和DeepSORT的罐笼人员跟踪计数方法 被引量：2
14
作者 李敬兆 刘敏 +3 位作者 郑鑫 周小锋 郎贵彬 许志 《兰州工业学院学报》 2024年第2期13-18,共6页
煤矿副井罐笼载人时,超载现象时有发生,给副井运输安全带来了隐患。针对该问题,提出了基于改进YOLO v7和DeepSORT的罐笼人员跟踪计数方法。首先利用煤矿副井罐笼区域的监控摄像头采集的视频制作罐笼行人数据集,再利用改进的YOLO v7对罐... 煤矿副井罐笼载人时,超载现象时有发生,给副井运输安全带来了隐患。针对该问题,提出了基于改进YOLO v7和DeepSORT的罐笼人员跟踪计数方法。首先利用煤矿副井罐笼区域的监控摄像头采集的视频制作罐笼行人数据集,再利用改进的YOLO v7对罐笼人员进行识别:基于GhostNet网络改进YOLO v7以提升模型的实时性;通过引入ACmix注意力机制提升模型对副井复杂背景人员的感知能力,并基于SIoU损失函数进一步增强模型的鲁棒性;最后利用优化后的DeepSORT算法对罐笼人员进行跟踪计数:基于CIOU优化DeepSORT算法的匹配准确度,使目标追踪更加稳定。试验结果表明:在构建的CP dataset数据集上,改进后的YOLO v7网络的均值平均精度mAP达到了97.4%,算法的跟踪准确性MOTA和跟踪精度MOTP分别达到了95.74%和94.26%。 展开更多
关键词 煤矿罐笼安全 YOLO v7 DeepSORT GhostNet 目标检测与跟踪
在线阅读 下载PDF
基于StyleGAN2-ADA和改进YOLO v7的葡萄叶片早期病害检测方法 被引量：30
15
作者 张林鍹 巴音塔娜 曾庆松 《农业机械学报》 EI CAS CSCD 北大核心 2024年第1期241-252,共12页
为实现葡萄早期病害的快速准确识别,针对葡萄病害的相似表型症状识别率低及小病斑检测困难的问题,以葡萄黑腐病和黑麻疹病为研究对象,提出了一种基于自适应鉴别器增强的样式生成对抗网络与改进的YOLO v7相结合的葡萄黑腐病和黑麻疹病的... 为实现葡萄早期病害的快速准确识别,针对葡萄病害的相似表型症状识别率低及小病斑检测困难的问题,以葡萄黑腐病和黑麻疹病为研究对象,提出了一种基于自适应鉴别器增强的样式生成对抗网络与改进的YOLO v7相结合的葡萄黑腐病和黑麻疹病的病斑检测方法。通过自适应鉴别器增强的样式生成对抗网络和拉普拉斯滤波器的方差扩充葡萄病害数据。采用MSRCP算法进行图像增强,改善光照环境凸显病斑特征。以YOLO v7网络框架为基础,将BiFormer注意力机制嵌入特征提取网络,强化目标区域的关键特征;采用BiFPN代替PA-FPN,更好地实现低层细节特征与高层语义信息融合,以同时降低计算复杂度;在YOLO v7的检测头部分嵌入SPD模块,以提高模型对低分辨率图像的检测性能;并采用CIoU与NWD损失函数组合对损失函数重新定义,实现对小目标快速、准确识别。实验结果表明,该方法病斑检测精确率达到94.1%,相比原始算法提升5.7个百分点,与Faster R-CNN、YOLO v3-SPP和YOLO v5x等模型相比分别提高3.3、3.8、4.4个百分点,能够实现葡萄早期病害快速准确识别,对于保障葡萄产业发展具有重要意义。 展开更多
关键词 葡萄 病害识别 StyleGAN2-ADA 目标检测 自注意力机制 YOLO v7
在线阅读 下载PDF
基于YOLO v7-ST-ASFF的复杂果园环境下苹果成熟度检测方法 被引量：5
16
作者 苗荣慧 李港澳 +2 位作者 黄宗宝 李志伟 杜慧玲 《农业机械学报》 EI CAS CSCD 北大核心 2024年第6期219-228,共10页
针对复杂果园环境下目标检测算法参数量大、鲁棒性差等问题,本文提出一种改进的YOLO v7网络模型用于苹果成熟度(未成熟、半成熟、成熟)检测。以YOLO v7为基线网络,在特征提取结构中引入窗口多头自注意力机制(Swin transformer,ST),极大... 针对复杂果园环境下目标检测算法参数量大、鲁棒性差等问题,本文提出一种改进的YOLO v7网络模型用于苹果成熟度(未成熟、半成熟、成熟)检测。以YOLO v7为基线网络,在特征提取结构中引入窗口多头自注意力机制(Swin transformer,ST),极大地降低网络参数量与计算量;为提高模型对远景图像中小目标的检测能力,在特征融合结构中引入自适应空间特征融合(Adaptively spatial feature fusion,ASFF)模块优化Head部分,有效利用图像的浅层特征和深层特征,加强特征尺度不变性;采用WIoU(Wise intersection over union)代替原始CIoU(Complete intersection over union)损失函数,在提高检测准确率的同时加快模型收敛速度。试验结果表明,本文改进的YOLO v7-ST-ASFF模型在苹果图像测试集上的检测速度和准确率均有显著提高,不同成熟度检测精确率、召回率和平均精度均值可达92.5%、84.2%和93.6%,均优于Faster R-CNN、SSD、YOLO v3、YOLO v5、YOLO v7以及YOLO v8目标检测模型;针对多目标、单目标、顺光、逆光、远景、近景以及套袋、未套袋苹果目标的检测效果都较好;本文网络模型内存占用量为53.4MB,模型平均检测时间(Average detection time,ADT)为45.ms,均优于其他目标检测模型。改进的YOLO v7-ST-ASFF模型能够满足复杂果园环境下苹果目标的检测,可为果蔬机器人自动化采摘提供技术支撑。 展开更多
关键词 苹果 成熟度检测 复杂果园环境 YOLO v7 窗口多头自注意力机制 ASFF
在线阅读 下载PDF
基于YC-YOLO v7模型的油菜幼苗株数识别方法 被引量：4
17
作者 李兆东 章艳芳 +4 位作者 汪蕴红 赵前华 刘立超 张甜 陈永新 《农业机械学报》 CSCD 北大核心 2024年第12期322-332,共11页
针对大田环境下油菜幼苗尺度不一、分布密集、识别难度大等问题,开展了基于YC-YOLO v7模型的油菜幼苗株数识别研究。在原模型YOLO v7的高效聚合网络ELAN中引入深度可分离卷积模块,提高模型对细小特征的提取能力;通过在主干网络输出的特... 针对大田环境下油菜幼苗尺度不一、分布密集、识别难度大等问题,开展了基于YC-YOLO v7模型的油菜幼苗株数识别研究。在原模型YOLO v7的高效聚合网络ELAN中引入深度可分离卷积模块,提高模型对细小特征的提取能力;通过在主干网络输出的特征层中添加CBAM注意力机制模块,加强模型对小目标的识别精度;将损失函数CIOU替换为WIOU,提高了锚框质量;为扩大模型对目标的感受野,构建了SPPF空间金字塔结构。试验结果表明,改进后YC-YOLO v7模型平均精度均值为94.0%,精确率为89.8%,召回率为91.2%,推理速度提高16.1 f/s,浮点运算量降低2.56×10^(10);与其他一阶段模型YOLO v5s、SSD和二阶段模型Faster R-CNN进行对比,平均精度均值分别提高12.8、17.8、20.3个百分点。基于YC-YOLO v7模型搭建的油菜幼苗检测识别系统准确率大于90%,可为大田环境下油菜幼苗精准计数提供技术支撑。 展开更多
关键词 油菜幼苗 株数识别 目标检测 YOLO v7
在线阅读 下载PDF
基于YOLO v7-RA的火龙果品质与成熟度双指标检测方法 被引量：8
18
作者 徐婷婷 宋亮 +1 位作者 卢学鹤 张海东 《农业机械学报》 EI CAS CSCD 北大核心 2024年第7期405-414,共10页
已有火龙果检测方法仅针对单一性能指标,难以满足农业真实场景的需要,为此提出了一种精准高效的火龙果品质与成熟度双指标检测方法。首先,利用自适应鉴别器增强的样式生成对抗网络扩充火龙果图像,建立复杂环境火龙果数据集。采用伽马变... 已有火龙果检测方法仅针对单一性能指标,难以满足农业真实场景的需要,为此提出了一种精准高效的火龙果品质与成熟度双指标检测方法。首先,利用自适应鉴别器增强的样式生成对抗网络扩充火龙果图像,建立复杂环境火龙果数据集。采用伽马变换进行图像增强,凸显火龙果特征,降低光照环境的影响。其次,提出了YOLO v7-RA模型。通过设计ELAN_R3替代ELAN(Efficient layer aggregation network)模块,减少主干网络对重复特征的提取,增强模型对细粒度特征关注度,提高双指标检测准确率。融入混合注意力机制(Mixture of self-attention and convolution,ACmix),增强模型对特征的提取和整合能力,降低杂乱背景信息干扰。最后,通过实验验证了YOLO v7-RA模型的检测性能。实验结果表明,该方法精准率为97.4%,召回率为97.7%,mAP_(0.5)为96.2%,FSP为74 f/s,实现了检测精度与检测速度的均衡。即使在遮挡情况下,YOLO v7-RA模型检测精准率仍达到91.4%,具有较好泛化能力,能够为火龙果智能化采摘的发展提供技术支持。 展开更多
关键词 火龙果 深度学习 品质 成熟度 StyleGAN2-ADA YOLO v7
在线阅读 下载PDF
轻量化YOLO-v7的数显仪表检测及读数 被引量：6
19
作者 章芮宁 闫坤 叶进 《计算机工程与应用》 CSCD 北大核心 2024年第8期192-201,共10页
由于较大的参数体量和较高的计算复杂度,通用检测及识别模型直接在移动端部署的难度较高。为解决这个困难,研究了移动设备上使用计算机视觉的仪表检测及读数方法。针对实际工业生产环境下检测及识别的需求,基于YOLO-v7重新设计了轻量化... 由于较大的参数体量和较高的计算复杂度,通用检测及识别模型直接在移动端部署的难度较高。为解决这个困难,研究了移动设备上使用计算机视觉的仪表检测及读数方法。针对实际工业生产环境下检测及识别的需求,基于YOLO-v7重新设计了轻量化的仪表检测网络以及字符检测及识别网络。利用深度可分离卷积进一步降低计算复杂度,压缩模型大小。采用K-means++聚类算法加遗传算法自动产生初始锚框。使用通道剪枝,再一次压缩模型。实验结果证明,专用网络模型设计、深度可分离卷积以及通道剪枝对减少模型参数体量和降低算力需求具有显著效果。参数数量相较于原始YOLO-v7模型均下降了99.67%,模型算力需求均降至0.3 GFLOPs,下降了99.71%。实验中平均图片检测时间为10.7 ms。各网络的平均精准度(mAP0.5)达到了99.63%和99.53%。系统整体读数精确度达98.44%。 展开更多
关键词 数显仪表 YOLO-v7 深度可分离卷积 模型压缩 通道剪枝
在线阅读 下载PDF
基于轻量化YOLOv7-tiny的铝材表面缺陷检测方法 被引量：3
20
作者 席凌飞 伊力哈木·亚尔买买提 《科学技术与工程》 北大核心 2024年第27期11786-11794,共9页
为了提高铝材表面缺陷小目标检测效率,轻量化检测网络,提出一种基于改进YOLOv7-tiny的铝材表面缺陷检测算法。首先,在网络中加入SimAM(similarity-based attention module)注意力机制,使网络更多的注意到有用的信息,抑制图像中无效样本... 为了提高铝材表面缺陷小目标检测效率,轻量化检测网络,提出一种基于改进YOLOv7-tiny的铝材表面缺陷检测算法。首先,在网络中加入SimAM(similarity-based attention module)注意力机制,使网络更多的注意到有用的信息,抑制图像中无效样本的干扰。其次,将主干网络中的sppcspc结构改进为Ghostsppcspc,减少的模型训练时的参数冗余,同时在检测层用GSconv代替普通卷积,轻量化网络的同时加强特征融合,提升网络检测精度,最后引入NWD(normalized wasserstein distance)结合原有的CIOU(complete intersection over union)损失函数,提升网络对小目标检测精度。将改进算法应用到天池铝材数据集中进行验证,实验结果表明,该模型能够有效识别铝型材表面不同种类的缺陷,较原YOLOv7-tiny算法mAP提高10.1%,参数量较原模型下降6.4%,计算量较原模型下降12.2%。所提方法实现了轻量化网络模型的同时,能够满足目前铝型材工厂生产现场缺陷检测要求。 展开更多
关键词 缺陷检测 YOLO v7-tiny 注意力机制 NWD GSconv Ghostsppcspc
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 2 … 14 下一页 到第 页
使用帮助 返回顶部