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：
FEV-YOLOv8n:轻量化安全帽佩戴检测方法 被引量：3
1
作者 韩博 张婧婧 鲁子翱 《计算机测量与控制》 2025年第1期69-77,84,共10页
针对基线YOLOv8n检测算法结构较复杂以及现有的安全帽佩戴检测算法参数量和计算量较大,难以在终端部署等问题,提出一种基于FEV-YOLOv8n的轻量化检测模型;设计一种轻量级的FasterC2f模块改进YOLOv8n的骨干网络,实现网络的参数量和计算量... 针对基线YOLOv8n检测算法结构较复杂以及现有的安全帽佩戴检测算法参数量和计算量较大,难以在终端部署等问题,提出一种基于FEV-YOLOv8n的轻量化检测模型;设计一种轻量级的FasterC2f模块改进YOLOv8n的骨干网络,实现网络的参数量和计算量的降低;在FasterC2f模块中引入EMA注意力机制,融合空间依赖和位置信息,建立长短期的依赖关系,增强对目标表征的关注,以提高模型检测的精度;使用VoVGSCSP模块改进颈部网络,提高遮挡目标以及小目标的辨识度;实验结果表明,改进YOLOv8n模型map值为92.5%,相较于YOLOv8n算法,模型大小减少20%,计算量降低18.5%,参数量降低15.7%,为安全帽佩戴检测的轻量化研究提供理论参考。 展开更多
关键词 目标检测 安全帽 FasterC2f 轻量化 Efficient Multi-Scale Attention vovgscsp
在线阅读 下载PDF
基于YOLOv8s的特征融合织物疵点检测方法
2
作者 蒋明宇 吴斌 张红英 《毛纺科技》 北大核心 2025年第3期137-144,共8页
针对织物缺陷种类繁多、尺度变化大以及小目标漏检等问题,提出了一种基于YOLOv8s的特征融合改进算法。首先在Neck层引入加权特征融合策略,并设计了多分辨率特征层聚合模块CWcat,通过加权融合不同尺度的特征信息,显著提升了检测精度,同... 针对织物缺陷种类繁多、尺度变化大以及小目标漏检等问题,提出了一种基于YOLOv8s的特征融合改进算法。首先在Neck层引入加权特征融合策略,并设计了多分辨率特征层聚合模块CWcat,通过加权融合不同尺度的特征信息,显著提升了检测精度,同时仅增加少量计算成本;其次,采用VOVDGSCSP特征融合模块优化了Neck层的多层特征信息融合,提高了小目标检测的精度,并有效降低了计算复杂度;最后,采用SIoU损失函数替代原有的边框损失函数,增强了类别分类能力和训练收敛性,提高了模型的稳定性。实验结果表明:改进后的算法在天池织物数据集上取得了86.0%的mAP@0.5、88.5%的精确率和78.5%的召回率,分别较原YOLOv8s提升3.3%、2.1%和3.0%;参数量和计算量分别降低了5.5%和3.4%。该改进算法在织物缺陷检测中表现出显著精度和效率提升,能更好地应对实际生产中的检测挑战。 展开更多
关键词 织物疵点 YOLOv8s 加权特征融合 GSConv vovgscsp SIoU
在线阅读 下载PDF
复杂场景下害虫目标检测算法:YOLOv8-Extend 被引量：11
3
作者 张荣华 白雪 樊江川 《智慧农业（中英文）》 CSCD 2024年第2期49-61,共13页
[目的/意义]实现复杂的自然环境下农作物害虫的识别检测,改变当前农业生产过程中依赖于专家人工感官识别判定的现状,提升害虫检测效率和准确率具有重要意义。针对农作物害虫目标检测具有目标小、与农作物拟态、检测准确率低、算法推理... [目的/意义]实现复杂的自然环境下农作物害虫的识别检测,改变当前农业生产过程中依赖于专家人工感官识别判定的现状,提升害虫检测效率和准确率具有重要意义。针对农作物害虫目标检测具有目标小、与农作物拟态、检测准确率低、算法推理速度慢等问题,本研究提出一种基于改进YOLOv8的复杂场景下农作物害虫目标检测算法。[方法]首先通过引入GSConv提高模型的感受野,部分Conv更换为轻量化的幻影卷积(Ghost Convo⁃lution),采用HorBlock捕捉更长期的特征依赖关系,Concat更换为BiFPN(Bi-directional Feature Pyramid Network)更加丰富的特征融合,使用VoVGSCSP模块提升微小目标检测,同时引入CBAM(Convolutional Block Attention Module)注意力机制来强化田间虫害目标特征。然后使用Wise-IoU损失函数更多地关注普通质量样本,提高网络模型的泛化能力和整体性能。之后,对改进后的YOLOv8-Extend模型与YOLOv8原模型、YOLOv5、YOLOv8-GSCONV、YOLOv8-BiFPN、YOLOv8-CBAM进行对比,验证模型检测准确度和精度。最后将模型移植到边缘设备进行推理验证,在实际应用场景中验证模型的有效性。[结果和讨论]YOLOv8-Extend在对比实验中均取得良好的表现,其中与原模型对比实验中,精确率、召回率、mAP@0.5和mAP@0.5∶0.95评价指标分别提升2.6%、3.6%、2.4%和7.2%,表现突出,具有更好的检测效果。改进前后的模型分别运行在边缘计算设备JETSON ORIN NX 16 GB上并通过TensorRT加速相比,mAP@0.5提升4.6%,达到57.6 FPS,满足实时性检测要求。在复杂农业场景中YOLOv8-Extend模型具有更好的适应性,在实际采集数据中微小害虫与生长环境相似的害虫检测方面有明显优势,在困难数据检测方面准确率提高了11.9%。[结论]本研究提出的YOLOv8改进模型有效提高了检测精度和识别率同时保持了较高的运行效率,能够部署在边缘终端计算设备上实现农作物害虫的实时检测,也为其他小目标智能检测和模型结构优化提供参考和帮助。 展开更多
关键词 YOLOv8 害虫检测 注意力机制 边缘计算 CBAM BiFPN vovgscsp GSConv
在线阅读 下载PDF
基于改进RT-DETR的草莓成熟度检测
4
作者 杨国亮 吴永淦 +1 位作者 丁睿 盛杨杨 《江苏农业科学》 北大核心 2024年第20期129-137,共9页
在自然果园环境下,草莓果实生长分布密集易受枝叶遮挡,不同生长周期的草莓形态大小不一,面对遮挡、小尺寸草莓现有的检测模型容易出现误检、漏检问题。针对上述问题,提出了一种基于改进RT-DETR的实时草莓成熟度检测算法Strawberry Ripen... 在自然果园环境下,草莓果实生长分布密集易受枝叶遮挡,不同生长周期的草莓形态大小不一,面对遮挡、小尺寸草莓现有的检测模型容易出现误检、漏检问题。针对上述问题,提出了一种基于改进RT-DETR的实时草莓成熟度检测算法Strawberry Ripeness-DERT(SR-DETR)。首先,根据PConv卷积设计FasterBlock模块替换原模型主干网络中的BasicBlock模块,提高模型特征提取能力的同时还有效降低模型参数量;然后,基于GSConv卷积和VOVGSCSP模块设计了颈部特征融合模块(Light_CCFM),削弱复杂背景和冗余信息的干扰,提高小目标的识别率;最后,引入SSFF模块改进特征融合层,增加SR-DETR网络的多尺度融合能力,使模型具有更强的鲁棒性。改进后的模型在自建草莓数据集上进行试验,结果显示,SR-DETR模型的精确度、召回率和平均精度均值分别为93.0%、90.2%、91.7%,相比于原模型分别提升1.6、1.8、1.5百分点,同时模型参数量、模型大小和计算复杂度分别降低31.2%、31.1%和23.6%。SR-DETR模型不仅提高了不同成熟度草莓的识别精度,还降低了遮挡目标的漏检率,检测速度达到60.9帧/s,可以便捷地部署到终端完成实时检测。 展开更多
关键词 草莓 成熟度 RT-DETR 目标检测 GSConv vovgscsp
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