期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进YOLOv8n的MEMS缺陷检测方法
被引量:
3
1
作者
代培康
李翰山
《半导体技术》
北大核心
2025年第2期170-180,共11页
微电子机械系统(MEMS)器件在高温、强振动以及高过载下易出现引线断开、管腔杂质等缺陷,造成搭载MEMS器件的设备发生故障,对MEMS器件中的这些缺陷进行快速、精准的检测成为亟待解决的难题。基于MEMS金相图像,提出了一种改进YOLOv8n的MEM...
微电子机械系统(MEMS)器件在高温、强振动以及高过载下易出现引线断开、管腔杂质等缺陷,造成搭载MEMS器件的设备发生故障,对MEMS器件中的这些缺陷进行快速、精准的检测成为亟待解决的难题。基于MEMS金相图像,提出了一种改进YOLOv8n的MEMS缺陷检测方法。在Backbone层构建全新的C2f_Faster-EMA模块,使网络能够更高效地处理缺陷的多尺度信息,突出小目标缺陷特征;在Neck层的C2f后嵌入三分支注意力机制,加强缺陷权重的同时抑制背景干扰;调整网络检测头,以提高小目标缺陷检测能力;采用WIoU作为改进网络的损失函数,可平衡检测锚框的惩戒力度。实验结果表明:提出的算法可对MEMS两类缺陷进行快速精准的检测,检测准确率达到94.8%。相较于基线模型,模型的参数量减少了近44.9%,且每秒检测帧数达到了118,满足实时检测需求。
展开更多
关键词
YOLOv8n
缺陷检测
轻量级网络
三分支注意力机制
WIoU
原文传递
基于改进YOLOv8n的森林火灾检测方法研究
被引量:
1
2
作者
王书晟
张航
张博轩
《信息化研究》
2025年第1期62-70,共9页
针对现有森林火灾目标检测算法中存在的检测精度不足和实时性差的问题,本文提出一种基于YOLOv8n模型的改进方案。该方案通过优化骨干网络,引入混合注意力机制(CBAM),增强模型对局部重要特征的捕捉能力,从而提升特征融合的效果。在颈部...
针对现有森林火灾目标检测算法中存在的检测精度不足和实时性差的问题,本文提出一种基于YOLOv8n模型的改进方案。该方案通过优化骨干网络,引入混合注意力机制(CBAM),增强模型对局部重要特征的捕捉能力,从而提升特征融合的效果。在颈部网络中加入FasterNet模块,并设计了全新的快速跨阶段局部层卷积(C2f-Faster)模块,从而实现网络的轻量化,降低网络参数和计算量,以满足实时性需求。采用智能交并比(WIoU)边界损失函数替代原有的损失函数,以增强网络在边界框回归方面的表现。将改进后的算法模型应用于火灾数据集进行训练、验证和测试,结果显示其mAP@50相较原算法模型提升了2.7%。与此同时,模型的检测速度提高了7.3%。实验数据证实,经过优化的算法模型在森林火灾检测的准确性和速度方面均实现了显著提升。这一改进使得模型在实际应用中能够更快速、更准确地识别火灾场景。
展开更多
关键词
森林火灾
YOLOv8
注意力机制
快速跨阶段局部层卷积
WIoU
Loss
在线阅读
下载PDF
职称材料
面向铝合金焊缝DR图像缺陷的Sim-YOLOv8目标检测模型
被引量:
25
3
作者
吴磊
储钰昆
+1 位作者
杨洪刚
陈云霞
《中国激光》
EI
CAS
CSCD
北大核心
2024年第16期21-30,共10页
针对当前目标检测算法在铝合金焊缝数字射线成像(DR)图像缺陷检测中精度不足的问题,提出了一种基于YOLOv8的改进模型Sim-YOLOv8。首先改进C2f,通过增加SimAM模块提升模型的整体性能;其次,针对部分像素较小的气孔和夹渣缺陷,将首层卷积...
针对当前目标检测算法在铝合金焊缝数字射线成像(DR)图像缺陷检测中精度不足的问题,提出了一种基于YOLOv8的改进模型Sim-YOLOv8。首先改进C2f,通过增加SimAM模块提升模型的整体性能;其次,针对部分像素较小的气孔和夹渣缺陷,将首层卷积模块更换为Focus模块,以提升模型对小目标的检测能力;最后添加WIoU损失函数,以提高模型锚框的质量,从而提高检测效果。实验结果表明:在阈值为0.5的前提下,Sim-YOLOv8模型对气孔、夹杂、未焊透这三类缺陷检测的平均精度(mAP@0.5)达到了93.6%、94.4%、97.3%,较原模型分别提高了2.5、1.9和1.7个百分点,具有更好的焊缝缺陷检测效果。
展开更多
关键词
激光技术
图像处理
DR图像缺陷检测
YOLOv8
SimAM模块
WIoU损失函数
原文传递
题名
改进YOLOv8n的MEMS缺陷检测方法
被引量:
3
1
作者
代培康
李翰山
机构
西安工业大学电子信息工程学院
出处
《半导体技术》
北大核心
2025年第2期170-180,共11页
基金
国家自然科学基金(62073256)。
文摘
微电子机械系统(MEMS)器件在高温、强振动以及高过载下易出现引线断开、管腔杂质等缺陷,造成搭载MEMS器件的设备发生故障,对MEMS器件中的这些缺陷进行快速、精准的检测成为亟待解决的难题。基于MEMS金相图像,提出了一种改进YOLOv8n的MEMS缺陷检测方法。在Backbone层构建全新的C2f_Faster-EMA模块,使网络能够更高效地处理缺陷的多尺度信息,突出小目标缺陷特征;在Neck层的C2f后嵌入三分支注意力机制,加强缺陷权重的同时抑制背景干扰;调整网络检测头,以提高小目标缺陷检测能力;采用WIoU作为改进网络的损失函数,可平衡检测锚框的惩戒力度。实验结果表明:提出的算法可对MEMS两类缺陷进行快速精准的检测,检测准确率达到94.8%。相较于基线模型,模型的参数量减少了近44.9%,且每秒检测帧数达到了118,满足实时检测需求。
关键词
YOLOv8n
缺陷检测
轻量级网络
三分支注意力机制
WIoU
Keywords
YOLOv8n
defect detection
lightweight network
Triplet attention mechanism
wlou
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
基于改进YOLOv8n的森林火灾检测方法研究
被引量:
1
2
作者
王书晟
张航
张博轩
机构
西安石油大学计算机学院
出处
《信息化研究》
2025年第1期62-70,共9页
文摘
针对现有森林火灾目标检测算法中存在的检测精度不足和实时性差的问题,本文提出一种基于YOLOv8n模型的改进方案。该方案通过优化骨干网络,引入混合注意力机制(CBAM),增强模型对局部重要特征的捕捉能力,从而提升特征融合的效果。在颈部网络中加入FasterNet模块,并设计了全新的快速跨阶段局部层卷积(C2f-Faster)模块,从而实现网络的轻量化,降低网络参数和计算量,以满足实时性需求。采用智能交并比(WIoU)边界损失函数替代原有的损失函数,以增强网络在边界框回归方面的表现。将改进后的算法模型应用于火灾数据集进行训练、验证和测试,结果显示其mAP@50相较原算法模型提升了2.7%。与此同时,模型的检测速度提高了7.3%。实验数据证实,经过优化的算法模型在森林火灾检测的准确性和速度方面均实现了显著提升。这一改进使得模型在实际应用中能够更快速、更准确地识别火灾场景。
关键词
森林火灾
YOLOv8
注意力机制
快速跨阶段局部层卷积
WIoU
Loss
Keywords
forest fire
YOLOv8
attention mechanism
cross-stage partial feature fusion faster convolu-tion
wlou
Loss
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
面向铝合金焊缝DR图像缺陷的Sim-YOLOv8目标检测模型
被引量:
25
3
作者
吴磊
储钰昆
杨洪刚
陈云霞
机构
上海第二工业大学智能制造与控制工程学院
上海电机学院
出处
《中国激光》
EI
CAS
CSCD
北大核心
2024年第16期21-30,共10页
基金
国家自然科学基金(51809161)
上海市自然科学基金(18ZR1416000)。
文摘
针对当前目标检测算法在铝合金焊缝数字射线成像(DR)图像缺陷检测中精度不足的问题,提出了一种基于YOLOv8的改进模型Sim-YOLOv8。首先改进C2f,通过增加SimAM模块提升模型的整体性能;其次,针对部分像素较小的气孔和夹渣缺陷,将首层卷积模块更换为Focus模块,以提升模型对小目标的检测能力;最后添加WIoU损失函数,以提高模型锚框的质量,从而提高检测效果。实验结果表明:在阈值为0.5的前提下,Sim-YOLOv8模型对气孔、夹杂、未焊透这三类缺陷检测的平均精度(mAP@0.5)达到了93.6%、94.4%、97.3%,较原模型分别提高了2.5、1.9和1.7个百分点,具有更好的焊缝缺陷检测效果。
关键词
激光技术
图像处理
DR图像缺陷检测
YOLOv8
SimAM模块
WIoU损失函数
Keywords
slaser technique
image processing
DR image defect detection
YOLOv8
SimAM module
wlou
loss function
分类号
TG441.7 [金属学及工艺—焊接]
原文传递
题名
作者
出处
发文年
被引量
操作
1
改进YOLOv8n的MEMS缺陷检测方法
代培康
李翰山
《半导体技术》
北大核心
2025
3
原文传递
2
基于改进YOLOv8n的森林火灾检测方法研究
王书晟
张航
张博轩
《信息化研究》
2025
1
在线阅读
下载PDF
职称材料
3
面向铝合金焊缝DR图像缺陷的Sim-YOLOv8目标检测模型
吴磊
储钰昆
杨洪刚
陈云霞
《中国激光》
EI
CAS
CSCD
北大核心
2024
25
原文传递
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部