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457篇文章
< 1 2 … 23 >
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：
苹果成熟度轻量化实时检测模型GCA-YOLOv8n的设计与实现
1
作者 祁鹏程 袁杰 +3 位作者 加尔肯别克 宋成 张宁宁 朱力 《华南农业大学学报》 北大核心 2026年第1期128-138,共11页
【目的】解决苹果成熟度传统检测模型过大、推理速度慢、检测精度低等问题。【方法】构建基于改进YOLOv8n的轻量化实时检测模型GCA-YOLOv8n。首先,引入C3Ghost模块替换原模型的C2f模块,实现模型轻量化、提高模型推理速度;其次,引入Ghost... 【目的】解决苹果成熟度传统检测模型过大、推理速度慢、检测精度低等问题。【方法】构建基于改进YOLOv8n的轻量化实时检测模型GCA-YOLOv8n。首先,引入C3Ghost模块替换原模型的C2f模块,实现模型轻量化、提高模型推理速度;其次,引入GhostConv模块替换原模型的Conv,帮助卷积层更有效地提取信息、减少冗余;最后,将ACmix注意力机制添加到原模型结构中,提高模型的特征提取能力和检测精度。将GCA-YOLOv8n模型应用于苹果成熟度检测试验。【结果】结果表明,GCA-YOLOv8n模型的参数量、浮点运算数、权重文件大小分别为2.0×10^(6)、5.7×10^(9)、4.4 MB,与YOLOv8n相比分别降低33.1%、29.6%、30.2%;推理速度为130.8帧/s,与YOLOv8n相比提高21.5%;平均精度均值和F1分别为89.2%和82.5%,模型具有较高的检测精度和推理速度。【结论】研究构建的GCA-YOLOv8n模型在保证检测精度的同时显著降低了模型复杂度与计算量,实现了轻量化与高效性。模型具备较高的实时检测性能,可在边缘计算设备(含移动端)上稳定运行,为自动化采摘提供技术支持。 展开更多
关键词 目标检测 苹果成熟度 yolov8n 轻量化模型 推理速度
在线阅读 下载PDF
基于改进YOLOv8n的轻量级稻米品质检测算法
2
作者 李其龙 孙铁波 +1 位作者 王卫兵 张微 《农机化研究》 北大核心 2026年第3期220-227,共8页
传统稻米品质检测方法虽具有较高精度,但普遍存在设备昂贵、依赖专业人员、难以大规模应用等问题。为此,提出了一种轻量化且高性能的稻米品质检测模型——ATE-YOLOv8n。首先,引入轻量级下采样模块以优化下采样过程,在降低参数量与计算... 传统稻米品质检测方法虽具有较高精度,但普遍存在设备昂贵、依赖专业人员、难以大规模应用等问题。为此,提出了一种轻量化且高性能的稻米品质检测模型——ATE-YOLOv8n。首先,引入轻量级下采样模块以优化下采样过程,在降低参数量与计算量的同时保留关键语义信息;然后,设计任务感知动态检测头通过共享卷积与可变形卷积强化分类与定位任务的协同性;最后,构建高效多尺度卷积模块,以增强模型对碎米、黄粒米、垩白米等细粒度小目标的多尺度特征提取能力。基于4 466张真实稻米图像构建的数据集开展检测试验,结果表明,ATE-YOLOv8n平均精度达0.959,F1分数为0.925,参数量减少47.5%,计算量降低8.6%,权重大小仅3.5 MB,相较于YOLOv8n、YOLOv12n、RT-DETR、SSD和Faster R-CNN等主流模型在保持高精度的同时显著降低了计算与存储开销,消融实验进一步验证了所提方法的有效性与鲁棒性。研究可为稻米外观品质的实时智能检测与其工业化应用提供高效、可靠且可扩展的解决方案。 展开更多
关键词 稻米品质 轻量化目标检测 ATE-yolov8n 模型优化 消融实验
在线阅读 下载PDF
基于改进YOLOv8n的黄瓜叶片病害识别
3
作者 卢彦梅 陈明东 +3 位作者 史宇亮 王家胜 刘晓童 胡鹏翔 《中国农机化学报》 北大核心 2026年第2期94-100,107,共8页
为快速准确地检测出复杂自然环境下的黄瓜叶片病害目标,针对不同天气、角度、方向以及距离等因素造成黄瓜叶片图像识别准确率低的问题,构建黄瓜叶片数据集图像6620幅,种类包括霜霉病、白粉病、晚疫病及正常叶片,并基于YOLOv8n模型提出AK... 为快速准确地检测出复杂自然环境下的黄瓜叶片病害目标,针对不同天气、角度、方向以及距离等因素造成黄瓜叶片图像识别准确率低的问题,构建黄瓜叶片数据集图像6620幅,种类包括霜霉病、白粉病、晚疫病及正常叶片,并基于YOLOv8n模型提出AKGAM—YOLOv8模型。在Bottleneck网络层中引入可变核卷积AKConv,降低模型参数与计算开销,使原模型更加轻量化。在此基础上,使用特征融合网络BiFPN与注意力机制GAM,在不降低检测速度的同时提高模型对细小特征的提取能力。更改原模型损失函数为WIoU损失函数,梯度下降速度和收敛后损失值比原模型有优势。试验结果表明,改进后模型的黄瓜叶片病害识别精确率为97.21%,模型权重为13.22 MB,与原模型相比,模型权重缩小为基线网络的56.42%,精确率提升1.71%,平均精度均值提升3.04%,满足黄瓜叶片病害实时检测的要求,并可为复杂自然环境下的农作物病害识别检测提供理论依据。 展开更多
关键词 黄瓜叶片病害 目标检测 yolov8n 轻量化 AKConv卷积 注意力机制
在线阅读 下载PDF
改进YOLOv8n的无人机航拍目标检测算法
4
作者 曲文龙 陈勇 《现代电子技术》 北大核心 2026年第1期77-85,共9页
针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高... 针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高改进算法特征提取的能力;其次设计EMBSFPN模块对颈部进行优化,实现小目标信息的跨尺度连接和特征融合,通过更换上采样模块使得算法能够在保证一定效果的同时保持高效性;最后使用DyHead代替原检测头进而引入注意力机制以提升小目标检测的精度。在VisDrone2019数据集上的实验结果表明,DERF-YOLO的mAP@0.5、mAP@0.5:0.95分别达到了30.9%和17.7%,相比于YOLOv8n算法分别提高了4.0%和2.7%,参数量和浮点运算量分别为2.94×10~6和9.6 GFLOPs,参数量相比于原始算法降低了2%,运算量仅仅增加了18%。该算法的精度高于其他同类算法,且满足监测需求,可以有效地应用于无人机航拍平台上的目标检测任务。 展开更多
关键词 yolov8n 密集目标检测 C2f-RFCBAMConv 跨尺度连接 特征融合 注意力机制
在线阅读 下载PDF
基于YOLOv8n的水下小目标检测方法
5
作者 梁俊华 许鹏 蔡燕 《电子设计工程》 2026年第2期19-25,共7页
为了在水下机器算力有限的条件下,更好地应对目标漏检与误检风险,对YOLOv8n进行了针对性改进,提出了一种高效且轻量的检测方法。利用RFAConv优化主干网络,增强模型提取目标特征的能力。引入ASF策略,提升颈部网络整合小目标特征的效果。... 为了在水下机器算力有限的条件下,更好地应对目标漏检与误检风险,对YOLOv8n进行了针对性改进,提出了一种高效且轻量的检测方法。利用RFAConv优化主干网络,增强模型提取目标特征的能力。引入ASF策略,提升颈部网络整合小目标特征的效果。将改进的RSFF融入颈部网络,实现模型的轻量化。联合HetConv和iAFF重构了瓶颈层。相较于基线模型,该方法的权重文件、参数量、浮点数运算量分别减少了31.7%、37.5%、18.5%,且mAP50、mAP50-95在DUO数据集上分别提高了3.5%和2.8%,在轻量化与检测精度之间实现了更优的平衡。 展开更多
关键词 yolov8n 水下检测 小目标 轻量化
在线阅读 下载PDF
基于优化型YOLOv8n的木材厂缺陷识别系统研究
6
作者 冯上榜 莫文洁 +1 位作者 姜冲 许鹏 《电子设计工程》 2026年第1期134-139,共6页
针对目前木材缺陷检测技术要求越来越高的问题,开展了基于YOLOv8n的木材缺陷识别系统的技术研究。对YOLOv8n模型进行了优化,在主干和颈部网络部分引入ADown卷积替换了Conv卷积,降低了模型的复杂度,同时保证了模型检测木材缺陷的精准度... 针对目前木材缺陷检测技术要求越来越高的问题,开展了基于YOLOv8n的木材缺陷识别系统的技术研究。对YOLOv8n模型进行了优化,在主干和颈部网络部分引入ADown卷积替换了Conv卷积,降低了模型的复杂度,同时保证了模型检测木材缺陷的精准度。引入dysample替换了原本颈部的上采样,在提高模型对木材小目标缺陷识别精度的同时不额外增加模型的复杂度。在3个检测头前添加了MSDA注意力模块,提高了模型对木材缺陷信息的捕捉能力。改进后的模型检测平均精确率达到77.2%,相比原模型提高了2.2%,参数量、计算量和模型大小分别为2.73M、7.8GFLOPs、5.71 MB,比原模型分别降低了9.3%、3%、4.2%。优化后的模型更适合部署到嵌入式设备中进行木材缺陷检测。 展开更多
关键词 图像识别 木材目标检测 yolov8n 缺陷识别
在线阅读 下载PDF
基于改进YOLOv8n的字轮式水表数字识别算法
7
作者 乔世超 袁玉英 齐瑞洁 《山东理工大学学报(自然科学版)》 2026年第1期1-8,共8页
为提高抄表效率和读数精度,针对当前字轮式水表读数精度低、参数量大等问题,提出一种基于改进YOLOv8n的字轮式水表数字识别算法。通过引入GhostConv和注意力机制HDCA(High-Resolution Dual-Channel Attention)设计新的GDC2f模块,简化特... 为提高抄表效率和读数精度,针对当前字轮式水表读数精度低、参数量大等问题,提出一种基于改进YOLOv8n的字轮式水表数字识别算法。通过引入GhostConv和注意力机制HDCA(High-Resolution Dual-Channel Attention)设计新的GDC2f模块,简化特征提取网络,并增强模型对水表字符的提取能力;采用GSConv代替原有的卷积核,同时引入Slim-Neck特征融合网络,增强模型对小目标特征的表达能力,降低模型的参数量;采用MPDIoU损失函数,提高边界框的定位能力和模型的收敛速度。实验结果表明,改进模型的精确度、召回率和平均精度分别提高了1.3%、2.4%和3.3%,计算量、参数量和模型大小分别减小了2.9 GB、0.79×10^(6)和0.5 MB。 展开更多
关键词 字轮式水表 注意力机制 特征融合 yolov8n
在线阅读 下载PDF
面向印刷电路板缺陷检测的轻量化YOLOv8n-LSCNet目标检测模型
8
作者 赖俊杰 曾猛杰 任洪亮 《华侨大学学报(自然科学版)》 2026年第1期61-67,共7页
针对印刷电路板表面缺陷检测中面板线路复杂、缺陷微小且检测精度与效率难以兼顾的问题,提出一种轻量化、高效的YOLOv8n-LSCNet目标检测模型。首先,在YOLOv8n模型基础上,引入C2f-OREPA模块,利用在线重参数化技术提升特征提取能力;其次,... 针对印刷电路板表面缺陷检测中面板线路复杂、缺陷微小且检测精度与效率难以兼顾的问题,提出一种轻量化、高效的YOLOv8n-LSCNet目标检测模型。首先,在YOLOv8n模型基础上,引入C2f-OREPA模块,利用在线重参数化技术提升特征提取能力;其次,设计一种轻量化检测头,通过共享卷积减少冗余计算;最后,采用扩展交并比(EIoU)损失函数优化边界框回归精度。使用北大印刷电路板(PCB)数据集进行训练与测试,通过消融实验与对比实验验证各模块的有效性。结果表明:相比YOLOv8n模型,YOLOv8n-LSCNet模型的精确率与均值平均精度(交并比阈值≥0.50)分别提升了0.94%和0.47%,参数量与浮点计算量分别降低了21.4%和19.7%;该模型在精度与效率之间取得了良好平衡,具备较强的工程应用潜力。 展开更多
关键词 印刷电路板(PCB)缺陷检测 轻量化检测 yolov8n 小目标检测 损失函数
在线阅读 下载PDF
小麦播种机种子补给关键技术研究——基于YOLOv8n-OBB
9
作者 李倩文 张云浩 +1 位作者 姬翔 姬江涛 《农机化研究》 北大核心 2026年第1期216-225,共10页
为提高小麦播种机在田间作业中的自动化水平和工作效率,尤其是在补给环节的效率,提出了一种基于YOLOv8n-OBB的小麦种箱检测识别模型。以常见的小麦播种机种箱为检测对象,实地采集大量种箱图像进行标注,并通过多种数据增强技术扩展训练集... 为提高小麦播种机在田间作业中的自动化水平和工作效率,尤其是在补给环节的效率,提出了一种基于YOLOv8n-OBB的小麦种箱检测识别模型。以常见的小麦播种机种箱为检测对象,实地采集大量种箱图像进行标注,并通过多种数据增强技术扩展训练集,提高模型的泛化能力。在原有模型结构上进行改进,将Backbone部分初始输入处的Conv模块替换为FOCUS模块,以保留更多的空间特征信息;并用C3STR(C3 with Swin Transformer)模块替代原有的C2f模块,强化局部与全局特征的融合能力和细节信息提取能力。Neck部分采用深度可分离卷积(Depthwise Separable Convolution)替换传统卷积,显著减小模型参数量和计算成本,从而提升推理速度。试验结果表明,改进后的模型在小麦种箱检测任务中的平均精度均值mAP 50达到95.5%,相较于R^(3)Det、S^(2)A-Net、Gliding-vertex和原始YOLOv8n-OBB分别提升了4.6、5.7、10.4、2.6个百分点,同时降低了参数量和计算量,且保证了较快的检测速度,提升了小麦播种机补给作业效率。 展开更多
关键词 小麦播种机 种箱识别 yolov8n-OBB 旋转目标检测 算法优化 小麦种子补给
在线阅读 下载PDF
基于YOLOv8n改进的水稻病害轻量化检测 被引量：5
10
作者 郭丽峰 黄俊杰 +5 位作者 吴禹竺 王思吉 王轶哲 包羽健 苏中滨 刘宏新 《农业工程学报》 北大核心 2025年第8期156-164,共9页
为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测,该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块(inverted residual mobile blo... 为解决水稻病害检测中存在的小目标特征提取困难、复杂环境下检测精度不高的问题以及在边缘化设备上实现高效实时检测,该研究提出了一种轻量化水稻病害识别方法YOLOv8-DiDL。该方法通过引入倒残差移动模块(inverted residual mobile block,iRMB)增强小目标特征捕捉能力,采用变形卷积模块DCNv2(deformable convolutional networks)优化目标几何变化适应性,结合采样算子DySample(dynamic sample)算法提升复杂环境适应能力,并改进快速空间金字塔池化模块(spatial pyramid pooling fast,SPPF)为大核分离卷积注意力模块(large separable kernel attention,LSKA)增强多尺度特征融合。试验结果表明,改进的YOLOv8-DiDL模型准确率、召回率和平均精度均值分别为91.4%、83.5%、90.8%;与原始基础网络YOLOv8n相比分别提升7.0、0.5、2.5个百分点,模型权重降低9.7%,每秒浮点运算次数提升7.4%。该研究通过改进模型显著提高了水稻病害检测的精度和部署效率,为智能化农业的实时病害监测提供了技术基础。 展开更多
关键词 水稻 病害 目标检测 yolov8n改进模型 卷积神经网络 模型轻量化设计
在线阅读 下载PDF
改进YOLOv8n的选通图像目标检测算法 被引量：2
11
作者 田青 王颖 +1 位作者 张正 羊强 《计算机工程与应用》 北大核心 2025年第2期124-134,共11页
激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,... 激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,使用大核卷积C2f-DSF更有效地捕获输入数据的全局信息。添加了多头注意力检测头Detect-SEAM模块,增强了特征提取和目标识别的能力。为了获取不同感受野的上下文信息,增强特征提取能力,使用了SPPF-M模块。采用上采样算子Dysample,减少特征信息的损失,从而提高小目标的检测精度。改进的YOLOv8n算法在选通图像数据集上mAP@0.5提高了2.4个百分点,mAP@0.5:0.95提高了1.8个百分点。为了验证改进的YOLOv8n算法的泛化性,选取KITTI数据集实验,相比于YOLOv8n算法改进YOLOv8n的mAP@0.5提高了4.3个百分点,mAP@0.5:0.95提高了3.5个百分点。 展开更多
关键词 选通图像 yolov8n 遮挡目标 小目标 大卷积核
在线阅读 下载PDF
基于改进YOLOv8n的再造烟叶原料缺陷检测方法研究 被引量：1
12
作者 刘雄斌 刘志昌 +5 位作者 胡念武 姚建武 陈一桢 唐天明 王晚霞 陈寒 《包装与食品机械》 北大核心 2025年第3期88-95,共8页
针对稠浆法再造烟叶生产中,原料表面缺陷检测存在的多尺度表征能力不足与检测效率低等问题,提出一种基于改进YOLOv8n架构的智能检测网络。通过设计CSP-SDCV模块替代原始C2f模块,以优化特征提取效率,引入ADown模块增强多尺度特征表征能力... 针对稠浆法再造烟叶生产中,原料表面缺陷检测存在的多尺度表征能力不足与检测效率低等问题,提出一种基于改进YOLOv8n架构的智能检测网络。通过设计CSP-SDCV模块替代原始C2f模块,以优化特征提取效率,引入ADown模块增强多尺度特征表征能力,采用轻量化共享卷积检测头降低参数冗余,并结合局部窗口注意力机制强化遮挡目标的边界敏感性。试验结果表明,改进模型在烟叶缺陷数据集上的m AP@50达到98.1%,较基准模型YOLOv8n提升1.8个百分点,参数量与计算量分别减少54.4%,50.6%。研究为烟草工业自动化质检提供高精度、低资源消耗的解决方案。 展开更多
关键词 烟叶缺陷检测 多尺度特征融合 轻量化检测头 局部窗口注意力 yolov8n
在线阅读 下载PDF
基于RFCARep-YOLOv8n的光伏电池缺陷检测算法 被引量：6
13
作者 张冀 王文彬 余洋 《计算机工程与应用》 北大核心 2025年第3期131-143,共13页
针对光伏电池缺陷图像存在目标遮掩、复杂背景以及人眼难以分辨的小目标缺陷等问题,提出一种基于感受野坐标注意力和重参数的YOLOv8n光伏电池缺陷检测算法,简记为RFCARep-YOLOv8n。提出一种基于感受野坐标注意力的重参数模块代替瓶颈模... 针对光伏电池缺陷图像存在目标遮掩、复杂背景以及人眼难以分辨的小目标缺陷等问题,提出一种基于感受野坐标注意力和重参数的YOLOv8n光伏电池缺陷检测算法,简记为RFCARep-YOLOv8n。提出一种基于感受野坐标注意力的重参数模块代替瓶颈模块进行特征提取,扩大对全局信息的关注度提高语义表达能力,抑制遮掩物和复杂背景的干扰;在快速空间金字塔池化后添加可分离大核聚集模块,通过提高长距离特征依赖增强全局特征信息融合;在特征融合部分使用多尺度序列特征融合颈部网络,结合多尺度辅助检测头,减少细节特征丢失,提高小目标缺陷检测能力。实验结果表明,该模型在PASCAL VOC数据集中较基准模型mAP@0.5和mAP@0.5:0.95分别提升2.3和2.1个百分点,同时在光伏缺陷数据集中mAP@0.5达到87.6%,较基准模型提升3.5个百分点,参数量为3.23×10^(6),保持了基准模型的轻量参数同时提高检测性能。 展开更多
关键词 光伏缺陷 yolov8n 感受野注意力 特征融合 重参数
在线阅读 下载PDF
改进YOLOv8n的复杂环境下垃圾轻量化检测 被引量：1
14
作者 孙世政 何玲玲 +1 位作者 郑帅 何泽银 《光学精密工程》 北大核心 2025年第12期1984-1998,共15页
针对复杂环境下垃圾检测模型参数量大以及存在误检和漏检等问题,本文提出了基于改进YOLOv8n的轻量化垃圾检测模型。首先,提出一种MobileNet V3_ECA轻量级网络结构作为YOLOv8n的骨干网络,提升模型对垃圾特征区域的表达能力,同时减少模型... 针对复杂环境下垃圾检测模型参数量大以及存在误检和漏检等问题,本文提出了基于改进YOLOv8n的轻量化垃圾检测模型。首先,提出一种MobileNet V3_ECA轻量级网络结构作为YOLOv8n的骨干网络,提升模型对垃圾特征区域的表达能力,同时减少模型参数量;其次,在骨干网络引入上下文锚点注意力机制,增强模型对垃圾特征的提取能力;然后,在颈部网络采用全维动态卷积替换标准卷积,细化局部特征映射,实现垃圾局部细粒度特征的融合能力;最后,采用WIoU v3边界损失函数提升网络边界框回归性能。在自建复杂背景下的垃圾数据集进行模型验证实验,改进后模型相比原YOLOv8n,mAP@0.5提升了1.1%,检测速度FPS提高11.7%,参数量Params、模型大小Size和浮点运算量FLOPs分别降低了70.8%,66.1%和70.7%。实验结果表明,本文改进模型能有效提升检测精度并显著降低模型复杂度,对模型部署与应用至边缘端检测装备具有重要的工程意义。 展开更多
关键词 垃圾检测 轻量化 MobileNet V3_ECA yolov8n 深度学习
在线阅读 下载PDF
基于YOLOv8n-Aerolite的轻量化蝴蝶兰种苗目标检测算法 被引量：1
15
作者 翟永杰 田济铭 +3 位作者 陈鹏晖 王家豪 胡东阳 徐大伟 《农业工程学报》 北大核心 2025年第4期220-229,共10页
小型植物组织检测对植物自动化培养产业的发展具有重要意义,为了提升蝴蝶兰种苗夹取点视觉检测效率以及解决现有模型参数量较大,检测速度较慢的问题,该研究提出了一种轻量化目标检测算法YOLOv8n-Aerolite。首先,采用StarNet作为主干网络... 小型植物组织检测对植物自动化培养产业的发展具有重要意义,为了提升蝴蝶兰种苗夹取点视觉检测效率以及解决现有模型参数量较大,检测速度较慢的问题,该研究提出了一种轻量化目标检测算法YOLOv8n-Aerolite。首先,采用StarNet作为主干网络,在此基础上增加嵌入大核可分离卷积的池化层SPPF_LSKA(large-separable-kernel-attention),实现轻量化的同时保证准确率;然后在颈部网络中采用结合StarBlock的C2f_Star模块,提高模型对蝴蝶兰种苗检测的准确率;最后,采用以共享卷积为基础的轻量级检测头Detect_LSCD(lightweight shared convolutional detection head),提升模型对小目标检测的精度和速度。在对蝴蝶兰种苗图像数据集的目标检测试验中,YOLOv8n-Aerolite算法的平均推理速度达到了435.8帧/s,精确度达91.1%,权重文件大小仅为3.1 MB,对于夹取点所在小目标检测精度达91.6%,在种苗夹取试验中成功率为78%,研究结果可为发展小型作物自动化栽培技术提供参考。 展开更多
关键词 深度学习 yolov8n 蝴蝶兰种苗 轻量化 检测速度 小目标检测
在线阅读 下载PDF
基于改进YOLOv8n的飞机铆钉及脱落异常检测算法 被引量：1
16
作者 夏正洪 何琥 +2 位作者 杨磊 吴建军 刘璐 《中国安全科学学报》 北大核心 2025年第2期66-72,共7页
为解决飞机铆钉小目标检测时易出现漏检的问题,提出一种基于改进YOLOv8n的飞机铆钉及脱落异常检测算法。首先,通过添加小目标检测层,更好地融合骨干网络中的浅层细节信息,提高算法的特征融合能力以及对铆钉小目标的识别与定位性能;其次... 为解决飞机铆钉小目标检测时易出现漏检的问题,提出一种基于改进YOLOv8n的飞机铆钉及脱落异常检测算法。首先,通过添加小目标检测层,更好地融合骨干网络中的浅层细节信息,提高算法的特征融合能力以及对铆钉小目标的识别与定位性能;其次,将骨干网络中的前2次卷积替换为空间深度转换卷积(SPD-Conv),通过特征图的重组与非跨步卷积的组合,减少算法在下采样过程中的信息丢失;然后,将大型可分离核注意力(LSKA)融入快速空间金字塔池化(SPPF)模块中,通过计算每个特征图上的空间权重和通道权重,捕捉空间与通道之间的依赖关系,并调整特征图,增强算法对铆钉特征信息的提取和识别能力;最后,基于自建的飞机铆钉数据集进行消融试验和对比试验。结果表明:所提算法能实时检测飞机铆钉及脱落异常,较YOLOv8n算法检测结果在精确率、召回率、平均精度均值(mAP)分别提升6.5%、16%、15%,较其他主流算法的检测性能均有较大提升。 展开更多
关键词 改进yolov8n 飞机铆钉 脱落 异常检测 空间深度转换卷积(SPD-Conv) 消融试验
原文传递
DCD-YOLO:基于改进YOLOv8n 无人机小目标轻量化检测算法 被引量：1
17
作者 赵翠芳 唐启恒 +4 位作者 徐慧英 朱信忠 李毅 陶珏强 张晓雷 《浙江师范大学学报(自然科学版)》 2025年第4期391-400,共10页
无人机由于其效率高、成本低、机动性好等优点,在各种复杂地形环境检测中的应用越来越广.然而,航拍图像中的目标分布密集、尺度变化大且存在大量小目标,其目标检测成为当前无人机技术研究的热点和难点.针对这一问题,提出一种基于改进YOL... 无人机由于其效率高、成本低、机动性好等优点,在各种复杂地形环境检测中的应用越来越广.然而,航拍图像中的目标分布密集、尺度变化大且存在大量小目标,其目标检测成为当前无人机技术研究的热点和难点.针对这一问题,提出一种基于改进YOLOv8n的无人机小目标轻量化检测算法DCD-YOLO(dynamic capture drone YOLO).具体为,在主干网络部分,利用CDR模块的多速率扩张卷积和残差结构,实现基本特征提取;在颈部,引入加权双向特征金字塔模块(BiFPN),利用跨尺度连接和加权融合输入特征,更快速高效地实现多尺度特征融合;内容引导卷积和自注意力(CGCA)融合模块融合浅层特征图和深层特征图,通过学习到的空间权重调整输出特征图,缓解了梯度消失问题,增强了细节特征;在检测头部分,引入动态检测头,实现检测头和注意力的统一,提高检测能力.实验结果表明,在VisDrone2019无人机数据集上,DCD-YOLO实现了0.407的mAP@0.5综合检测精度,相比基线模型YOLOv8n提升了21.9%,相比主流的算法和YOLO系列目标检测算法,DCD-YOLO具有更优秀的检测性能,较好地实现了模型检测精度和模型大小的平衡. 展开更多
关键词 无人机图像 目标检测 yolov8n 特征提取
在线阅读 下载PDF
基于改进YOLOv8n的麦穗自动检测方法研究
18
作者 臧贺藏 周萌 +4 位作者 王亚辉 彭一龙 赵晴 张杰 李国强 《河南农业科学》 北大核心 2025年第7期162-169,共8页
在小麦育种中,穗数是评估小麦产量的关键指标,及时准确检测小麦穗数对产量早期预测具有重要的实际意义。在实际生产中,采用人工田间调查统计麦穗的方法费时费力。因此,提出了基于改进YOLOv8n的麦穗自动检测方法。首先,利用HGNetV2改进... 在小麦育种中,穗数是评估小麦产量的关键指标,及时准确检测小麦穗数对产量早期预测具有重要的实际意义。在实际生产中,采用人工田间调查统计麦穗的方法费时费力。因此,提出了基于改进YOLOv8n的麦穗自动检测方法。首先,利用HGNetV2改进网络结构,增强了小目标麦穗特征的表达能力;其次,引入深度可分离卷积和逐点卷积,提高了模型的计算效率和计数性能;最后,改进损失函数,对模型进行优化,实现了麦穗位置和类别信息的精准判断。结果表明,改进YOLOv8n在麦穗检测任务中的准确率为93.7%,比YOLOv8n提高6.5百分点,与YOLOv5s、YOLOv8x相比,改进YOLOv8n分别提高9.7、0.5百分点,可以在田间复杂情况下检测麦穗图像,具有较好的计算机视觉处理和性能评估检测效果。该方法能够准确地检测出小目标小麦穗数,较好地解决了小麦穗数的遮挡和交叉重叠等问题。 展开更多
关键词 小麦 麦穗计数 田间表型 目标检测 yolov8n
在线阅读 下载PDF
基于改进YOLOv8n的矿用提升钢丝绳表面损伤图像识别
19
作者 毛清华 杨帆 +4 位作者 王超 仝旭耀 童军伟 张旭辉 薛旭升 《工矿自动化》 北大核心 2025年第4期100-106,152,共8页
针对矿用提升钢丝绳表面油污覆盖引发背景干扰、绳股间隙较大导致特征混淆及小目标损伤识别难度大等问题,提出了一种基于改进YOLOv8n的矿用提升钢丝绳表面损伤图像识别方法。在YOLOv8n主干网络中引入多尺度注意力模块(MSAM),通过增强损... 针对矿用提升钢丝绳表面油污覆盖引发背景干扰、绳股间隙较大导致特征混淆及小目标损伤识别难度大等问题,提出了一种基于改进YOLOv8n的矿用提升钢丝绳表面损伤图像识别方法。在YOLOv8n主干网络中引入多尺度注意力模块(MSAM),通过增强损伤特征与油污背景的空间特征区分能力,提升模型抗干扰能力;将YOLOv8n原有的3个检测头替换为4个轻量化小目标检测头,强化对小目标损伤的识别能力;采用深度可分离卷积(DSConv)替代标准卷积,减少了计算量,提高了识别速度。实验结果表明:改进YOLOv8n模型的平均精度均值(mAP)、识别精度和推理速度分别达92.6%,89.7%和43.5帧/s,相比YOLOv8n模型分别提高了3.1%,4.9%,34.7%;与Faster-RCNN,YOLOv5s,YOLOv8n,YOLOv10m,TWRD-Net,YOLOv5-TPH等主流模型相比,改进YOLOv8n模型对小目标损伤识别精度最高,同时保证了较高的实时性;在煤矿现场油污覆盖、绳股间隙较大的复杂场景中,改进YOLOv8n模型未出现漏检情况,且误检情况较少,平均识别准确率达90%。 展开更多
关键词 矿用提升钢丝绳 损伤图像识别 yolov8n 多尺度注意力模块 小目标检测 深度可分离卷积
在线阅读 下载PDF
YOLOv8n-CSG:轻量化钢材表面缺陷检测算法
20
作者 赵佰亭 张敏 贾晓芬 《电子测量与仪器学报》 北大核心 2025年第8期115-125,共11页
为解决钢材表面缺陷检测中因缺陷类型繁多、尺寸差异显著造成检测精度低,以及现有模型复杂度高等问题,提出了一种改进YOLOv8n的轻量化检测算法YOLOv8n-CSG。首先,引入上下文引导模块(context guided block,CG block)设计C2f_CG模块增强... 为解决钢材表面缺陷检测中因缺陷类型繁多、尺寸差异显著造成检测精度低,以及现有模型复杂度高等问题,提出了一种改进YOLOv8n的轻量化检测算法YOLOv8n-CSG。首先,引入上下文引导模块(context guided block,CG block)设计C2f_CG模块增强对周围特征的捕捉能力,增强信息关联性;其次,加入星型网络模块(Star Block)设计出C2f_Star模块,将输入数据映射到高维的非线性特征空间,生成丰富的特征表示,使得模型在处理细微缺陷时更加有效;最后,设计了集成分组混洗卷积(grouped and shuffled convolution,GSConv)和高效多尺度注意力机制(efficient multi-Scale attention,EMA)的轻量化检测头GSE_Detect,保持了原检测头的高效的同时降低复杂度。在NEU-DET数据集上进行多组实验,结果表明,改进后的YOLOv8n-CSG网络模型平均精度均值(mAP)mAP@0.5达到了76.8%,相较于YOLOv8n,mAP@0.5提升了6.9%、精度提升了11.3%、计算量降低了37%、参数量降低了35.2%,展现出对钢材表面缺陷更佳的检测能力,且平衡了模型的性能和复杂度。 展开更多
关键词 缺陷检测 轻量化yolov8n C2f_CG C2f_Star GSE_Detect
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 2 … 23 下一页 到第 页
使用帮助 返回顶部