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352篇文章
< 1 2 … 18 >
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YOLOX的QFN芯片表面缺陷检测技术研究 被引量：1
1
作者 杨桂华 吴振生 杨子康 《传感器与微系统》 北大核心 2025年第3期46-49,共4页
为了实现方形扁平无引脚封装(QFN)芯片表面缺陷检测自动化检测,针对现有检测算法耗时长且准确度不高等问题,提出一种基于YOLOX改进算法的QFN芯片表面缺陷检测方法。通过在主干特征提取网络中添加CA注意力模块,并使用VariFocal损失函数... 为了实现方形扁平无引脚封装(QFN)芯片表面缺陷检测自动化检测,针对现有检测算法耗时长且准确度不高等问题,提出一种基于YOLOX改进算法的QFN芯片表面缺陷检测方法。通过在主干特征提取网络中添加CA注意力模块,并使用VariFocal损失函数代替原模型中的目标分数损失函数,在轻微增加网络参数量的基础上提升了检测精度。通过改进模型YOLOX-PRO、主流算法和添加模块在自制QFN芯片缺陷样本数据集上的训练测试,以及对比分析,实验结果表明:改进后的算法模型能准确地识别划痕、孔洞、引脚缺失三种缺陷,置信度相对较高,并且模型的平均精度均值达到98.61%,单张缺陷图像的检测速度不超过40 ms,优于传统机器学习算法,能够满足工业生产中对QFN芯片缺陷的实时性检测要求。 展开更多
关键词 方形扁平无引脚封装缺陷检测 yolox 目标检测 深度学习
在线阅读 下载PDF
基于改进YOLOX和导纳控制的机械臂食品分拣方法
2
作者 施利春 刘松涛 +1 位作者 王松伟 王治忠 《食品与机械》 北大核心 2025年第9期91-98,共8页
[目的]为提高机械臂食品分拣系统在分拣任务中的精度和鲁棒性,研究结合机器视觉与力觉的新型分拣方法。[方法]在食品分拣系统的基础上,提出一种融合改进YOLOX模型和改进导纳控制的机械臂食品分拣方法。通过引入卷积注意力机制模块(CBAM... [目的]为提高机械臂食品分拣系统在分拣任务中的精度和鲁棒性,研究结合机器视觉与力觉的新型分拣方法。[方法]在食品分拣系统的基础上,提出一种融合改进YOLOX模型和改进导纳控制的机械臂食品分拣方法。通过引入卷积注意力机制模块(CBAM)聚焦目标特征,采用深度可分离卷积优化网络结构,结合新型主干网络增强YOLOX模型对食品目标的识别定位能力。同时,利用基于改进导纳的主动柔顺控制方法,实现对不同食品的稳定分拣。通过搭建试验平台对所提方法的应用效果进行分析。[结果]所提改进YOLOX模型在食品目标检测上准确率提升至99%以上,相较于传统方法提高3%以上,且在多种脆性食品分拣任务中,系统鲁棒性显著增强,分拣成功率提高了5%以上。[结论]所提方法有效提升了机械臂食品分拣的精度与鲁棒性,具有良好的应用前景。 展开更多
关键词 食品分拣系统 机械臂 机器视觉与力觉 yolox模型 导纳控制
在线阅读 下载PDF
基于改进YOLOX的隧道火灾检测算法
3
作者 马庆禄 邱高建 白锋 《中国安全科学学报》 北大核心 2025年第4期28-34,共7页
针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字... 针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字塔网络(BiFPN)增强特征提取和融合能力,优化α-交并比(IoU)损失函数,以提高对轮廓特征不明显的隧道初期烟雾火焰的检测精度;在现有公开数据集不足的情况下,通过网络采集、模拟试验和扩充现有数据集,构建隧道火灾数据集,在包含真实场景和模拟场景的自建隧道火灾数据集上进行验证。结果表明:相比于原始YOLOX模型,改进后的算法均值平均精度(mAP@0.5)提高1.89%,mAP@0.5~0.95提高0.88%,精确率提高4.57%,召回率提高5.45%,改进后的算法能够实现更优的检测性能。 展开更多
关键词 隧道火灾 yolox 火灾检测 归一化注意力模块(NAM) 加权双向特征金字塔网络(BiFPN)
原文传递
改进YOLOX-m的火焰检测方法研究
4
作者 战乃岩 张晓禾 +1 位作者 姜泽旭 于儆芝 《计算机测量与控制》 2025年第3期20-29,共10页
如今火灾自动报警技术已逐步朝着智能化、网络化和自动化的方向发展,然而,目前的火焰实时检测技术存在火焰实时检测精度低和网络计算参数量大等问题;针对以上问题,对YOLOX-m目标检测模型进行研究,提出改进YOLOX-m的轻量级火焰检测模型;... 如今火灾自动报警技术已逐步朝着智能化、网络化和自动化的方向发展,然而,目前的火焰实时检测技术存在火焰实时检测精度低和网络计算参数量大等问题;针对以上问题,对YOLOX-m目标检测模型进行研究,提出改进YOLOX-m的轻量级火焰检测模型;通过将主干网络CSPDarknet-53替换为ShuffleNetV2,在降低计算量的同时提高网络精度,在ShuffleNetV2结构中插入RFB模块扩大感受野,在保持分辨率和精确定位检测目标的同时提升检测大目标的能力,将Neck部分的上采样替换为Pixel Shuffle以降低特征损失,为使网络能够关注到更关键的信息,增加注意力机制CBAM,从而提高模型整体性能;经过算法优化和实验测试,改进模型比YOLOX-m模型精度提高了2.87个百分点,参数量减少37.9%,计算量降低30.7%;改进模型成功应用于森林火灾、城市火灾等实际场景,通过对比可以相对更加精确地检测火焰。 展开更多
关键词 火焰检测 yolox 通道混洗 感受野增强 注意力机制
在线阅读 下载PDF
基于MF-YOLOX-S的煤矿井下行人检测算法
5
作者 谢斌红 张晓晨 《太原科技大学学报》 2025年第5期433-438,446,共7页
针对煤矿井下大型设备遮挡、行人尺度不一等复杂环境导致行人检测出现漏检、误检等问题,提出一种基于MF-YOLOX-S算法的煤矿井下行人检测方法。通过设计新的特征金字塔模型MF-FPN作为YOLOX-S中原始特征金字塔网络(Feature Pyramid Networ... 针对煤矿井下大型设备遮挡、行人尺度不一等复杂环境导致行人检测出现漏检、误检等问题,提出一种基于MF-YOLOX-S算法的煤矿井下行人检测方法。通过设计新的特征金字塔模型MF-FPN作为YOLOX-S中原始特征金字塔网络(Feature Pyramid Networks,FPN)的替代方案,首先将多尺度注意力模块填充至FPN高层特征融合前,以提取丰富的多尺度上下文信息;其次,在特征融合后利用特征增强模块增大FPN中的感受野,增强原始特征金字塔的表征能力,在保证检测实时性的前提下,提高YOLOX-S网络对复杂环境下行人的检测能力。在COCO数据集和煤矿井下行人数据集下的实验结果表明,所提算法相对于原YOLOX-S,平均精度mAP分别有1.96%和3.64%的提升,且检测速度达到65 FPS,满足井下行人检测的实时性要求,对煤矿智能监控系统具有重要意义。 展开更多
关键词 煤矿井下 MF-FPN yolox网络 多尺度特征融合 遮挡行人检测
在线阅读 下载PDF
基于改进YOLOX-S算法的雾天图像目标检测
6
作者 唐亮 《机械设计与制造工程》 2025年第5期104-108,共5页
为了改善雾天场景下目标的检测效果,为自动驾驶、智能监控等实际应用提供可靠的解决方案,提出了基于改进YOLOX-S算法的雾天图像目标检测算法。将双边滤波器引入到Retinex算法中,增强雾天图像质量;基于改进YOLOX-S构建雾天图像目标检测结... 为了改善雾天场景下目标的检测效果,为自动驾驶、智能监控等实际应用提供可靠的解决方案,提出了基于改进YOLOX-S算法的雾天图像目标检测算法。将双边滤波器引入到Retinex算法中,增强雾天图像质量;基于改进YOLOX-S构建雾天图像目标检测结构,由CSPDarknet主干网络提取多尺度特征图及其权重;在下采样阶段引入深度可分离卷积改进Neck-FPN网络,提取目标感兴趣区域特征图,实现雾天图像目标检测。实验结果表明:该算法可有效提升雾天图像质量,峰值信噪比指标达到20.828 dB,结构相似度指标为0.814;可实现目标的精准检测,平均精度(IoU=0.5)为94.5%,检测帧率为27.37帧/s。 展开更多
关键词 改进yolox-S算法 雾天图像 双边滤波器 RETINEX算法 ECANet通道注意力
在线阅读 下载PDF
复杂环境下改进YOLOX的设施黄瓜病害检测方法
7
作者 魏明飞 郭威 +2 位作者 朱华吉 缪祎晟 吴华瑞 《中国农机化学报》 北大核心 2025年第8期112-120,155,共10页
针对复杂背景环境下,黄瓜病害检测受叶片遮挡、重叠等因素影响导致检测精度低、漏检率高的问题,提出一种FSA—EMAFPN—YOLOX黄瓜病害检测算法。在特征提取网络中引入FasterNet Block模块,同时嵌入双分支结构注意力机制,抑制背景噪声,有... 针对复杂背景环境下,黄瓜病害检测受叶片遮挡、重叠等因素影响导致检测精度低、漏检率高的问题,提出一种FSA—EMAFPN—YOLOX黄瓜病害检测算法。在特征提取网络中引入FasterNet Block模块,同时嵌入双分支结构注意力机制,抑制背景噪声,有效解决叶片遮挡、重叠导致特征信息缺失问题,减少漏检率。在特征融合阶段设计EMA—AFPN特征融合模块,减少病害特征信息损失。采用SIoU边界框回归损失函数,重新定义角度惩罚度量,更准确地定位检测框,提高模型的训练速度和边界框预测精度;引入VariFocal Loss解决正负样本分布不均衡问题,增加模型对正样本目标的学习,更好地关注病害区域。结果表明,与原YOLOX算法相比,改进YOLOX算法的平均精度均值提升4.89%,召回率提升6.53%,对复杂背景下的黄瓜叶片病害检测效果得到明显提升。 展开更多
关键词 设施黄瓜 病害检测 注意力机制 yolox SIoU损失
在线阅读 下载PDF
基于改进YOLOx模型的无人机影像城市树种识别 被引量：1
8
作者 王全福 唐丽玉 +1 位作者 焦怀瑾 何建国 《测绘与空间地理信息》 2025年第2期46-49,共4页
利用高分辨率无人机遥感影像,结合深度学习算法,提出一种城市棕榈树树种识别的解决方法。以YOLOx-s模型为基础,在主干特征网络引入一种混合注意力机制模块CBAM;在Neck部分特征金字塔结构中加入Bottom-up结构;并改进IoU损失的计算方式,... 利用高分辨率无人机遥感影像,结合深度学习算法,提出一种城市棕榈树树种识别的解决方法。以YOLOx-s模型为基础,在主干特征网络引入一种混合注意力机制模块CBAM;在Neck部分特征金字塔结构中加入Bottom-up结构;并改进IoU损失的计算方式,增大对网络误判的惩罚来优化模型。分别与Faster R-CNN、SSD、YOLOv3和原始YOLOx-s模型对实验区进行棕榈树识别,并对实验结果进行对比分析。实验结果表明,本文方法在基于高分辨率无人机影像的棕榈树识别中具有更高的精度,相较于原始的YOLOx-s有一定的提升。本文提出的改进后的YOLOx-s模型,实现了可见光影像的树种识别,可为城市棕榈树识别提供一定参考。 展开更多
关键词 无人机 遥感影像 yolox-s 棕榈树 树种识别 注意力机制
在线阅读 下载PDF
改进YOLOX的轻量级多方向车牌检测算法 被引量：1
9
作者 雷景生 章志豪 +2 位作者 钱小鸿 王巍然 杨胜英 《计算机工程与应用》 北大核心 2025年第4期230-240,共11页
针对现有的车牌检测算法在复杂环境下检测多方向车牌效果不佳、实时性差以及模型参数量和计算量过大等问题,提出了一种基于YOLOX的轻量级多方向车牌检测算法。通过调整残差组件的数量,并采用大卷积核结合深度可分离卷积的方法,降低了主... 针对现有的车牌检测算法在复杂环境下检测多方向车牌效果不佳、实时性差以及模型参数量和计算量过大等问题,提出了一种基于YOLOX的轻量级多方向车牌检测算法。通过调整残差组件的数量,并采用大卷积核结合深度可分离卷积的方法,降低了主干网络的参数量。引入通道注意力机制,以有效提取通道交互信息,减少噪声的干扰。使用深度可分离卷积和调整扩展率的方法对特征融合网络进行轻量化处理。设计了旋转解耦头,通过添加角度预测分支,使其能够更精准地预测多方向车牌的旋转边界框。采用旋转IoU损失代替水平IoU损失,提高检测的准确性。CCPD数据集上的实验结果表明,改进算法的参数量和计算复杂度分别为2.38×10^(6)和12.97GFLOPs,相较于YOLOX-tiny分别减少了45%和33%,检测精度AP70为94.9%,每秒检测帧数为76.6FPS。改进后的车牌检测模型能够在保持高精度的同时实时检测多方向车牌。 展开更多
关键词 深度学习 轻量化 yolox 目标检测 注意力机制
在线阅读 下载PDF
改进YOLOX算法的葡萄病害识别
10
作者 滕飞 王光远 +2 位作者 代晨龙 任景龙 张惠莉 《中国农机化学报》 北大核心 2025年第8期121-127,共7页
为应对农业智能化发展中葡萄病虫害检测效率低下和可靠性不足的问题,开发一种基于改进YOLOX的实时高性能检测模型。通过引入一种改进的空间金字塔池化(SPP)层,有效提取不同尺度的相关特征,实现从小到大尺度的多级特征串联。在数据集上,... 为应对农业智能化发展中葡萄病虫害检测效率低下和可靠性不足的问题,开发一种基于改进YOLOX的实时高性能检测模型。通过引入一种改进的空间金字塔池化(SPP)层,有效提取不同尺度的相关特征,实现从小到大尺度的多级特征串联。在数据集上,改进模型的平均精度达98.59%,比原始YOLOX模型提高6.72%。与5种经典目标检测算法(YOLOv4、YOLOv5、YOLOv7、YOLOv8、YOLOX)相比,改进模型的mAP分别提高23.33%、19.78%、7.62%、5.96%、6.62%。不仅提升葡萄病害管理效率,减少经济损失,而且为其他作物的自动化疾病检测提供宝贵经验。 展开更多
关键词 葡萄 yolox模型 病害识别 图像分类 深度学习
在线阅读 下载PDF
基于YOLOX—Nano的稻田空心莲子草目标检测方法研究 被引量：1
11
作者 梁松 李华锋 +3 位作者 邓向武 谢新雪 李岳鑫 刘星晨 《中国农机化学报》 北大核心 2025年第7期173-180,共8页
稻田空心莲子草为稻田外来入侵恶性杂草,在秧苗封行前与水稻幼苗共同竞争水、肥、光和生长空间等资源,进而影响水稻产量。目前主要采用化学喷施除草剂对草害进行防治,如果在稻田无差别地喷施化学除草剂,不仅污染环境,还对稻田秧苗产生... 稻田空心莲子草为稻田外来入侵恶性杂草,在秧苗封行前与水稻幼苗共同竞争水、肥、光和生长空间等资源,进而影响水稻产量。目前主要采用化学喷施除草剂对草害进行防治,如果在稻田无差别地喷施化学除草剂,不仅污染环境,还对稻田秧苗产生一定的药害。随着深度学习的快速发展,根据稻田杂草的区域位置进行除草剂精准喷施已成为可能。YOLO系列具有高效推理能力及快速迭代的特点,系列版本体积小,方便嵌入手机或其他终端产品。以秧苗未封行前稻田中的恶性杂草空心莲子草为研究对象,针对YOLOX一阶段目标检测模型系列,YOLOX—Nano虽然在YOLOX系列中性能不是最优,但是其在YOLOX几个版本中体积最小,方便嵌入手机或其他终端产品,最终选择YOLOX系列中的YOLOX—Nano模型。同时构建YOLOv3、YOLOv4—tiny、YOLOv5—s、SSD和YOLOX—Nano等空心莲子草目标检测模型,并进行性能实验对比。结果表明,基于YOLOX—Nano的空心莲子草目标检测模型中召回率Recall、mAP、F 1值都高于YOLOv3、YOLOv4—tiny、SSD和YOLOv5—s模型,分别达到97.14%、96.72%和93%。针对秧苗和空心莲子草之间不同程度的轻微遮挡和部分严重遮挡图像,基于YOLOX—Nano的空心莲子草目标检测模型检测效果好于YOLOv3、YOLOv4—tiny、SSD和YOLOv5—s。 展开更多
关键词 空心莲子草 稻田 目标检测 除草 yolox—Nano
在线阅读 下载PDF
基于改进YOLOX的安全帽佩戴检测方法
12
作者 刘歆 王奕琀 +2 位作者 钱鹰 刘苏 谢雨欣 《重庆邮电大学学报(自然科学版)》 北大核心 2025年第4期586-596,共11页
施工场地监控目标距离远近不一,导致安全帽佩戴检测中目标尺寸差异较大。当检测目标尺寸较小时,现有方法容易漏检、误检。为了提高安全帽佩戴检测的精度,构建了一种改进下采样和特征融合的安全帽佩戴检测方法。利用二维离散小波变换构... 施工场地监控目标距离远近不一,导致安全帽佩戴检测中目标尺寸差异较大。当检测目标尺寸较小时,现有方法容易漏检、误检。为了提高安全帽佩戴检测的精度,构建了一种改进下采样和特征融合的安全帽佩戴检测方法。利用二维离散小波变换构建下采样模块方法,通过多频域信息捕获具有判别效力的特征;在特征融合部分利用空洞卷积获取不同感受野的特性对特征融合网络进行改进,通过减少特征损失,提高尺寸较小目标的检测精度。实验表明,提出的方法可以有效提高安全帽佩戴检测的精度。 展开更多
关键词 安全帽佩戴检测 特征融合 yolox 下采样
在线阅读 下载PDF
基于YOLOX-FA的油泵组件目标朝向检测算法
13
作者 常杰 王呈 杨桂锋 《控制工程》 北大核心 2025年第5期936-942,共7页
Mprop组件的安装朝向检测是油泵质检的关键,针对基于旋转目标检测的目标朝向检测算法的流程复杂、精度低、检测角度受限等问题,创新性地提出了一种YOLOXFA(YOLOX-full angle)全角度目标朝向检测算法。首先,设计了一种六参数表示方法,通... Mprop组件的安装朝向检测是油泵质检的关键,针对基于旋转目标检测的目标朝向检测算法的流程复杂、精度低、检测角度受限等问题,创新性地提出了一种YOLOXFA(YOLOX-full angle)全角度目标朝向检测算法。首先,设计了一种六参数表示方法,通过改进YOLOX算法解耦头结构实现六参数输出,能够对目标位置、宽高、朝向、类别进行同步解耦检测;其次,在解耦头前端嵌入了卷积注意力模块(convolutional block attention module, CBAM),增强了模型对目标关键特征的学习能力,提高了识别准确率;最后,引入角度偏差校正系数,通过改进后的旋转鲁棒交并比(rotation-robust intersection over union,RIoU)损失函数完成了油泵Mprop组件的全角度检测。实验结果表明,YOLOX-FA相较于OHDet算法具有更高的检测精度,能够实现油泵Mprop组件的全角度高精度朝向检测,检测准确率达到94.51%。 展开更多
关键词 油泵质检 yolox 目标朝向检测 六参数表示法
原文传递
轻量化改进的YOLOX多尺度目标检测方法
14
作者 杨利 张海营 +2 位作者 池泓辰 刑奇 杨繁增 《电光系统》 2025年第2期16-28,37,共14页
目前大视场、多尺度目标需要用到复杂程度较高的大模型进行检测,在满足提升精度的同时,也会导致生成训练网络参数量大、占用内存多、计算成本高和时效性差等问题。为了实现性能出众的复杂目标检测模型的轻量化部署,提高推理速度,提出了... 目前大视场、多尺度目标需要用到复杂程度较高的大模型进行检测,在满足提升精度的同时,也会导致生成训练网络参数量大、占用内存多、计算成本高和时效性差等问题。为了实现性能出众的复杂目标检测模型的轻量化部署,提高推理速度,提出了一种以YOLOX网络架构为基础的轻量级改进方法CLB-YOLOX。它首先采用一种能够生成更多特征映射的轻量级基本模块单元(ghost shuffle block,GSB)构建主干特征提取网络,降低检测模型的参数量和计算复杂度;其次在三分支检测头的基础上再添加一个分支检测头,捕获更丰富的多尺度上下文信息,增强多尺度目标处理能力;最后在特征融合结构中引入递归门控卷积(recursive gated convolutions,g^(n) Conv)获取更大感受野,实现信息的空间交互功能。实验结果表明该改进方法在VisDroneDet2019数据集上取得了较好的检测效果,与基线YOLOX检测模型对应型号相比,检测精度mAP_(50)有3%左右的提升,mAP_(50-90)有2%左右的提升,验证了GLB-YOLOX可以更好地平衡多尺度目标的检测精度和计算复杂度。 展开更多
关键词 yolox 轻量化 多尺度目标检测
在线阅读 下载PDF
基于AD-YOLOX-Nano的茶叶嫩芽识别算法
15
作者 高芳征 温鑫 +3 位作者 黄家才 陈光明 金少宇 赵雪迪 《中国农机化学报》 北大核心 2025年第1期178-184,F0002,共8页
为解决茶叶嫩芽识别困难,提高自然环境下茶叶嫩芽识别的精确性和鲁棒性,提出一种融入注意力机制和深度可分离卷积的改进型YOLOX-Nano(AD-YOLOX-Nano)茶叶嫩芽识别算法。该算法以YOLOX-Nano模型为基础,采用CSPDarkNet作为主干网络,通过在... 为解决茶叶嫩芽识别困难,提高自然环境下茶叶嫩芽识别的精确性和鲁棒性,提出一种融入注意力机制和深度可分离卷积的改进型YOLOX-Nano(AD-YOLOX-Nano)茶叶嫩芽识别算法。该算法以YOLOX-Nano模型为基础,采用CSPDarkNet作为主干网络,通过在CSPDarkNet网络中引入深度可分离卷积(Depthwise Separable Convolution)来减少特征提取工作量,并将卷积注意力模块(Convolutional Block Attention Module)融入到YOLOX-Nano网络的特征金字塔中,学习不同通道的特征相关性,增强网络的深度信息传递,提高模型在不同场景下对茶叶嫩芽的识别能力。结果表明:AD-YOLOX-Nano算法的平均精度AP值和F_(1)值分别为85.6%和86%,相较于同环境下YOLOX-Nano算法,该算法的模型大小基本保持不变,但其AP值和F_(1)值分别提高2.7%和3%。与常用的YOLOv5-S、YOLOv4和Faster R-CNN等目标检测算法相比,该AD-YOLOX-Nano算法模型大小仅为它们的1/7,但AP值分别提高5.4%、5.5%和6.28%。所提算法在模型轻量化和检测精度方面优势显著,为茶叶智能化采摘的嵌入式硬件部署提供有效解决方案。 展开更多
关键词 茶叶嫩芽识别 AD-yolox-Nano算法 注意力机制 深度可分离卷积
在线阅读 下载PDF
基于改进YOLOx-s的无人机桥梁裂缝检测算法
16
作者 徐伟峰 吕航 +4 位作者 程子益 陆安文 王洪涛 王晏如 李昇 《吉林大学学报(理学版)》 北大核心 2025年第4期1091-1098,共8页
针对桥梁裂缝检测不充分的安全隐患问题,结合小型无人机平台提出一种基于YOLOx-s的桥梁裂缝检测算法.首先,在backbone中添加残差空洞卷积模块,以解决无人机图像尺度变化大、背景复杂的问题;其次,在PANET中添加坐标注意力机制模块,以提... 针对桥梁裂缝检测不充分的安全隐患问题,结合小型无人机平台提出一种基于YOLOx-s的桥梁裂缝检测算法.首先,在backbone中添加残差空洞卷积模块,以解决无人机图像尺度变化大、背景复杂的问题;其次,在PANET中添加坐标注意力机制模块,以提高小目标检测率;最后,替换损失函数为Focal loss,以加强正样本的学习,提高模型的稳定性.实验结果表明:该方法相比于YOLOx-s算法,检测精度提升了3.72个百分点;在嵌入式设备上,该方法比其他主流算法有更好的精度,且能实现实时性检测,可以更好地应用在无人机桥梁裂缝检测中. 展开更多
关键词 无人机 桥梁裂缝检测 目标检测 yolox-s算法 注意力机制
在线阅读 下载PDF
改进YOLOX-S的智慧港口目标检测算法
17
作者 江鉴 袁志群 +2 位作者 高秀晶 何鸿正 谷子硕 《计算机工程与设计》 北大核心 2025年第7期2045-2053,共9页
针对单目摄像头在港口场景下面临目标检测算法识别不稳定的问题,提出一种改进YOLOX-S目标检测算法。引入大核注意力机制改进主干提取网络的特征输出与BottleNeck模块,提高算法特征提取的能力;引入中心点余弦距离损失改进目标框损失函数... 针对单目摄像头在港口场景下面临目标检测算法识别不稳定的问题,提出一种改进YOLOX-S目标检测算法。引入大核注意力机制改进主干提取网络的特征输出与BottleNeck模块,提高算法特征提取的能力;引入中心点余弦距离损失改进目标框损失函数,解决训练损失虽收敛但目标框仍抖动的问题;引入深度可分离卷积模块优化检测头模块,提高检测精度同时减少模型大小;实车录制智慧港口不同场景20 906张图片进行实验,其结果表明,改进算法与YOLOX-S相比,mAP@0.5:0.95提高5.1%,模型权重大小降低8.8%,TensorRT部署检测帧率为25.0 FPS。改进方法与实验结果可为智慧港口场景下的视觉感知算法开发提供参考。 展开更多
关键词 智慧港口 自动驾驶 目标检测 yolox-S算法 大核注意力机制 ACE-IOU损失 深度可分离卷积
在线阅读 下载PDF
基于改进YoloX的输电通道工程车辆小目标检测识别
18
作者 张智坚 焦良葆 +3 位作者 高阳 邹辉军 孙宏伟 王彦生 《计算机与数字工程》 2025年第2期415-421,485,共8页
针对输电通道下存在的工程车辆小目标严重威胁输电通道安全,原始YoloX算法对小目标漏检严重的现象,在原始单阶段目标检测算法YoloX的基础上添加视觉注意力机制SK来增大感受野;使用空洞卷积模块替换原始网络中的SPP模块,进一步融合不同... 针对输电通道下存在的工程车辆小目标严重威胁输电通道安全,原始YoloX算法对小目标漏检严重的现象,在原始单阶段目标检测算法YoloX的基础上添加视觉注意力机制SK来增大感受野;使用空洞卷积模块替换原始网络中的SPP模块,进一步融合不同感受野信息;在网络Neck部分添加ASFF模块,提高底层特征中的细粒度特征;最后利用二次识别后处理方式,进一步降低小目标的漏检率。实验结果表明,提出的算法提高了检测的准确率,与传统的YoloX算法相比,mAP提高了8.46%,小目标的识别效果明显提升,证明了新算法的有效性。 展开更多
关键词 yolox 小目标 注意力机制 ASFF 二次识别
在线阅读 下载PDF
基于ST-YOLOX-S的多尺度煤矸石识别研究
19
作者 于大伟 邵明 +6 位作者 崔萌 姜坤坤 郭东东 王得全 陈彪 石宇含 张亚东 《有色金属(选矿部分)》 2025年第10期63-72,共10页
针对传统煤矸石分选方法存在的时效性及可靠性差等问题,提出了一种基于ST-YOLOX-S的多尺度煤矸石识别方法,利用机器视觉和图像处理技术,通过深度学习模型提取可见光图像特征,实现煤矸石的高效识别。在YOLOX-S的基础上,引入Swin-Transfor... 针对传统煤矸石分选方法存在的时效性及可靠性差等问题,提出了一种基于ST-YOLOX-S的多尺度煤矸石识别方法,利用机器视觉和图像处理技术,通过深度学习模型提取可见光图像特征,实现煤矸石的高效识别。在YOLOX-S的基础上,引入Swin-Transformer建立ST-YOLOX-S模型,以增强全局特征提取能力,并通过多尺度混合扩张卷积技术捕获不同尺度的特征信息,有效解决了煤矸石目标全局特征提取不足、尺度多样性和形态复杂性问题,显著提升了模型的检测性能。在基于选煤厂实际生产环境条件下的自建煤矸石数据集进行试验,结果表明,在95%置信度水平下,ST-YOLOX-S模型的预测精确度达到90.11%,相较于原始YOLOX-S模型提高了7.30个百分点。对比改进后的ST-YOLOX-S算法与其他主流目标检测算法,ST-YOLOX-S算法精确度为0.89%,参数量为7.80 MB,召回率为0.92%,显著优于YOLOV4、YOLOV5、RCNN和EfficientDet及CenterNet算法。消融试验进一步证实了ST-YOLOX-S模型中各个组件的有效性,在添加了多尺度混合扩张卷积和替换Swin-Transformer主干网络之后,YOLOX的精确度、召回率与FPS值分别提高了5.95%、10.84%和25.48%。最后,使用ST-YOLOX-S进行测试,改进后模型在检测目标时出现重框的现象更小,检测的概率值更高,表明其在煤矸石检测中的优越性能和实际应用价值,这对提高煤炭清洁高效利用具有重要意义。 展开更多
关键词 煤矸石分选 深度学习 yolox 机器视觉 Swin-Transformer模型
在线阅读 下载PDF
基于深度学习和YOLOX目标检测的茶芽识别与定位研究
20
作者 陈紫凝 杨润琪 +2 位作者 任妍妍 潘知瑶 顾寄南 《农业装备技术》 2025年第2期10-17,共8页
针对现有的目标检测在应对复杂环境与品种时具有一定缺陷的情况,研究提出一种基于深度学习和YOLOX目标检测方法来识别茶芽。在骨干网络中嵌入Contextual Transformer模块,充分挖掘相邻关键字之间的上下文信息;将显式视觉中心方案(EVC)... 针对现有的目标检测在应对复杂环境与品种时具有一定缺陷的情况,研究提出一种基于深度学习和YOLOX目标检测方法来识别茶芽。在骨干网络中嵌入Contextual Transformer模块,充分挖掘相邻关键字之间的上下文信息;将显式视觉中心方案(EVC)融入特征提取网络来捕捉全局的远程依赖关系并获取全面且有区别的特征信息;研究利用切片辅助超推理(SAHI)来识别微小物体来提高识别精度。经试验证明,改进后的Tea-YOLOX模型准确率提升0.03441个百分点,召回率提升0.07097个百分点,均值平均精度(PmA)提升0.07442个百分点。在自然条件下识别茶芽效果良好,为智能化茶芽采摘机器人提供了理论和技术支持。 展开更多
关键词 深度学习 yolox 茶芽 识别
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 … 18 下一页 到第 页
使用帮助 返回顶部