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369篇文章
< 1 2 … 19 >
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AAGV-YOLOX模型的输电线路异物检测研究
1
作者 谢国波 夏炜 +3 位作者 林志毅 谢建辉 刘汉林 余意 《广东工业大学学报》 2026年第2期81-90,共10页
鉴于目前输电线路异物检测过程中容易出现的错检、漏检问题,以及异物尺度多变导致检测精度有限的挑战,本文提出了一种用于输电线路异物检测的AAGV-YOLOX模型。该模型首先设计了自适应扩张卷积(Adaptive Dilated Convolution,ADConv)并... 鉴于目前输电线路异物检测过程中容易出现的错检、漏检问题,以及异物尺度多变导致检测精度有限的挑战,本文提出了一种用于输电线路异物检测的AAGV-YOLOX模型。该模型首先设计了自适应扩张卷积(Adaptive Dilated Convolution,ADConv)并构建了特征提取模块(Adaptive Dilated Convolution Module,ADCM),有效区分了广泛分布场景中的异物和背景信息,提高了模型的特征提取能力。接着,在颈部网络中引入了自适应感受野特征融合(Adaptive Receptive Field Feature Fusion,ARFFF)模块,使模型能够充分融合不同尺度的特征,进一步提升了检测精度。最后提出了GVFL损失函数,不仅提高了网络的收敛速度,还增强了定位精度。实验结果表明,本模型在自建的输电线路异物数据集上的平均精度均值达到了90.34%,相较于YOLOXs提升了5.56个百分点,证明了所提出方法在提升输电线路异物检测效果方面的有效性。 展开更多
关键词 输电线路 异物检测 You Only Look Once version X(yolox)
在线阅读 下载PDF
基于改进YOLOX的小麦叶片病害识别模型研究
2
作者 孙文峰 周德福 +4 位作者 王轩力 王继芬 杨雅麟 张洋 王轩慧 《山东农业科学》 北大核心 2026年第2期171-180,共10页
条锈病、黄矮病和白粉病是威胁小麦正常生长的三种重要叶片病害,早期精准识别对于及时采取有效防治措施至关重要。针对小麦叶片病害图像特征复杂、目标尺寸微小,以及现有深度学习模型精度低、鲁棒性差等问题,本研究提出一种基于改进YOLO... 条锈病、黄矮病和白粉病是威胁小麦正常生长的三种重要叶片病害,早期精准识别对于及时采取有效防治措施至关重要。针对小麦叶片病害图像特征复杂、目标尺寸微小,以及现有深度学习模型精度低、鲁棒性差等问题,本研究提出一种基于改进YOLOX的小麦叶片病害识别模型。首先,通过强化StemLayer无损下采样和引入通道注意力机制优化主干网络中的Stage层级,增强模型对细微病斑特征的表征能力;其次,改进空间金字塔池化模块,采用5×5池化核替代大尺寸池化核,减少细粒度特征丢失;再次,在颈部网络的CSPNextBlock中引入7×7大核深度可分离卷积和expand_ratio参数,同时调整CSPLayer的Block数量,扩大感受野并降低计算量;最后,引入平均绝对误差(L1)损失函数,并将分配器的center_radius参数从2.5调至2.0以优化正样本分配策略,提升微小目标定位精度。实验结果表明,改进后的模型在保持与原始YOLOX相当的参数量和推理速度(31.4帧·s^(-1))的同时,平均精度均值(mAP^(50))提升2.0个百分点,达到92.5%,对条锈病、黄矮病和白粉病的识别平均精度分别为94.7%、85.5%和97.4%。相比RTMDet、YOLOF、YOLOV3和Faster-RCNN模型,本研究提出模型的mAP^(50)分别提升15.5、0.5、5.2、0.2个百分点。本研究结果可为农业生产中的小麦叶片病害精准识别提供可靠的方法和技术支持。 展开更多
关键词 yolox 小麦叶片病害识别 大核深度卷积 深度学习
在线阅读 下载PDF
基于改进YOLOX的铁路接触网绝缘子损伤检测方法
3
作者 杨泽坤 《自动化应用》 2026年第4期21-23,共3页
在电气化铁道牵引供电系统中,接触网绝缘子的状态检测对于保障电力稳定传输及行车安全至关重要。针对铁路接触网绝缘子在复杂环境下损伤检测精度低的问题,提出一种基于改进YOLOX的损伤检测方法,通过引入可变形注意力机制(DAT),模型能自... 在电气化铁道牵引供电系统中,接触网绝缘子的状态检测对于保障电力稳定传输及行车安全至关重要。针对铁路接触网绝缘子在复杂环境下损伤检测精度低的问题,提出一种基于改进YOLOX的损伤检测方法,通过引入可变形注意力机制(DAT),模型能自适应聚焦于损伤目标区域并灵活调整感受野,有效应对复杂背景干扰。实验结果表明,所提方法在复杂环境测试集上的mAP达到98.20%,F1值为97.04%。该方法显著提升了复杂背景下绝缘子状态检测的自动化水平与可靠性,为接触网安全运维提供了有效的技术支撑。 展开更多
关键词 铁路 接触网 改进yolox 绝缘子 损伤检测
在线阅读 下载PDF
YOLOX同步特征融合网络及其遥感目标检测
4
作者 范清华 张著洪 《无线电工程》 2026年第1期30-39,共10页
鉴于光学遥感影像下目标检测易出现定位差、检测准确率低等问题,提出基于YOLOX的轻量级改进型目标检测模型与算法。在结构网络设计中,基于细节偏向特征金字塔网络,提出能充分利用浅层细节信息、关注重要通道特征且能高效传递浅层网络的... 鉴于光学遥感影像下目标检测易出现定位差、检测准确率低等问题,提出基于YOLOX的轻量级改进型目标检测模型与算法。在结构网络设计中,基于细节偏向特征金字塔网络,提出能充分利用浅层细节信息、关注重要通道特征且能高效传递浅层网络的定位信息和边缘特征的同步特征融合网络;在检测头部分,通过结合高分辨率检测头对小目标检测的优势以及检测头对增强边界框回归任务的需要,将检测头改进为回归增强和特征增强检测头,解决因小目标语义信息缺失导致漏检的问题,提高边界框回归的推理能力。通过建立改进型SIoU损失函数关注边界框间距离和形状差异,提高目标定位精度。基于遥感数据集DIOR和RSOD的比较性实验结果表明,所提模型不仅在参数量相对较少的情形下回归损失较小,而且对不同尺寸下目标的检测精度高。 展开更多
关键词 yolox 注意力机制 目标检测 特征融合 遥感图像
在线阅读 下载PDF
基于改进YOLOX-S视觉检测算法的轨道交通车辆自动识别研究
5
作者 邢国栋 刘东凯 刘晓龙 《机械设计与制造工程》 2026年第2期102-106,共5页
提出了一种基于改进YOLOX-S视觉检测算法的轨道交通车辆自动识别方法,通过优化网络结构和学习率策略,基于梯度差自适应学习率对YOLOX-S视觉检测算法进行改进,引入注意力机制和Transformer模块,增强YOLOX-S视觉检测算法对轨道交通车辆复... 提出了一种基于改进YOLOX-S视觉检测算法的轨道交通车辆自动识别方法,通过优化网络结构和学习率策略,基于梯度差自适应学习率对YOLOX-S视觉检测算法进行改进,引入注意力机制和Transformer模块,增强YOLOX-S视觉检测算法对轨道交通车辆复杂特征的捕捉能力。实验结果表明,改进后的YOLOX-S视觉检测算法其检测精度均值达93.20%,算法体积减小至15 MB,检测速度提升至28.90帧/s,检测延迟减至80.90 ms,为轨道交通车辆智能化监测和管理提供了技术支持。 展开更多
关键词 yolox-S视觉检测算法 算法压缩 轨道交通 车辆自动识别 视觉检测
在线阅读 下载PDF
基于改进YOLOX的无人机航拍图像密集小目标车辆检测 被引量：5
6
作者 张河山 范梦伟 +3 位作者 谭鑫 郑展骥 寇立明 徐进 《吉林大学学报(工学版)》 北大核心 2025年第4期1307-1318,共12页
针对无人机航拍视角下对小目标的检测仍存在漏检现象严重、检测精度低等问题,提出一种改进的YOLOX网络,用于无人机航拍图像的检测。为了增强网络的特征学习能力,在特征融合部分引入自适应空间特征融合(ASFF)模块,并在网络的颈部(Neck)... 针对无人机航拍视角下对小目标的检测仍存在漏检现象严重、检测精度低等问题,提出一种改进的YOLOX网络,用于无人机航拍图像的检测。为了增强网络的特征学习能力,在特征融合部分引入自适应空间特征融合(ASFF)模块,并在网络的颈部(Neck)嵌入坐标注意力机制(CA)。为了加强网络对正样本的学习,将二元交叉熵损失函数替换为变焦距损失函数。实验结果表明:改进后的YOLOX网络具有更好的检测效能,其mAP@50和mAP@50_95分别达到了91.50%和79.65%。在多种交通场景下的可视化结果表明:相较于其他算法,优化后的网络具有更低的漏检率以及更高的检测精度,能够胜任小目标车辆的检测任务,可为高空视角下的车辆多目标跟踪应用提供参考。 展开更多
关键词 交通运输系统工程 小目标车辆检测 损失函数 坐标注意力机制 自适应空间特征融合 yolox
原文传递
基于改进YOLOX和导纳控制的机械臂食品分拣方法 被引量：1
7
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YOLOX的QFN芯片表面缺陷检测技术研究 被引量：2
8
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的隧道火灾检测算法
9
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
面向焊缝控制的自动焊接机窄间隙焊接轨迹YOLOX-s纵向跟踪技术
10
作者 胡石 王旭升 常宽 《河南工程学院学报(自然科学版)》 2025年第4期45-49,共5页
自动焊接机受加工工件和自身因素影响会出现不同程度的振动,使得焊枪偏离期望焊缝轨迹,出现较大焊缝。为此,提出面向焊缝控制的自动焊接机窄间隙焊接轨迹YOLOX-s纵向跟踪技术。首先,根据焊接道数、焊接次序、焊枪偏移量建立焊道轨迹坐标... 自动焊接机受加工工件和自身因素影响会出现不同程度的振动,使得焊枪偏离期望焊缝轨迹,出现较大焊缝。为此,提出面向焊缝控制的自动焊接机窄间隙焊接轨迹YOLOX-s纵向跟踪技术。首先,根据焊接道数、焊接次序、焊枪偏移量建立焊道轨迹坐标系;然后,结合YOLOX-s模型,分析窄间隙焊接轨迹在该坐标系中的位置,计算理想焊缝轨迹,将理想焊缝轨迹与窄间隙焊接轨迹的坐标位置差值作为焊缝轨迹误差;最后,利用焊缝估计调控量对该误差进行控制,结合输送速率与输送量完成窄间隙焊接轨迹纵向跟踪。结果表明:采用所提方法得到的焊缝轨迹与期望轨迹的最大跟踪误差小于5 mm,且焊缝轨迹之间的一致性系数达到8以上,可以稳定地控制自动焊接机按照期望焊缝轨迹执行任务。 展开更多
关键词 焊缝控制 自动焊接机 窄间隙焊接 yolox-s模型 纵向跟踪技术
在线阅读 下载PDF
改进YOLOX-m的火焰检测方法研究
11
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
12
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
复杂环境下改进YOLOX的设施黄瓜病害检测方法 被引量：1
13
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-S算法的雾天图像目标检测
14
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
改进YOLOX算法的葡萄病害识别 被引量：1
15
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-FA的油泵组件目标朝向检测算法 被引量：1
16
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
基于改进YOLOx-s的无人机桥梁裂缝检测算法 被引量：2
17
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的轻量级多方向车牌检测算法 被引量：2
18
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
基于改进YOLOx模型的无人机影像城市树种识别 被引量：1
19
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
基于YOLOX—Nano的稻田空心莲子草目标检测方法研究 被引量：1
20
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
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 … 19 下一页 到第 页
使用帮助 返回顶部