基于改进YOLOv11模型的柑橘叶片病害检测

1

作者 杨如强 赵霞 张鑫 《江苏农业学报》 北大核心 2026年第1期99-109,共11页

为提高果园场景下柑橘叶片病害的检测精度,本研究以YOLOv11模型为基准模型,引入GhostHGNetV2网络替换原有的主干网络,利用C3k2_MSEIS模块(C3k2_MutilScaleEdgeInformationSelect)和ADown模块替换原有模型颈部网络的C3k2模块和Conv模块,... 为提高果园场景下柑橘叶片病害的检测精度,本研究以YOLOv11模型为基准模型,引入GhostHGNetV2网络替换原有的主干网络,利用C3k2_MSEIS模块(C3k2_MutilScaleEdgeInformationSelect)和ADown模块替换原有模型颈部网络的C3k2模块和Conv模块,并利用MultiSEAMHead替换原有检测头,以增强模型对小目标的检测能力,实现多尺度特征融合与融合路径优化,提出一种改进的YOLOv11模型——YOLOv11-Citrus,最后利用柑橘园获取的4种常见叶片病害影像对模型的检测性能进行分析。结果表明,改进后的模型YOLOv11-Citrus对柑橘叶片病害的检测精确率、召回率和平均精度均值mAP 50分别比基准模型提高3.4个百分点、1.1个百分点和2.6个百分点。与RE-DETR、YOLOv5、YOLOv8、YOLOv10n等主流模型相比,YOLOv11-Citrus模型对柑橘叶片病害的识别具有更高的检测精确率和平均精度均值mAP 50。本研究结果为柑橘叶片病害的精准识别和有效防治提供了技术支持。 展开更多

关键词 柑橘 病害检测 yolov11模型 特征融合

在线阅读 下载PDF 职称材料

基于YOLOv11s的农作物叶片病虫害检测轻量化模型构建

2

作者 刘鑫 徐露 +2 位作者 孙心灵 肖懿 吴宇辰 《智能感知工程》 2026年第1期27-36,共10页

现代农业的产业化、规模化发展对农作物病虫害检测提出新的要求。传统检测主要采用人工方式,识别效率和准确度较低。为解决上述问题,提出一种基于YOLOv11s的农作物叶片病虫害检测模型,并结合注意力机制与模型量化技术实现高效部署。以... 现代农业的产业化、规模化发展对农作物病虫害检测提出新的要求。传统检测主要采用人工方式,识别效率和准确度较低。为解决上述问题,提出一种基于YOLOv11s的农作物叶片病虫害检测模型,并结合注意力机制与模型量化技术实现高效部署。以叶枯病、灰斑病和锈病三类常见病虫害为研究对象,采用随机旋转、翻转等方式构建包含13770张图像的训练数据集。在YOLOv11s的基础上引入高效多尺度注意力(Efficient Multi-scale Attention,EMA)模块,强化模型的关键特征表达能力,在仅增加8%计算量的条件下使模型mAP50提升至0.749,较原模型提高0.026。采用开放式神经网络交换格式(ONNX)导出并启用自动图优化与FP16半精度量化,利用ONNX Runtime-tools对模型进行INT16静态量化,在CPU运行环境下将模型体积压缩49%(从36.1MB降至18.4MB),单帧推理时间降至105.6ms,精度损失可控。实验结果表明,该模型在保持较高检测精度的同时能够显著降低资源消耗,可有效部署于ARM架构的移动端设备,满足农业现场实时、精准的病虫害识别需求,为智慧农业中的边缘计算应用提供可行的技术方案。 展开更多

关键词 yolov11s 农作物病虫害检测 轻量化模型 EMA 模型量化 ONNX

在线阅读 下载PDF 职称材料

面向发动机叶片缺陷检测的轻量化YOLOv11改进方法研究

3

作者 敖良忠 牟晋仟 《电子测量技术》 北大核心 2025年第20期48-58,共11页

航空发动机叶片的缺陷检测是保障飞行安全的关键技术环节。传统工业内窥镜检测方法严重依赖人工经验,存在效率低、主观性强及微小缺陷易漏检等问题。为此,本文提出一种轻量化、高精度的YOLOv11改进模型,专用于发动机叶片缺陷的实时检测... 航空发动机叶片的缺陷检测是保障飞行安全的关键技术环节。传统工业内窥镜检测方法严重依赖人工经验,存在效率低、主观性强及微小缺陷易漏检等问题。为此,本文提出一种轻量化、高精度的YOLOv11改进模型,专用于发动机叶片缺陷的实时检测任务。研究中采集并构建了包含4类典型缺陷(弯曲、烧蚀、裂纹、材料缺失)在内的高质量工业图像数据集,并针对小目标、复杂背景及多尺度特性,构建CFES主干网络来增强语义信息的整合能力和减少计算量,采用ShuffleNetV2替换原始主干以减轻计算负担,引入BiFormer注意力机制提升特征表达能力,同时结合Dynamic-DCNv3增强检测头对复杂纹理与小尺寸目标的建模能力。实验结果表明,改进模型较基线模型在mAP@0.5提升至85.0%,参数量降低至1.7 M,具备更优的检测性能与边缘部署适应性,最终成功部署于内置芯片为RK3588的工业内窥镜平台,帧数维持在30帧左右,实现了高效、稳定的缺陷自动识别。该研究为航空维修现场的智能检测提供了可行方案,也为轻量化目标检测模型在工业嵌入式场景的应用拓展提供了技术支撑。 展开更多

关键词 航空发动机叶片 缺陷检测 实时目标检测 轻量化模型 yolov11

原文传递

基于YOLOv11-Seg与Transformer模型的刀具磨损多步向前实时预测方法

4

作者 肖御风 张超勇 +2 位作者 赛希亚拉图 孟一帆 朱传军 《中国机械工程》 北大核心 2025年第12期2944-2951,共8页

针对传统刀具磨损预测精度低、泛化能力差、难以实现磨损状态实时预测的问题,提出一种融合YOLOv11-Seg模型与Transformer模型的刀具磨损多步向前实时预测方法。搭建数控机床刀具磨损在机监测实验平台,采用PMC编程实现刀具自动切削和磨... 针对传统刀具磨损预测精度低、泛化能力差、难以实现磨损状态实时预测的问题,提出一种融合YOLOv11-Seg模型与Transformer模型的刀具磨损多步向前实时预测方法。搭建数控机床刀具磨损在机监测实验平台,采用PMC编程实现刀具自动切削和磨损区域自动拍照。采用改进YOLOv11-Seg模型进行刀具磨损量检测,引入CoordAtt坐标注意力机制和Shape-IoU损失函数以提高磨损区域分割的精度。基于刀具磨损时序数据和实时磨损量数据构建改进Transformer多步向前刀具磨损预测(AFTWP)模型,并在改进Transformer模型中引入残差校正机制,提高了MFTWP模型预测的精度和稳定性。采用公开数据集和实验数据集测试改进模型,将结果与传统预测模型进行比较,验证了提出的多步向前实时预测模型的精确性和泛化能力。 展开更多

关键词 刀具磨损监测 多步向前刀具磨损预测 yolov11-Seg模型 Transformer模型

在线阅读 下载PDF 职称材料

基于AIC-YOLOv11n模型的砀山梨多表面缺陷检测方法

5

作者 李成轩 赵春江 +4 位作者 张驰 黄文倩 李佳琪 何鑫 王庆艳 《农业工程学报》 北大核心 2025年第14期320-328,共9页

针对实际应用场景中砀山梨表面缺陷检测实时性要求较高,边缘设备计算能力受限等问题,以提高砀山梨表面缺陷检测精度并对模型进行有效轻量化为前提,该研究提出一种基于改进YOLOv11n的AIC-YOLOv11n模型。首先,在主干网络中引入Adown下采... 针对实际应用场景中砀山梨表面缺陷检测实时性要求较高,边缘设备计算能力受限等问题,以提高砀山梨表面缺陷检测精度并对模型进行有效轻量化为前提,该研究提出一种基于改进YOLOv11n的AIC-YOLOv11n模型。首先,在主干网络中引入Adown下采样模块,减少模型浮点计算量和参数量提高网络提取特征能力;其次,使用融合了倒置残差块注意力机制(inverted residual mobile block,iRMB)的C2PSA-iRMB模块替换原主干网络中的C2PSA模块,在保持模型轻量的同时捕捉和利用长距离依赖;然后,将原模型的颈部结构替换为跨尺度特征融合模块(cross-scale feature fusion module,CFFM)融合不同尺度特征以提高模型对小尺度对象的检测能力。试验结果表明,采用AIC-YOLOv11n模型能够对砀山梨的多种类表面缺陷进行有效检测,在测试集上的精确度为92.5%,召回率为87.5%,平均精度均值mAP_(0.5)和mAP_(0.50~0.95)分别为92.7%和70.5%,相较于原YOLOv11n模型分别提高0.3、5.5、5.1、2.4个百分点;模型浮点计算量为4.3 G,参数量为1.46 M,模型大小为3.11 MB,分别相较于原模型下降31.7%、43.4%、40.5%;最大显存占用量为4.83 GB,帧率为120.1帧/s,计算资源占用少且推理速度满足表面缺陷检测实时性要求。研究结果可为砀山梨表面缺陷在线检测提供模型参考。 展开更多

关键词 砀山梨 机器视觉 缺陷检测 yolov11 轻量化 注意力机制 模型部署

在线阅读 下载PDF 职称材料

基于改进YOLOv11的牙齿疾病检测算法

6

作者 贾庆强 柴春来 +1 位作者 吴霁航 胡文豪 《计算机应用》 北大核心 2025年第S2期293-298,共6页

现有的目标检测模型应用于牙齿疾病检测时,模型性能受到多类牙齿病症影像表现各异、影像形态复杂及遮挡等因素的影响。针对上述问题,提出基于YOLOv11的改进算法。首先,设计混合专家(MoE)模块选择性地激活局部专家网络,在维持计算效率的... 现有的目标检测模型应用于牙齿疾病检测时,模型性能受到多类牙齿病症影像表现各异、影像形态复杂及遮挡等因素的影响。针对上述问题,提出基于YOLOv11的改进算法。首先,设计混合专家(MoE)模块选择性地激活局部专家网络,在维持计算效率的前提下显著提升模型容量(参数量提升34%),增强对病灶纹理和形态等细粒度特征的区分能力;其次,引入级联注意力(CGA)强化不同层次特征之间的交互和融合,提升遮挡场景下的病灶定位鲁棒性;最后,使用指数移动平均滑动损失(EMASlideLoss)替换原有损失函数,利用EMA平滑策略动态调整损失权重,从而改善小目标疾病区域检测易受无关背景影响的现状。DXPD数据集上的实验结果表明,所提算法拥有更优秀的牙齿疾病检测能力,在精确率、召回率、mAP@50和mAP@50:95这4项指标上分别达到65.5%、61.3%、60.2%和28.9%,比原始YOLOv11模型分别提升了3.5、8.3、8.8与6.7个百分点。 展开更多

关键词 yolov11 牙齿疾病检测 混合专家模型 级联注意力机制 指数移动平均滑动损失

在线阅读 下载PDF 职称材料

基于深度学习算法的光伏热斑故障检测方法

7

作者 张智勇 《农村电气化》 2026年第1期19-22,共4页

针对现有光伏热斑故障检测方法对小尺度缺陷识别精度不足、实时性差等问题,本研究提出一种基于深度学习算法的光伏热斑故障检测方法,旨在提升光伏板热斑故障的检测准确率与推理速度。通过引入YOLOv8以及YOLOv11算法,解决其他图像识别模... 针对现有光伏热斑故障检测方法对小尺度缺陷识别精度不足、实时性差等问题,本研究提出一种基于深度学习算法的光伏热斑故障检测方法,旨在提升光伏板热斑故障的检测准确率与推理速度。通过引入YOLOv8以及YOLOv11算法,解决其他图像识别模型在低分辨率和小物体任务中的性能瓶颈,实验建立包含典型热斑故障的光伏红外图像数据集。通过模型训练、现场部署验证,结果表明,在光伏组件热斑故障检测的小目标检测任务中,测试集YOLOv8、YOLOv11模型的平均精度(mAP)分别达到94%、99%以上,其中YOLOv11n较YOLOv5n,YOLOv9t分别提升7.1与8.8百分点,在模型大小推理速度上具备一定优势,适合组件热斑故障检测场景。 展开更多

关键词 光伏热斑 故障检测 深度学习模型 YOLOv8 yolov11

在线阅读 下载PDF 职称材料

基于线性可变形卷积的煤矿输送带异物检测算法研究

8

作者 王瑞 司蕊 +1 位作者 郝朝瑜 元永国 《矿业研究与开发》 北大核心 2025年第11期258-265,共8页

针对煤矿输送带上的异物因形状特殊、特征不明显,导致现有机器视觉方法无法有效检测出异物的问题,提出了改进YOLOv11模型。首先,采用线性可变形卷积构建C3k2-LDC特征提取模块,使模型具备对不规则形状异物的特征提取能力;然后,引入边缘... 针对煤矿输送带上的异物因形状特殊、特征不明显,导致现有机器视觉方法无法有效检测出异物的问题,提出了改进YOLOv11模型。首先,采用线性可变形卷积构建C3k2-LDC特征提取模块,使模型具备对不规则形状异物的特征提取能力;然后,引入边缘增强模块,采用多尺度特征融合策略,有效强化了弱特征异物的边缘信息;最后,提出基于WIoU的损失函数优化方案,减少低质量数据样本对训练的影响。通过消融试验、对比试验、热力图及可视化分析,验证改进YOLOv11模型的有效性及鲁棒性。结果表明:改进YOLOv11模型的mAP50为90.2%,相比RT-DETR、EfficientDet-D2、YOLOv8n、YOLOv11s模型分别提升了4.0,9.1,7.4,5.7个百分点;轻量化方面,改进YOLOv11模型的浮点计算量和参数量分别为6.8×10^(9)、2.6×10^(6),检测速度为127帧/s,可在保证检测精度的基础上实现实时异物检测任务;相比原模型,改进模型对复杂异物特征的关注度更高,具有良好的鲁棒性。研究结果可为矿山安全管理提供技术支撑。 展开更多

关键词 输送带 异物检测 深度学习 线性可变形卷积 改进yolov11模型

原文传递

面向公共场所敏感目标与人体异常行为协同识别网络

9

作者 孟琪翔 高志霖 +2 位作者 王劲滔 寇旗旗 卜凡亮 《光电工程》 北大核心 2025年第8期126-147,共22页

为解决多任务识别任务模型参数量大、计算成本高、定位能力差、识别精度低等突出问题,设计轻量化协同识别网络LightYOLOv11s。在主干网络与颈部,提出基于坐标注意力机制的多尺度卷积模块CAConv,捕获多尺寸目标特征,通过注意力机制强化... 为解决多任务识别任务模型参数量大、计算成本高、定位能力差、识别精度低等突出问题,设计轻量化协同识别网络LightYOLOv11s。在主干网络与颈部,提出基于坐标注意力机制的多尺度卷积模块CAConv,捕获多尺寸目标特征,通过注意力机制强化语义信息理解,提高定位精度;向网络头部Detect和Pose模块传递颈部特征融合数据,确保模型在共享特征提取信息基础上,目标与人体行为解耦输出,实现高效协同识别;设计联合损失函数,根据图像中目标与人体行为数量动态调整权重参数,平衡两类任务识别精度。模型训练后,引入自适应通道剪枝算法(layer-adaptive magnitude-based pruning,LAMP),删除冗余信息,精简网络结构;同时,结合通道级知识蒸馏(CWD),对教师网络通道激活图归一化处理,使学生网络精准学习教师网络关键特征,优化模型预测。实验结果表明:LightYOLOv11s在F1-score、mAP@0.5、模型参数量、计算开销四项指标上均有优化。在目标检测任务中,对比基线YOLOv11s,F1-score、mAP@0.5依次增长2.62%、3.48%,参数量下降53.92%、计算开销降低55.78%。在人体行为识别中,参考基线YOLOv11sPose,F1-score、mAP@0.5依次提升9.66%、9.97%,参数量降低55.25%、计算开销下降57.74%。在精简网络结构同时,LightYOLOv11s实现更为精准的目标检测与人体行为协同识别,满足轻量化部署需要。边缘设备部署选择NPU、GPU、CPU集群架构开展实验研究,并与autodl服务器平台测试结果对比,证实移动端设备在识别精度、推理速度、便携性部署、移动电源能量存储多环节具有显著优势。 展开更多

关键词 目标检测 行为识别 模型剪枝 知识蒸馏 便携式部署 yolov11

在线阅读 下载PDF 职称材料

基于轴承热通量的高速电梯曳引机主轴智能监测方法研究

10

作者 苏万斌 吕焕培 +3 位作者 吴民忠 张国斌 徐正平 江叶峰 《机械与电子》 2025年第12期73-80,共8页

针对高速电梯曳引机主轴变形监测问题,提出了一种基于轴承热通量的主轴监测方法。首先通过构建高速电梯曳引机主轴数字模型,分析研究了主轴弯曲变形对轴承瞬时最大通量的影响,并获取了曳引机主轴不同变形量和转速下的热通量值。其次通... 针对高速电梯曳引机主轴变形监测问题,提出了一种基于轴承热通量的主轴监测方法。首先通过构建高速电梯曳引机主轴数字模型,分析研究了主轴弯曲变形对轴承瞬时最大通量的影响,并获取了曳引机主轴不同变形量和转速下的热通量值。其次通过应用小波变换和YOLOv11模型,构建了基于轴承瞬时最大热通量的主轴运行实时监测模型,实现了对曳引机主轴弯曲变形情况实时有效的监测,确保高速电梯曳引机主轴的安全稳定运行。 展开更多

关键词 高速电梯曳引机主轴 数字模型 轴承热通量 小波变换 yolov11

在线阅读 下载PDF 职称材料

基于YOLO-LTD的轻量化温室番茄成熟度检测

11

作者 李全武 杨贝贝 +1 位作者 梅俸铜 唐源 《中国瓜菜》 北大核心 2025年第11期52-64,共13页

针对番茄果实成熟度检测中复杂背景和尺度变化引发的漏检与误检问题,以及现有方法在效率和部署上的局限性,提出一种基于YOLO-LTD的轻量化温室番茄成熟度检测算法。该模型以YOLOv11-n为基线,通过在主干网络中引入交叉注意力模块,减弱叶... 针对番茄果实成熟度检测中复杂背景和尺度变化引发的漏检与误检问题,以及现有方法在效率和部署上的局限性,提出一种基于YOLO-LTD的轻量化温室番茄成熟度检测算法。该模型以YOLOv11-n为基线,通过在主干网络中引入交叉注意力模块,减弱叶片、枝干和果实间的遮挡对检测精度的干扰,增强对关键区域的特征提取能力;在颈部网络中采用轻量化的GSConv模块替代标准卷积,在保持网络特征表达能力的同时,优化网络结构的计算效率,减少模型的参数量和计算复杂度;在头部网络中嵌入自适应空间特征融合模块,以缓解不同尺度特征间的不一致性问题,进一步提升模型的鲁棒性和泛化能力。试验结果表明,YOLO-LTD在平均精度均值(mAP)、召回率R和精度P上分别达到94.23%、95.44%和92.07%,推理时间为7.21ms,模型大小仅为5.18Mb。与YOLOv11-n相比,mAP、召回率和准确率分别提升2.50、2.80和1.60百分点,同时具备更高的效率和更小的模型尺寸。与Mask R-CNN、FasterR-CNN及YOLO系列模型相比,YOLO-LTD在精度与效率上均具有优势,展现出在温室环境中广泛应用的潜力,为果园产量估算、作物生长监测、种植管理优化及番茄采摘机器人开发提供了理论依据和技术支持。 展开更多

关键词 番茄 成熟度检测 YOLO-LTD yolov11 GSConv 注意力机制 自适应空间特征融合 轻量化

在线阅读 下载PDF 职称材料

YOLOv11-CoordAttention轻量化烟叶目标检测模型

12

作者 张千子 朱云聪 +7 位作者 杜啟霞 赵文军 李丽华 李学明 邓邵文 王剑松 高云才 曹静 《湖北农业科学》 2026年第1期152-158,共7页

为提升YOLOv11模型在烟叶智能分级目标检测任务中的性能,解决资源受限环境下烟叶目标检测的准确性和时效性问题,提出一种轻量级的YOLOv11-CoordAttention烟叶目标检测模型。通过对比不同主干网络、卷积模块及注意力机制对模型精度与速... 为提升YOLOv11模型在烟叶智能分级目标检测任务中的性能,解决资源受限环境下烟叶目标检测的准确性和时效性问题,提出一种轻量级的YOLOv11-CoordAttention烟叶目标检测模型。通过对比不同主干网络、卷积模块及注意力机制对模型精度与速度的影响,评估各组件的有效性。在此基础上设立消融试验,以探究优化组合的实际效果,从而全面揭示模型在实际应用中的性能表现。结果表明,YOLOv11-CoordAttention模型在烟叶目标检测任务中具有更优的综合性能,其精确率为100%,召回率为99.4%,F1分数为99.7%,mAP50为99.5%,模型大小为5.2 MB,参数量为2.3×10^(6),计算量为6.3×10^(9),帧率为198.2帧/s。相较于YOLOv11模型,YOLOv11-CoordAttention模型的精确率提升1.2个百分点,平均精度均值提升0.1个百分点。YOLOv11-CoordAttention模型的训练过程稳定有效,表现出色。训练集和验证集的各项损失均随训练轮次增加稳步下降并趋于收敛,表明模型学习过程充分且未出现过拟合。在性能指标方面,该模型的精确率与召回率均保持高位,实现高精度与低漏检率;mAP50与mAP50-95指标俱佳,表明其检测能力强大且鲁棒性高。YOLOv11-CoordAttention模型兼具轻量、高效与精准的优势,可在资源受限设备上稳定运行,胜任复杂场景下的烟叶检测任务。 展开更多

关键词 yolov11-CoordAttention 轻量化 烟叶 目标检测模型

在线阅读 下载PDF 职称材料

面向化工安全巡检的多目标工况检测算法研究

13

作者 周梦 王利恒 《自动化与仪表》 2026年第3期51-55,60,共6页

化工安全巡检任务中,针对多类目标工况的检测,存在目标形状复杂、目标差异大、背景环境复杂等问题。该文提出融合特征增强的多目标检测模型与动态适配策略,在提升检测精度的同时满足实时性要求。以YOLOv11为基线,通过C3k2-C模块替换及引... 化工安全巡检任务中,针对多类目标工况的检测,存在目标形状复杂、目标差异大、背景环境复杂等问题。该文提出融合特征增强的多目标检测模型与动态适配策略,在提升检测精度的同时满足实时性要求。以YOLOv11为基线,通过C3k2-C模块替换及引入D_CBAM注意力机制增强特征提取能力,使模型mAP@0.5较基线提升4.2%;针对不同目标特征设计专项优化:管道区集成DySnakeConv模块适配细长结构;储罐区改用自定义损失函数cs_loss优化定位精度;反应釜区新增P2检测头优化小目标检测能力。结合分类引导的动态模型选择策略实现“场景-模型”精准匹配,最终整体mAP@0.5达81.2%、mAP@0.5-0.95达41.3%,较YOLOv11n分别提升13.5%和5.1%,且保持88 FPS,对比其他算法表现出了良好的性能。 展开更多

关键词 化工安全巡检 动态模型选择 实时目标检测 yolov11

在线阅读 下载PDF 职称材料