-
题名基于YOLOv7的井盖病害图像检测系统研究
- 1
-
-
作者
蔡东吟
陈运雄
-
机构
广东白云学院智能制造工程学院
-
出处
《农业装备与车辆工程》
2025年第5期128-131,共4页
-
基金
2024年度广东白云学院校级自然科学类一般项目“基于YOLOv7的井盖病害图像检测系统方法研究”(2024BYKY01)。
-
文摘
针对复杂环境下井盖病害难以检测的问题,提出了基于YOLOv7的井盖病害图像检测系统。首先,通过对井盖病害图像进行正确的分类与标注,为检测网络构建训练数据集。然后,搭建基于深度可分离卷积的YOLOv7骨干网络,对井盖病害图像进行特征提取并降低网络参数;通过特征金字塔对不同层次的特征进行融合,提升井盖病害图像的特征提取能力。最后,利用Pyqt5框架搭建井盖病害检测系统,并将训练好的YOLOv7网络进行系统性能测试。结果表明,该设计可以实现井盖病害图像检测任务。
-
关键词
yolov7
井盖病害
图像检测
Pyqt5框架
-
Keywords
yolov7
manhole cover diseases
image detection
Pyqt5 framework
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv7-tiny的钢材表面缺陷检测模型
- 2
-
-
作者
陈蒋哲
张鹏伟
陈景霞
高祎亦
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《软件工程》
2025年第5期32-37,共6页
-
基金
国家自然科学基金项目(61806118)
陕西科技大学博士科研启动基金项目(2020BJ-30)。
-
文摘
针对钢材表面缺陷检测模型普遍存在的复杂度高、检测精度低的问题,提出一种改进YOLOv7-tiny的钢材表面缺陷检测模型,即MDD-YOLO(Mixed Dynamic-head Deformable-YOLO)。首先,在模型的特征融合部分引入混合局部通道注意力机制(Mixed Local Channel Attention,MLCA),用于提取通道信息、空间信息、局部通道信息以及全局通道信息;其次,利用动态头部框架(Dynamic Head,Dyhead)提升模型目标检测头的表达能力;最后,在主干网络中采用可变形卷积网络(Deformable ConvNets,DCN),有效地提高了模型的特征提取能力。实验结果显示,所提模型的均值平均精度达到了80.1%,较原模型提升了4.3%,并且模型参数量仅约为6.2 M,证明了所提改进方法的有效性。
-
关键词
钢材表面
缺陷检测
yolov7-tiny
混合局部通道注意力
可变形卷积网络
动态头部框架
-
Keywords
steel surface
defect detection
yolov7-tiny
mixed local channel attention
deformable convolutional networks
dynamic head framework
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双分支特征融合的跨模态行人检测算法
- 3
-
-
作者
陈广秋
张桐森
段锦
黄丹丹
-
机构
长春理工大学电子信息工程学院
-
出处
《华中科技大学学报(自然科学版)》
北大核心
2025年第3期14-22,共9页
-
基金
国家自然科学基金资助项目(62127813)。
-
文摘
针对目前普遍采用的可见光单光谱行人检测容易受到环境和光照的影响,当在夜晚和复杂环境下,以及在检测被遮挡和小尺度目标时,都会出现检测结果偏差大或漏检的现象,提出了一种基于双分支特征融合的跨模态行人检测算法.在YOLOv7框架内将主干网络改进为双主干结构,分别提取可见光图像和红外图像特征信息,并设计差分交叉融合模块(DCF)融合两种模态特征,对融合特征进行训练学习,利用检测网络实现各类行人检测.为了提升检测精度,在双主干网络中添加了注意力机制SeNet模块;为了提升检测效率,设计了轻量化ELAN-G和ELAN-WT模块替换原网络中的对应模块.实验结果表明:本文算法检测精度优秀,同时满足实时性需求.
-
关键词
多模态深度学习
特征融合
行人检测
跨模态
yolov7框架
-
Keywords
multimodal deep learnin
feature fusion
pedestrian detection
cross-modal
yolov7 framework
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
