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2篇文章
< 1 >
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YOLOv8+PyQt5的轮胎X光图像缺陷检测系统设计
1
作者 杨海燕 《计算机与网络》 2025年第3期265-274,共10页
为解决传统汽车轮胎缺陷检测主观性强、误检率高等问题,构建了一种基于YOLOv8n的轮胎X光图像缺陷检测方法,利用PyQt5设计缺陷检测系统的交互界面,使操作更加简单。引入上采样算子CARAFE,提高特征提取能力,将C2f特征融合模块替换为可扩... 为解决传统汽车轮胎缺陷检测主观性强、误检率高等问题,构建了一种基于YOLOv8n的轮胎X光图像缺陷检测方法,利用PyQt5设计缺陷检测系统的交互界面,使操作更加简单。引入上采样算子CARAFE,提高特征提取能力,将C2f特征融合模块替换为可扩张残差注意力机制,提高模型对缺陷检测的准确性和鲁棒性,将损失函数CIoU替换为Wise-IoU,增强模型的收敛能力。实验结果表明,与原模型相比,改进模型平均精度均值(IoU阈值取0.5和0.5~0.95)、精度和召回率分别提升了3.0、1.7、4.2、3.9个百分点,可为自动检测提供参考。 展开更多
关键词 yolov8+pyqt5 轮胎缺陷检测 上采样算子 注意力机制 损失函数
在线阅读 下载PDF
基于YOLOv8-DUA的变电站通信机房隐患识别系统设计
2
作者 王旭阳 胡艳茹 《通信与信息技术》 2026年第1期18-24,共7页
为提升变电站通信机房隐患检测能力,本文提出基于YOLOv8-DUA的优化深度学习模型。针对隐患背景相似度高、目标尺度多变及样本不均衡等问题,模型从三方面进行改进:首先,引入DETR技术优化特征提取与检测头,增强小目标检测能力;其次,将主... 为提升变电站通信机房隐患检测能力,本文提出基于YOLOv8-DUA的优化深度学习模型。针对隐患背景相似度高、目标尺度多变及样本不均衡等问题,模型从三方面进行改进:首先,引入DETR技术优化特征提取与检测头,增强小目标检测能力;其次,将主干网络C2f模块升级为C2f-UniRepLKNetBlock,提升特征提取效果与泛化性能;最后,在颈部网络创新融合ASF-YOLO的Attentional Scale Sequence Fusion与DySample,提出DyS-ASF机制以强化多尺度特征融合。经实验验证,优化后模型在机房隐患检测任务中表现显著提升,mAP@0.5达96.4%(较原模型+5.6%),mAP@0.5~0.95提升4.6%,准确率与召回率分别提高4.1%和6.5%。同时开发了基于PyQt5的应用程序,支持图像、视频及摄像头实时检测,有效弥补人工检测疏漏,为变电站通信机房安全运行提供了高效技术保障。 展开更多
关键词 yolov8 目标检测 通信机房 隐患识别 安全稳定 pyqt5
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 下一页 到第 页
使用帮助 返回顶部