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2,489篇文章
< 1 2 … 125 >
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-MI软枣猕猴桃小目标果实识别和定位方法
1
作者 葛宜元 李奥 +3 位作者 孟庆祥 刘德江 梁秋艳 马浏轩 《农机化研究》 北大核心 2026年第4期249-257,共9页
软枣猕猴桃营养价值丰富,但由于果实小、分布密集且易受逆光影响等问题导致在自动化采摘过程中果实识别和定位精度低,严重影响采摘效率。为此,提出了一种基于YOLOv8网络结构的YOLOv8-MI软枣猕猴桃目标检测方法。对YOLOv8进行优化,主干... 软枣猕猴桃营养价值丰富,但由于果实小、分布密集且易受逆光影响等问题导致在自动化采摘过程中果实识别和定位精度低,严重影响采摘效率。为此,提出了一种基于YOLOv8网络结构的YOLOv8-MI软枣猕猴桃目标检测方法。对YOLOv8进行优化,主干网络中引入CBIM增强型空间金字塔池化模块,提升对软枣猕猴桃果实关键特征的提取能力;在颈部网络中使用Bi-FPN模块并增加小目标检测层,增强多尺度特征融合效果和小目标检测精度;在头部网络中引入MPDIoU-I损失函数动态调整学习速率,用以捕捉小目标的特征,提升果实在密集遮挡和逆光情况下的识别精度。优化结果表明:YOLOv8-MI的精确率、召回率、平均精度分别提高了8.60、7.50、6.86个百分点,模型权重仅增加了1.65 MB。在密集遮挡和逆光情况下,模型的精确率、召回率、平均精度分别提高了10.20、8.70、7.72个百分点。基于YOLOv8-MI的识别结果,运用SGBM-CL定位算法得出采摘点坐标,与人工标定数据对比,X、Y、Z方向的定位误差分别为9.09、5.98、6.10 mm,可以满足采摘精度需求。进一步对果实进行识别定位验证,系统总体识别成功率达88%,准确定位率达82%,具有较强的实用性与可靠性。 展开更多
关键词 软枣猕猴桃 小目标果实 识别定位 逆光补偿 密集遮挡 yolov8-MI
在线阅读 下载PDF
基于改进YOLOv8小麦田间杂草检测方法研究
2
作者 石琳 郭攀 刘志兵 《中国农机化学报》 北大核心 2026年第1期128-132,共5页
为实现智能化小麦田间杂草管理,提出一种基于改进YOLOv8小麦田间杂草检测方法。建立小麦田间杂草数据集进行模型训练、验证和测试,将C2f与全维动态卷积(ODConv)融合形成C2f—ODConv结构,以增强模型对杂草特征的提取能力;在检测头部分加... 为实现智能化小麦田间杂草管理,提出一种基于改进YOLOv8小麦田间杂草检测方法。建立小麦田间杂草数据集进行模型训练、验证和测试,将C2f与全维动态卷积(ODConv)融合形成C2f—ODConv结构,以增强模型对杂草特征的提取能力;在检测头部分加入3组SimAM注意力模块,提升模型对杂草特征的关注度;采用Inner—IoU损失函数优化模型的回归性能。结果表明,改进模型的精确率为77.48%,召回率为66.45%,平均精度均值为72.37%,相比于原YOLOv8模型分别提升3.66%、4.08%、3.15%,能够满足实际应用中对杂草检测精确度的要求。为小麦田间杂草智能检测提供技术支持,为精准农业和可持续杂草管理提供新思路。 展开更多
关键词 小麦 田间杂草 智能化除草 yolov8
在线阅读 下载PDF
基于改进YOLOv8的遥感影像变电站目标识别
3
作者 刘润杰 许慧娜 +2 位作者 胡宇 王一 谢国钧 《郑州大学学报(工学版)》 北大核心 2026年第1期33-40,共8页
针对现有研究多集中于变电站局部结构检测而缺乏大区域快速发现与动态监测的问题,通过高分辨率卫星影像实现变电站的高效识别,提升电网安全隐患排查能力。首先构建了基于高分辨率光学卫星影像的变电站目标检测样本库;随后提出改进的YOL... 针对现有研究多集中于变电站局部结构检测而缺乏大区域快速发现与动态监测的问题,通过高分辨率卫星影像实现变电站的高效识别,提升电网安全隐患排查能力。首先构建了基于高分辨率光学卫星影像的变电站目标检测样本库;随后提出改进的YOLOv8算法,在骨干网络中嵌入SimAM轻量级注意力模块以增强细部特征聚焦能力,并将颈部结构替换为Efficient-RepGFPN,结合DySample动态上采样模块设计新型颈部结构GDFPN,以解决多层级特征语义错位问题。实验结果表明:改进方法优于主流检测算法,mAP 75和mAP 50-95分别提升至96.8%和87.1%,验证了其在变电站检测任务中的优越性。所提出的改进YOLOv8方法可有效支持大区域变电站的快速发现与动态监测,为电网安全管理提供了可靠的技术支撑。 展开更多
关键词 yolov8 遥感影像 目标检测 变电站 注意力机制
在线阅读 下载PDF
基于改进YOLOv8的森林火灾检测方法研究
4
作者 雷建云 田祚汉 +1 位作者 夏梦 雷瑞璠 《中南民族大学学报(自然科学版)》 2026年第1期97-105,共9页
针对森林火灾检测对实时性要求较高的问题,提出了一种基于改进YOLOv8的森林火灾检测方法 .在YOLOv8的基础上,采用轻量化特征提取网络EfficientNet优化YOLOv8原主干网络CSPDarknet53,以减少计算量并提高模型的收敛速度,进而提高火灾检测... 针对森林火灾检测对实时性要求较高的问题,提出了一种基于改进YOLOv8的森林火灾检测方法 .在YOLOv8的基础上,采用轻量化特征提取网络EfficientNet优化YOLOv8原主干网络CSPDarknet53,以减少计算量并提高模型的收敛速度,进而提高火灾检测速度.此外,融入了SENet注意力机制模块,以增强网络对火灾检测的准确性.使用α-IoU损失函数代替YOLOv8原始损失函数中的CIoU损失函数来计算定位损失,该函数能够自适应地调整IoU的阈值,更好地处理不同大小和形状的目标,同时提高模型对小目标的检测性能.结果表明:该方法的平均准确率(mA@0.5P)达到了87.2%,帧率(FPS)提升了17帧,显著提高了火灾检测的实时性. 展开更多
关键词 深度学习 yolov8模型 森林火灾检测 实时性
在线阅读 下载PDF
基于改进YOLOv8的葡萄叶病害检测轻量化算法研究
5
作者 杨增锟 姜宏 章翔峰 《农机化研究》 北大核心 2026年第4期181-188,共8页
针对葡萄叶病害识别算法中精度与检测速度难以平衡的问题,提出一种基于改进YOLOv8的轻量化检测算法YOLO-UCES。首先,YOLO-UCES引入通用倒置卷积融合模块(C2f_UIB),替换原模型的C2f模块,通过多分支特征处理与轻量化卷积操作实现高效的特... 针对葡萄叶病害识别算法中精度与检测速度难以平衡的问题,提出一种基于改进YOLOv8的轻量化检测算法YOLO-UCES。首先,YOLO-UCES引入通用倒置卷积融合模块(C2f_UIB),替换原模型的C2f模块,通过多分支特征处理与轻量化卷积操作实现高效的特征提取与融合,增强对小目标的检测能力;其次,算法采用高效跨尺度特征融合网络结构(CCFM),替换原颈部网络,进行跨通道信息整合,促进多尺度融合;再次,在主干网络中增加高效多头注意力机制(EMA),降低计算复杂度的同时实现全局特征的建模和显著性增强,进一步增强对目标的检测能力;最后,替换原模型的检测头为融合自注意力机制的探头(Detect_SA),在保持高效计算的同时实现空间信息的有效保留与特征增强。试验结果表明:YOLO-UCES模型的准确率达到92.0%,平均精度达到93.1%。模型参数量和浮点数计算量分别降低至1.34×10^(6)和4.1 G,检测速度提升至84 f/s。与原YOLOv8模型相比,改进后的模型在准确率上提高2.6个百分点,平均精度提升0.9个百分点,参数量和计算量分别降低55.5%和49.4%,检测速度提高7 f/s。综上所述,YOLO-UCES能够很好地解决检测精度与检测速度难以平衡的问题。 展开更多
关键词 葡萄叶病害 目标检测 轻量化 yolov8
在线阅读 下载PDF
基于YOLOv8的轻量化机收小麦杂质检测方法
6
作者 钱锐 赵丽清 +3 位作者 殷元元 刘闯 夏俊杰 张京科 《中国农机化学报》 北大核心 2026年第1期73-78,86,共7页
为实现小麦杂质的高效检测,提出一种基于YOLOv8的轻量化小麦杂质检测方法。首先,为减少卷积过程中的运算量,将Backbone中的C2f模块替换为引入部分卷积(PConv)的CPC模块。然后,引入高级筛选特征融合金字塔网络(HS—FPN),用于解决秸秆和... 为实现小麦杂质的高效检测,提出一种基于YOLOv8的轻量化小麦杂质检测方法。首先,为减少卷积过程中的运算量,将Backbone中的C2f模块替换为引入部分卷积(PConv)的CPC模块。然后,引入高级筛选特征融合金字塔网络(HS—FPN),用于解决秸秆和麦穗这两类杂质的尺度差异的问题。最后,将CIoU替换为EIoU,以获得更加真实的预测框并加快模型收敛速度。结果表明,改进YOLOv8模型的精确率、召回率和平均精度均值分别为94.8%、94.5%和98.5%,相比于原始基础网络YOLOv8n,模型权重减少47.71%,精确率、召回率和平均精度均值分别提升1.6%、0.9%和1.1%。与YOLOv5、YOLOv7和YOLOv7—Tiny相比,改进YOLOv8模型内存占用最少,仅为3.1 MB,平均精度均值分别提升1.8%、1.9%和1.1%。 展开更多
关键词 小麦杂质 yolov8 轻量化模型 部分卷积 HS—FPN
在线阅读 下载PDF
苹果成熟度轻量化实时检测模型GCA-YOLOv8n的设计与实现
7
作者 祁鹏程 袁杰 +3 位作者 加尔肯别克 宋成 张宁宁 朱力 《华南农业大学学报》 北大核心 2026年第1期128-138,共11页
【目的】解决苹果成熟度传统检测模型过大、推理速度慢、检测精度低等问题。【方法】构建基于改进YOLOv8n的轻量化实时检测模型GCA-YOLOv8n。首先,引入C3Ghost模块替换原模型的C2f模块,实现模型轻量化、提高模型推理速度;其次,引入Ghost... 【目的】解决苹果成熟度传统检测模型过大、推理速度慢、检测精度低等问题。【方法】构建基于改进YOLOv8n的轻量化实时检测模型GCA-YOLOv8n。首先,引入C3Ghost模块替换原模型的C2f模块,实现模型轻量化、提高模型推理速度;其次,引入GhostConv模块替换原模型的Conv,帮助卷积层更有效地提取信息、减少冗余;最后,将ACmix注意力机制添加到原模型结构中,提高模型的特征提取能力和检测精度。将GCA-YOLOv8n模型应用于苹果成熟度检测试验。【结果】结果表明,GCA-YOLOv8n模型的参数量、浮点运算数、权重文件大小分别为2.0×10^(6)、5.7×10^(9)、4.4 MB,与YOLOv8n相比分别降低33.1%、29.6%、30.2%;推理速度为130.8帧/s,与YOLOv8n相比提高21.5%;平均精度均值和F1分别为89.2%和82.5%,模型具有较高的检测精度和推理速度。【结论】研究构建的GCA-YOLOv8n模型在保证检测精度的同时显著降低了模型复杂度与计算量,实现了轻量化与高效性。模型具备较高的实时检测性能,可在边缘计算设备(含移动端)上稳定运行,为自动化采摘提供技术支持。 展开更多
关键词 目标检测 苹果成熟度 yolov8n 轻量化模型 推理速度
在线阅读 下载PDF
基于改进YOLOv8的SAR图像舰船目标检测算法研究
8
作者 罗雨婷 杨维明 +2 位作者 武书博 徐泽 潘能源 《现代电子技术》 北大核心 2026年第3期1-7,共7页
针对合成孔径雷达图像舰船目标检测算法在精度、计算效率和模型复杂度之间难以兼顾等问题,提出一种基于改进YOLOv8的SAR图像舰船目标检测算法。首先,在Head部分增加一个P2检测头,提高对小尺度目标的检测能力;其次,在C2f模块中引入增强... 针对合成孔径雷达图像舰船目标检测算法在精度、计算效率和模型复杂度之间难以兼顾等问题,提出一种基于改进YOLOv8的SAR图像舰船目标检测算法。首先,在Head部分增加一个P2检测头,提高对小尺度目标的检测能力;其次,在C2f模块中引入增强的多尺度通道感知结构,以增强特征表达能力并优化多尺度目标检测效果;同时,在检测头前增加卷积注意力模块,提升模型对关键特征的关注度;此外,采用Ghost轻量化卷积以减少计算量,提高模型推理速度。在HRSID上的实验结果显示:相较于原始YOLOv8,改进后的算法在SAR图像舰船目标检测平均精度均值(mAP)上提升了2.8%、召回率(R)提升了4.2%,检测速度(FPS)提高了27.1 f/s、计算量GFLOPs降低了25.17%。与RCSA-YOLO相比,虽然计算量略微增加,但文中算法的mAP值高出4.7%,准确率也高于RCSA-YOLO;与其他算法相比,文中算法在保证较高检测精度的情况下大幅降低了模型参数量和计算量,提高了检测效率。实验结果表明,改进后的YOLOv8算法较好地兼顾了检测精度、检测效率和模型复杂度,对复杂背景下的SAR小尺度舰船检测具有较高的实用价值,可为海上监视与港口安防等实时应用提供支持。 展开更多
关键词 合成孔径雷达 yolov8 舰船目标检测 增强的多尺度通道感知 卷积注意力模块 模型轻量化
在线阅读 下载PDF
基于改进YOLOv8模型的冬小麦穗识别技术
9
作者 宫志宏 闫锦涛 +3 位作者 于红 刘涛 刘布春 李树岩 《中国农业气象》 2026年第1期133-142,共10页
针对大田环境中麦穗目标较小、分布稠密及重叠遮挡等问题,以无人机拍摄冬小麦为研究对象,基于YOLOv8模型提出一种改进的冬小麦穗检测方法,在Neck(颈部网络)增加SimAM注意力机制,融合GhostNetV2模块至Neck的C2f模块中,在增强空间和通道... 针对大田环境中麦穗目标较小、分布稠密及重叠遮挡等问题,以无人机拍摄冬小麦为研究对象,基于YOLOv8模型提出一种改进的冬小麦穗检测方法,在Neck(颈部网络)增加SimAM注意力机制,融合GhostNetV2模块至Neck的C2f模块中,在增强空间和通道特征表达能力、保证特征融合效率的基础上实现了模型轻量化,使得检测网络更适应复杂的大田环境下麦穗检测,同时,设置输入图像分辨率为1280px×1280px,最大限度地保留麦穗图像中关键特征信息。结果表明:改进后的YOLOv8模型平均精度和F1分数分别为93.1%和90.5%,权重文件仅占18.3MB,参数量9.4M,平均精度和F1分数较标准YOLOv8提高0.5个和0.8个百分点,权重文件大小和参数量分别降低3.3MB和1.7M,模型更加轻量化,整体性能优于原始YOLOv8模型,实现了复杂环境下小目标、高重叠度的麦穗数量检测。 展开更多
关键词 麦穗 yolov8 模型轻量化 目标检测 注意力机制
在线阅读 下载PDF
基于改进YOLOv8的飞机蒙皮缺陷检测算法
10
作者 章东平 王杼涛 +2 位作者 夏岳键 徐云超 林丽莉 《北京航空航天大学学报》 北大核心 2026年第1期38-48,共11页
为解决传统飞机蒙皮缺陷检测依靠人眼观察时,因人眼容易疲劳和个体认知有限导致效率降低的问题,提出一种基于改进YOLOv8的飞机蒙皮缺陷检测算法。对数据增强方式进行改进,提出一种切片推理+马赛克的数据增强方法;集成残差块到特征提取网... 为解决传统飞机蒙皮缺陷检测依靠人眼观察时,因人眼容易疲劳和个体认知有限导致效率降低的问题,提出一种基于改进YOLOv8的飞机蒙皮缺陷检测算法。对数据增强方式进行改进,提出一种切片推理+马赛克的数据增强方法;集成残差块到特征提取网络,增强网络表达能力的同时,提高模型在飞机蒙皮缺陷检测任务中的精度;应用三分支注意力模块改进特征融合网络,减少小目标样本的误检率和漏检率;优化检测头结构,使网络能够更好地将浅层信息与深度信息有效结合。实验结果表明:相比于YOLOv8算法,改进算法在飞机蒙皮缺陷数据集上的平均精度均值(mAP)和查全率分别提高了3.6%和3.7%,在公开数据集VOC2007上的平均精度均值和查全率提高了2.9%和2.2%。 展开更多
关键词 yolov8算法 表面缺陷检测 数据增强 目标检测 注意力机制
原文传递
基于改进YOLOv8n-pose的巨峰葡萄采摘定位方法
11
作者 陈馨 吴子炜 +1 位作者 周素茵 夏芳 《华南农业大学学报》 北大核心 2026年第1期118-127,共10页
【目的】对巨峰葡萄进行精准高效地采摘定位,以有效降低果实损伤。【方法】提出一种基于改进YOLOv8n-pose的葡萄采摘定位方法。首先,利用改进YOLOv8n-pose检测葡萄果梗和顶部易损果粒的关键点,基于关键点的坐标构建果实上界位姿的表征向... 【目的】对巨峰葡萄进行精准高效地采摘定位,以有效降低果实损伤。【方法】提出一种基于改进YOLOv8n-pose的葡萄采摘定位方法。首先,利用改进YOLOv8n-pose检测葡萄果梗和顶部易损果粒的关键点,基于关键点的坐标构建果实上界位姿的表征向量;然后,利用此向量计算出最优采摘角度;最后,通过将采摘点与采摘角协同,确定最佳采摘位置。【结果】试验结果表明,改进后YOLOv8n-pose的P、R、mAP@0.50、mAP@0.50~0.95较原模型分别提升了1.7、0.7、0.9、1.7个百分点,较YOLOv12s-pose分别提升了0.4、0.1、0.6、2.7个百分点,同时模型参数量比YOLOv8n-pose减少了5.8%。应用本文方法的葡萄采摘定位成功率为90.8%,相较于不使用采摘角的定位方法,提升了9.2个百分点。【结论】研究为巨峰葡萄采摘机器人提供了一种低损定位方法。 展开更多
关键词 巨峰葡萄 yolov8-pose 关键点检测 采摘定位 采摘角度
在线阅读 下载PDF
基于YOLOv8的甜菜苗间除草作物识别研究
12
作者 郭洪才 庄卫东 +1 位作者 秦韬 杨效雪 《农机化研究》 北大核心 2026年第2期156-164,242,共10页
针对甜菜苗间除草中杂草种类多、杂草识别率低,以及农田复杂场景下检测难度高、杂草与作物形态相似导致的误检率高等问题,提出了一种改进YOLOv8算法实现对甜菜苗的识别,核心思想是将识别出的甜菜苗与杂草进行区分,便于甜菜苗间除草。通... 针对甜菜苗间除草中杂草种类多、杂草识别率低,以及农田复杂场景下检测难度高、杂草与作物形态相似导致的误检率高等问题,提出了一种改进YOLOv8算法实现对甜菜苗的识别,核心思想是将识别出的甜菜苗与杂草进行区分,便于甜菜苗间除草。通过自主构建包含多生长阶段、多环境光照条件下的甜菜苗样本数据集,采用自适应图像增强策略与迁移学习方法优化模型特征提取能力。具体方法如下:在YOLOv8网络Backbone部分引入了一种新的轻量级卷积技术GSConv,以减轻模型体积并保持准确性;添加CBAM注意力机制,来提高YOLOv8对小目标、相似目标和复杂环境的适应能力;设计Slim-Neck(细颈结构)来替换传统的Neck网络结构,通过结构重设计和计算优化,在保持精度的同时显著提升推理速度;用WIoU损失函数替换传统的CIoU损失函数,提高样本关注度和模型鲁棒性。试验表明:改进后的模型与原模型相比,准确率、召回率、mAP@0.5和mAP@0.5∶0.95分别提升3.096%、1.444%、2.450%和2.743%,模型内存降低到6.00 MB。改进后的模型可以准确且快速识别出复杂背景环境下的甜菜苗,为甜菜苗间除草提供技术支撑。 展开更多
关键词 甜菜苗间除草 作物识别 目标检测 深度学习 yolov8 注意力机制
在线阅读 下载PDF
基于改进YOLOv8n的黄瓜叶片病害识别
13
作者 卢彦梅 陈明东 +3 位作者 史宇亮 王家胜 刘晓童 胡鹏翔 《中国农机化学报》 北大核心 2026年第2期94-100,107,共8页
为快速准确地检测出复杂自然环境下的黄瓜叶片病害目标,针对不同天气、角度、方向以及距离等因素造成黄瓜叶片图像识别准确率低的问题,构建黄瓜叶片数据集图像6620幅,种类包括霜霉病、白粉病、晚疫病及正常叶片,并基于YOLOv8n模型提出AK... 为快速准确地检测出复杂自然环境下的黄瓜叶片病害目标,针对不同天气、角度、方向以及距离等因素造成黄瓜叶片图像识别准确率低的问题,构建黄瓜叶片数据集图像6620幅,种类包括霜霉病、白粉病、晚疫病及正常叶片,并基于YOLOv8n模型提出AKGAM—YOLOv8模型。在Bottleneck网络层中引入可变核卷积AKConv,降低模型参数与计算开销,使原模型更加轻量化。在此基础上,使用特征融合网络BiFPN与注意力机制GAM,在不降低检测速度的同时提高模型对细小特征的提取能力。更改原模型损失函数为WIoU损失函数,梯度下降速度和收敛后损失值比原模型有优势。试验结果表明,改进后模型的黄瓜叶片病害识别精确率为97.21%,模型权重为13.22 MB,与原模型相比,模型权重缩小为基线网络的56.42%,精确率提升1.71%,平均精度均值提升3.04%,满足黄瓜叶片病害实时检测的要求,并可为复杂自然环境下的农作物病害识别检测提供理论依据。 展开更多
关键词 黄瓜叶片病害 目标检测 yolov8n 轻量化 AKConv卷积 注意力机制
在线阅读 下载PDF
改进YOLOv8n的无人机航拍目标检测算法
14
作者 曲文龙 陈勇 《现代电子技术》 北大核心 2026年第1期77-85,共9页
针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高... 针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高改进算法特征提取的能力;其次设计EMBSFPN模块对颈部进行优化,实现小目标信息的跨尺度连接和特征融合,通过更换上采样模块使得算法能够在保证一定效果的同时保持高效性;最后使用DyHead代替原检测头进而引入注意力机制以提升小目标检测的精度。在VisDrone2019数据集上的实验结果表明,DERF-YOLO的mAP@0.5、mAP@0.5:0.95分别达到了30.9%和17.7%,相比于YOLOv8n算法分别提高了4.0%和2.7%,参数量和浮点运算量分别为2.94×10~6和9.6 GFLOPs,参数量相比于原始算法降低了2%,运算量仅仅增加了18%。该算法的精度高于其他同类算法,且满足监测需求,可以有效地应用于无人机航拍平台上的目标检测任务。 展开更多
关键词 yolov8n 密集目标检测 C2f-RFCBAMConv 跨尺度连接 特征融合 注意力机制
在线阅读 下载PDF
基于UW-YOLOv8的水下模糊小目标检测算法
15
作者 宋凯忠 李海涛 张俊虎 《计算机测量与控制》 2026年第1期24-32,共9页
针对水下目标模糊问题,提出了一种基于改进的YOLOv8的水下目标检测算法UW-YOLOv8;该算法引入了EfficientNetV1作为主干网络,EfficientNetV1通过均衡地缩放网络的深度、宽度和分辨率,提高了特征提取能力;在颈部增加了HAT注意力机制,HAT... 针对水下目标模糊问题,提出了一种基于改进的YOLOv8的水下目标检测算法UW-YOLOv8;该算法引入了EfficientNetV1作为主干网络,EfficientNetV1通过均衡地缩放网络的深度、宽度和分辨率,提高了特征提取能力;在颈部增加了HAT注意力机制,HAT结合了通道注意力机制,增强了像素间的关系和特征交互,有效处理低分辨率水下图像;通过方法ASFF创新的检测头,并结合额外增加的小目标检测层,实现了不同层级特征图特征的融合,从而更细致提取小目标的特征,提高了模型对小尺度目标的检测精度;通过在URPC2020数据集上挑选的6 000张模糊图片的实验结果表明,UW-YOLOv8相对于YOLOv8的mAP50和mAP50~95分别提升了2.8%和3%。 展开更多
关键词 水下模糊小目标 yolov8 EfficientNetV1 HAT ASFF
在线阅读 下载PDF
基于YOLOv8n的水下小目标检测方法
16
作者 梁俊华 许鹏 蔡燕 《电子设计工程》 2026年第2期19-25,共7页
为了在水下机器算力有限的条件下,更好地应对目标漏检与误检风险,对YOLOv8n进行了针对性改进,提出了一种高效且轻量的检测方法。利用RFAConv优化主干网络,增强模型提取目标特征的能力。引入ASF策略,提升颈部网络整合小目标特征的效果。... 为了在水下机器算力有限的条件下,更好地应对目标漏检与误检风险,对YOLOv8n进行了针对性改进,提出了一种高效且轻量的检测方法。利用RFAConv优化主干网络,增强模型提取目标特征的能力。引入ASF策略,提升颈部网络整合小目标特征的效果。将改进的RSFF融入颈部网络,实现模型的轻量化。联合HetConv和iAFF重构了瓶颈层。相较于基线模型,该方法的权重文件、参数量、浮点数运算量分别减少了31.7%、37.5%、18.5%,且mAP50、mAP50-95在DUO数据集上分别提高了3.5%和2.8%,在轻量化与检测精度之间实现了更优的平衡。 展开更多
关键词 yolov8n 水下检测 小目标 轻量化
在线阅读 下载PDF
基于改进YOLOv8的安全帽佩戴检测算法
17
作者 谢敏怡 蒋作 +2 位作者 万学俊 赵周洲 潘文林 《软件导刊》 2026年第1期172-183,共12页
针对工地安全帽检测中难以识别被遮挡目标和存在密集小目标的问题,提出一种基于改进YOLOv8的工地安全帽实时检测算法。首先,在特征提取网络中使用RVBS模块替换部分Conv模块,通过多分支结构和无信息损失的下采样操作提升了网络的特征提... 针对工地安全帽检测中难以识别被遮挡目标和存在密集小目标的问题,提出一种基于改进YOLOv8的工地安全帽实时检测算法。首先,在特征提取网络中使用RVBS模块替换部分Conv模块,通过多分支结构和无信息损失的下采样操作提升了网络的特征提取能力,有助于密集小目标的检测;其次,采用RepNCSPELAN4模块代替特征融合网络中所有的C2f模块,使模型能更有效地融合浅层与深层特征,从而改善被遮挡目标的检测效果;再次,新增小目标检测层以进一步融合多尺度特征,提升对小目标的检测能力;最后,使用WIoU v1损失函数代替原始的CIoU损失函数,加速模型收敛并提高回归精度。实验结果表明,改进后的YOLOv8算法在SHWD数据集上的mAP@0.5和mAP@0.5:0.95分别比原算法提高了2.8%和3.2%,每张图片检测用时为25.7 ms。与其他主流算法相比,改进算法的mAP@0.5最高。所提算法能有效检测密集遮挡小目标,具有较高的应用价值。 展开更多
关键词 yolov8 安全帽 目标检测 RVBS 小目标检测层 RepNCSPELAN4 WIoU v1
在线阅读 下载PDF
使用YOLOv8-OD和DeepSORT的车辆跟踪算法
18
作者 童源 费树岷 《聊城大学学报(自然科学版)》 2026年第1期24-31,共8页
为解决传统多目标跟踪算法在检测和跟踪精度及鲁棒性方面存在的不足,提出一种基于Tracking-By-Detection模式的新方法,用于车流量检测。该方法运用YOLOv8目标检测算法实现了对车辆目标的快速定位与识别,并整合了一种改进的基于深度学习... 为解决传统多目标跟踪算法在检测和跟踪精度及鲁棒性方面存在的不足,提出一种基于Tracking-By-Detection模式的新方法,用于车流量检测。该方法运用YOLOv8目标检测算法实现了对车辆目标的快速定位与识别,并整合了一种改进的基于深度学习的DeepSORT多目标跟踪算法,从而确保了对车辆的精准实时跟踪和计数。实验结果显示,该方法在快速移动车辆的检测与复杂光照环境中表现出较高精度,平均精度达到94.7%。这种端到端的方法在车辆视频的批处理应用中表现出良好的可行性和有效性。 展开更多
关键词 yolov8 DeepSORT 深度学习 车辆跟踪
在线阅读 下载PDF
基于改进YOLOv8的布匹缺陷识别模型
19
作者 许冬玲 庞爱民 《计算机应用文摘》 2026年第2期84-86,共3页
针对布匹缺陷形态复杂、不规则且小目标识别困难的问题,文章提出一种基于YOLOv8改进的MVYOLOv8m模型。通过引入可变形卷积增强对不规则缺陷特征的适应性,结合Mobile-ViT模块以提升对长距离依赖关系的特征建模能力。在包含9类缺陷(共480... 针对布匹缺陷形态复杂、不规则且小目标识别困难的问题,文章提出一种基于YOLOv8改进的MVYOLOv8m模型。通过引入可变形卷积增强对不规则缺陷特征的适应性,结合Mobile-ViT模块以提升对长距离依赖关系的特征建模能力。在包含9类缺陷(共4806张图像)的数据集上进行实验,MVYOLOv8m模型在精确率(0.96)、召回率(0.94)、mAP@0.5(0.92)及mAP@0.5:0.95(0.63)方面均优于当前主流检测模型。消融实验进一步表明,在两模块协同作用下,mAP@0.5:0.95提升达12.5%。该研究为工业布匹缺陷检测任务提供了一种高效可靠的解决方案。 展开更多
关键词 目标检测 布匹缺陷 yolov8 可变形卷积 Mobile-ViT
在线阅读 下载PDF
一种改进YOLOv8模型在复杂道路场景下交通标志识别应用
20
作者 江跃龙 张华 唐鹤芳 《科技与创新》 2026年第1期6-9,共4页
在自动驾驶和智能交通系统中,准确识别复杂道路场景中的交通标志至关重要。提出了一种改进的YOLOv8模型,专门设计用于提高这一场景下的交通标志识别精度和鲁棒性。该模型通过集成特征金字塔网络、深度可分离卷积技术,并采用Focal Loss... 在自动驾驶和智能交通系统中,准确识别复杂道路场景中的交通标志至关重要。提出了一种改进的YOLOv8模型,专门设计用于提高这一场景下的交通标志识别精度和鲁棒性。该模型通过集成特征金字塔网络、深度可分离卷积技术,并采用Focal Loss来解决类别不平衡问题,实现了性能上的显著提升。在CCTSDB2021数据集上经过200个epochs(轮次)的训练,模型不仅保持了高准确率,其中所有类别的Precision(精确率)为97%,Recall(召回率)为95%,mAP_(50)(IoU为0.5时模型的平均精度)接近99%,而mAP_(50-95)(IoU为0.50~0.95时模型的平均精度)保持在78%以上,结果验证了改进模型在实际应用中的有效性,并为自动驾驶和智能交通系统提供了有力的技术支撑。 展开更多
关键词 yolov8 交通标志识别 复杂道路场景 深度学习
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 … 125 下一页 到第 页
使用帮助 返回顶部