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1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改进的EFCW-YOLO高精度木材缺陷检测模型
1
作者 朱一凡 《数字技术与应用》 2025年第6期186-190,共5页
本文提出了一种基于YOLOv8改进的EFCWYOLO模型,针对木材缺陷检测精度低、效率不足等实际问题进行优化。通过引入Focal Modulation Networks模块、ECA注意力机制、C2fCIB模块和Wise-IoU损失函数,显著提升了检测精度和效率。实验结果表明,... 本文提出了一种基于YOLOv8改进的EFCWYOLO模型,针对木材缺陷检测精度低、效率不足等实际问题进行优化。通过引入Focal Modulation Networks模块、ECA注意力机制、C2fCIB模块和Wise-IoU损失函数,显著提升了检测精度和效率。实验结果表明,EFCW-YOLO模型实现了90.3%的mAP50和84.9%的召回率,均优于YOLOv7、YOLOv8n、YOLOv10n和YOLOv11n等主流模型。在泛化性测试实验中,模型进一步取得了97%的mAP50和93.4%的召回率,展现出优异的泛化能力。由此可见,该模型为木材加工行业提供了一种高效、准确的自动化检测方案,提升了生产效率和市场竞争力,具有重要的应用价值,可有效增强企业的生产效能与市场竞争力。 展开更多
关键词 focal modulation networks YOLOv8
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