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5,083篇文章
< 1 2 … 250 >
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：
基于改进YOLOv8n-pose的巨峰葡萄采摘定位方法
1
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
基于单目视觉和改进YOLOv8-pose模型的篮筐位姿估计方法
2
作者 陈琳 徐震 +3 位作者 张春燕 吉晓升 成松松 黄嘉俊 《华南农业大学学报》 北大核心 2026年第1期106-117,共12页
【目的】当前设施大棚蔬菜采收装筐后的搬运作业仍以人工为主,存在效率低下、劳动强度大等问题,严重制约了农业生产的规模化与智能化发展。开发具备篮筐自主抓取功能的新型农业机器人,是破解该瓶颈、提升农业生产效率的关键技术路径。其... 【目的】当前设施大棚蔬菜采收装筐后的搬运作业仍以人工为主,存在效率低下、劳动强度大等问题,严重制约了农业生产的规模化与智能化发展。开发具备篮筐自主抓取功能的新型农业机器人,是破解该瓶颈、提升农业生产效率的关键技术路径。其中,基于计算机视觉技术实现对篮筐的精准位姿估计,是保障机器人抓取动作稳定可靠的核心前提与技术基础。然而,现有位姿估计方法的准确性与实时性难以满足复杂大棚环境下的实际作业需求,亟待进一步深入研究与优化。【方法】以YOLOv8-pose为基准模型,通过检测篮筐特征点并融合PnP算法估计篮筐位姿。首先,利用单目相机采集各种复杂背景下的篮筐RGB图像并制作成数据集。其次,在YOLOv8-pose模型基础上引入Biformer模块、GAM注意力机制和Focaler_GIoU损失函数,提升模型在复杂背景和遮挡情况下的关键点检测性能。最后,基于篮筐尺寸参数与检测到的关键点二维坐标,利用PnP算法求解篮筐在三维空间中的位姿参数。【结果】试验结果显示,关键点平均精度均值、准确率分别提升3.73、4.31个百分点,定位平均精准度提高了5.20像素,与手动标识的关键点之间的均方根误差为4.45像素。通过分析相机与篮筐距离对位姿估计精度的影响可知,在相机距离篮筐1.7~1.9 m时,位姿估计算法表现出较高的定位精度,表明相机与篮筐的相对距离对位姿估计精度具有重要影响。【结论】本研究提出的方法可为设施大棚场景下的篮筐位姿估计提供低成本、高精度的解决方案,为农业机器人抓取篮筐提供技术支撑。 展开更多
关键词 视觉识别 关键点检测 位姿估计 YOLOv8 农业机器人
在线阅读 下载PDF
基于改进YOLOv8-Pose的番茄整枝关键点检测算法
3
作者 游浩涛 赵东杰 《自动化与仪表》 2026年第1期92-96,共5页
为解决番茄整枝机器人作业时,对番茄整枝关键点在与叶片、主茎颜色相近的环境中识别精度低的问题,提出了一种改进的YOLOv8-Pose番茄整枝机器人操作关键点检测算法。通过对YOLOv8-Pose进行优化,引入CSPHet结构替换原有的C2f结构,从而提... 为解决番茄整枝机器人作业时,对番茄整枝关键点在与叶片、主茎颜色相近的环境中识别精度低的问题,提出了一种改进的YOLOv8-Pose番茄整枝机器人操作关键点检测算法。通过对YOLOv8-Pose进行优化,引入CSPHet结构替换原有的C2f结构,从而提升模型的泛化能力,同时在颈部网络中融合ODConv2d动态卷积模块,并在检测头部采用Pose_SA模块,确保在提升识别精度的同时,有效降低模型参数量。试验结果表明,相比于原始模型,改进后的模型准确率P、召回率R和平均精度均值mAP50分别提升了3.2%、3.6%和1.6%,模型参数量Params和总浮点运算量FLOPs分别下降了0.62和2.8。改进后的模型可为番茄整枝机器人提供关键视觉技术支持,用于有效识别侧枝的切割或折断操作点。 展开更多
关键词 YOLOv8-pose 整枝机器人 关键点检测 番茄整枝
在线阅读 下载PDF
基于改进YOLO v5-pose的群养生猪体尺自动测量方法 被引量：1
4
作者 刘刚 曾雪婷 +3 位作者 刘晓文 李涛 丁向东 米阳 《农业机械学报》 北大核心 2025年第5期455-465,共11页
针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到... 针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到测点相关特征;将Neck层的C3传统模块替换为C3Ghost轻量模块,降低模型参数量和内存占用量;在模型Head层引入DyHead(Dynamic head)目标检测头,提升模型对测点位置的表征能力。结果表明,改进模型的测点检测平均精度均值为92.6%,参数量为6.890×10^(6),内存占用量为14.1 MB,与原始YOLO v5-pose模型相比,平均精度均值增加2.1个百分点,参数量和内存占用量分别减少2.380×10^(5)、0.4 MB。与当前经典模型YOLO v7-pose、YOLO v8-pose、RTMPose(Real-time multi-person pose estimation based on mmpose)和CenterNet相比,该模型的召回率和平均精度均值更优且更轻量化。在2400幅群养生猪图像数据集上进行试验,结果表明,该方法测得体长、体宽、臀宽、体高和臀高的平均绝对误差分别为4.61、5.87、6.03、0.49、0.46 cm,平均相对误差分别为2.69%、11.53%、12.29%、0.90%和0.76%。综上所述,本文方法提高了体尺测点检测精度,降低了模型复杂度,取得了更精确的体尺测量结果,为群养环境下生猪体尺自动测量提供了一种有效的技术手段。 展开更多
关键词 群养生猪 体尺测量 改进YOLO v5-pose 关键点检测 坐标变换
在线阅读 下载PDF
基于改进OpenPose网络的交通警察姿态估计 被引量：1
5
作者 伍锡如 陈麒 《计算机应用与软件》 北大核心 2025年第1期90-95,101,共7页
针对交警姿态估计存在的特征提取困难、实时性差等问题,提出一种改进的OpenPose网络交警姿态估计方法。采用MobileNet作为主干网络进行交警姿态的特征提取,解决模型随层次加深导致网络退化的问题,减少网络的参数量,加速主干网络内部特... 针对交警姿态估计存在的特征提取困难、实时性差等问题,提出一种改进的OpenPose网络交警姿态估计方法。采用MobileNet作为主干网络进行交警姿态的特征提取,解决模型随层次加深导致网络退化的问题,减少网络的参数量,加速主干网络内部特征的计算。通过跳跃连接机制将模型并行结构改进为串并同行结构,实现网络内部参数共享,降低模型的复杂度,提高检测实时性。实验结果表明,改进模型在COCO数据集以及公开交警数据集上分别获得78.9%和74.9%的mAP,检测速度可达25帧/s,为交通警察姿态估计问题提供了一种鲁棒性强、实时性高的实际应用方法。 展开更多
关键词 深度学习 交通警察姿态估计 Openpose MobileNet
在线阅读 下载PDF
基于改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测
6
作者 冯国富 袁林婧 +1 位作者 王文娟 陈明 《渔业现代化》 北大核心 2025年第4期31-43,共13页
准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监... 准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测方法。改进YOLOv8n-pose作为检测器,将BMS模块与C2f模块相结合,使模型充分学习不同尺度特征;使用SPPCSPC模块替换原模型的特征融合模块,优化鱼苗相互遮挡情形下的检测精度;最后用NEMASlideLoss替换原模型损失函数,增强模型的稳定性和对小目标的关注度。在跟踪器部分,基于检测器检测出的目标,结合BoTSORT多目标跟踪算法实现了更适合鱼苗应激时非线性运动监测的方法。最后,提取鱼苗的加速度、摆尾角度和聚集度3种特征进行加权融合,根据融合后的特征值判断鱼苗是否处于应激状态。结果显示,改进后的YOLOv8n-pose算法在目标检测和关键点检测的mAP比原模型分别提高了3.6%和4.5%;BoTSORT算法的MOTA为77.628%、MOTP为80.307%、IDF1为79.573%、IDSW为51,优于DeepSORT、ByteTrack、StrongSORT算法。该研究算法基于特征值的应激行为监测准确率为95.24%,为鱼类苗种培育中应激行为监测提供了新的思路和方法。 展开更多
关键词 鱼苗 YOLOv8n-pose BoTSORT 应激行为监测
在线阅读 下载PDF
基于BMR-YOLO 11n-Pose的藠头关键点识别与分类方法
7
作者 刘浩蓬 杨云潇 +3 位作者 康启新 张国忠 张乐妍 卫佳 《农业机械学报》 北大核心 2025年第11期490-498,共9页
针对藠头形态不规则,在检测过程中存在特征表达失真、外形难以提取等问题,本文提出基于深度学习的多尺度关键点识别与分类方法,可通过识别藠头顶点及横径的两端点提取其外形特征,同时基于决策树算法对藠头尺寸和外形等特征进行准确分类... 针对藠头形态不规则,在检测过程中存在特征表达失真、外形难以提取等问题,本文提出基于深度学习的多尺度关键点识别与分类方法,可通过识别藠头顶点及横径的两端点提取其外形特征,同时基于决策树算法对藠头尺寸和外形等特征进行准确分类。首先以YOLO 11n-Pose为基线模型,在颈部引入双层路由注意力机制(BRA)、特征增强层(MobileNet Variants)和通道混洗的重参数化卷积(RCS),构建了BMR-YOLO 11n-Pose模型。相较于基线模型,本文模型的关键点识别精确率(Pose-P)和检测框识别精确率(Box-P)分别提升0.9、1.9个百分点,其平均精度mAP0.5-0.95提升1.9个百分点。进而基于决策树算法对藠头的外形特征分别进行尺寸分类和弯曲程度分类,其分类模型精确率分别为92.87%和84.72%,相比原基线模型分别增加11.19、8.39个百分点,有效提升了藠头外形特征的分类精度。本研究可为藠头位姿识别和分类作业等应用场景提供理论参考和技术支撑。 展开更多
关键词 藠头识别 目标关键点检测 BMR-YOLO 11n-pose 深度学习
在线阅读 下载PDF
基于改进YOLO v9u-pose的肉牛质量估算方法
8
作者 段青玲 杨丽莎 《农业机械学报》 北大核心 2025年第10期596-605,共10页
在肉牛养殖中,肉牛质量对其生长监测和育种改良具有重要意义。传统的称量方法费时费力,且易造成牛只应激反应。然而,现有的非接触方法易受姿态和复杂背景影响,精度较低,鲁棒性差。为此,本文提出了基于改进YOLO v9u-pose的肉牛质量估算方... 在肉牛养殖中,肉牛质量对其生长监测和育种改良具有重要意义。传统的称量方法费时费力,且易造成牛只应激反应。然而,现有的非接触方法易受姿态和复杂背景影响,精度较低,鲁棒性差。为此,本文提出了基于改进YOLO v9u-pose的肉牛质量估算方法,包括关键点检测和质量估算2个阶段。在关键点检测阶段,以YOLO v9u-pose作为基线网络,利用ODConv(Omni-dimensional dynamic convolution)替换主干网络的普通卷积;采用DySample替换颈部网络的上采样模块;并在与检测头连接的RepNCSPELAN4模块中添加EMA注意力机制(Excitation and modulation attention),进而提高肉牛关键点检测算法精度。在质量估算阶段,利用深度图和局部点云聚类等方法提取体尺特征,并构建基于体尺和PSO-XGBoost(Particle swarm optimization-eXtreme gradient boosting, PSO-XGBoost)的肉牛质量估算算法。在自建的数据集上测试,本文提出的关键点检测算法F1值和平均精度均值(mAP@0.75)分别为97.2%和98.2%,质量估算算法平均绝对百分比误差为3.97%。最终将所提方法部署至开发板,为肉牛智能化养殖提供了技术支持。 展开更多
关键词 肉牛 质量估算 关键点检测 YOLO v9u-pose PSO-XGBoost
在线阅读 下载PDF
基于改进YOLOv8n-Pose的羊只围产期行为识别方法 被引量：1
9
作者 孙思晗 孙小华 +2 位作者 王超 袁万哲 王福顺 《农业工程学报》 北大核心 2025年第12期258-268,共11页
在现代畜牧业中,自动化识别羊只围产期行为能及时发现潜在的健康问题和生产异常,从而有效保障羊只健康、降低出生羊羔死亡率、提升繁殖效益。针对羊只围产期部分行为特征的高度相似以及羊只生产环境中存在复杂光照条件和背景干扰等问题... 在现代畜牧业中,自动化识别羊只围产期行为能及时发现潜在的健康问题和生产异常,从而有效保障羊只健康、降低出生羊羔死亡率、提升繁殖效益。针对羊只围产期部分行为特征的高度相似以及羊只生产环境中存在复杂光照条件和背景干扰等问题,该研究提出了一种改进YOLOv8n-Pose关键点检测模型与BP神经网络相结合的羊只围产期行为识别方法。首先,为提升关键点检测的精度,新增P2检测层,显著增强模型对小尺度特征的捕获能力,为复杂行为的关键点定位提供更精细的支持。其次,针对复杂环境中的特征表达问题,引入多尺度注意力模块(multi-scale attention block,MAB),以动态权重机制强化模型对全局与局部特征的交互建模能力,提升在复杂光照环境下的稳健性和泛化性能。此外,考虑到模型参数量较大导致部署困难,采用基于L1范数的剪枝策略,对优化后的模型进行参数压缩与冗余移除,既有效降低了计算复杂度,又保证了高效性与模型性能的平衡。最后,基于改进模型精准提取12个关键点坐标信息后,结合5个关节角度、2对关键点相对位置以及关键点识别个数,构建包含32个行为特征向量的多维数据集,并将其作为输入传递至BP神经网络进行羊只围产期行为分类。试验结果表明,在自建羊只围产期数据集上,改进的YOLOv8n-Pose模型检测羊只关键点较原模型平均精度值mAP50提升4.6个百分点,m AP50:95提升6.7个百分点。BP神经网络对羊只围产期行为进行分类,其F1分数达到95.7%。研究结果验证基于关键点的识别方法在复杂的围产期行为识别中具有明显优势,为畜牧业智能化管理提供有效的技术支持。 展开更多
关键词 行为识别 YOLOv8n-pose 关键点检测 围产期 BP神经网络
在线阅读 下载PDF
基于改进YOLOv8n-pose的轻量化牛体尺自动测量方法 被引量：1
10
作者 陈相学 郭小燕 +1 位作者 李艳梅 刘畅 《南京农业大学学报》 北大核心 2025年第6期1464-1475,共12页
[目的]牛体尺测量是牛生长发育评估和育种选择的重要步骤。然而传统的人工测量牛体尺的方法费时费力,且容易引起牛的应激反应。为了准确高效、低成本地测量牛育种所需的体尺数据,本研究设计了一种轻量化牛体尺自动测量方法。[方法]基于... [目的]牛体尺测量是牛生长发育评估和育种选择的重要步骤。然而传统的人工测量牛体尺的方法费时费力,且容易引起牛的应激反应。为了准确高效、低成本地测量牛育种所需的体尺数据,本研究设计了一种轻量化牛体尺自动测量方法。[方法]基于牛侧面体尺数据集,提出了一种基于改进YOLOv8n-pose的关键点检测模型,在原基础上引入空间深度转换卷积(space-to-depth convolution,SPD-Conv)模块、CSPPC(cross-stage partial networks and partial convolution)模块和SPPELAN(spatial pyramid pyramid ensemble for lightweight networks)池化模块。利用改进模型自动获取牛身体的鬐甲最高点、前肢地面点、胸基点、鬐甲后缘点、腹底点、腰椎点、十字部点、肩端前缘点、坐骨结节后缘点、前肢左点和前肢右点11个关键点位置。根据坐标转换与体尺公式自动测量出体高、胸深、腹深、十字部高、尻长、体斜长和管围7项牛体尺数据。[结果]在采集的61头牛体尺数据集上进行试验,试验结果表明本文提出的改进模型测量出的牛体尺数据平均相对误差为6.2%,与原模型相比,参数量降低43.8%,计算量下降34.1%,模型尺寸降低41.3%,在保证模型精度的同时提高了轻量化程度。[结论]本研究满足了准确高效、全面与低成本的自动测量牛体尺要求,为牛选育提供了一种新的有效测量方案。 展开更多
关键词 牛体尺测量 牛选育 关键点检测 轻量化模型 YOLOv8n-pose
在线阅读 下载PDF
改进YOLOv8s-Pose多人姿态估计轻量化模型研究 被引量：3
11
作者 傅裕 高树辉 《计算机科学与探索》 北大核心 2025年第3期682-692,共11页
针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并... 针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并传递人体关键点位置,直接融合全面的信息,为后续的层级提供更为丰富和深入的语义信息,提升整体的信息处理深度和广度,强化特征提取的效能,减少模型轻量化后精度降低问题,再将neck层引入加权双向特征金字塔网络,通过双向融合的理念,对自顶向下和自底向上的信息流动路径进行了重新规划,确保在处理不同尺度的特征信息时达到良好的平衡,给网络增加一个小目标检测头,减少对小目标的漏检情况,将CIOU损失函数更换为Focal-EIOU损失函数,以增强对复杂场景和多目标场景下的鲁棒性。实验结果表明,改进后的实验模型参数量降低了9.3%,在COCO2017人体关键点数据集上,与原模型相比mAP@0.50提升了0.4个百分点,mAP@0.50:0.95提升了0.6个百分点。可见,所提出的轻量化改进算法在减少模型参数量的同时,提升了人体姿态估计的算法精度,尤其对小目标检测有显著改善,为实现实时准确的姿态估计提供了有效手段。 展开更多
关键词 姿态估计 YOLOv8s-pose GhostNetV2网络 加权双向特征金字塔网络 损失函数
在线阅读 下载PDF
基于YOLOv8-pose的人体姿态检测模型 被引量：2
12
作者 方晓柯 黄俊 《激光杂志》 北大核心 2025年第3期50-57,共8页
针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFP... 针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFPN模块替换原模型中的特征融合模块,保留小目标信息的同时,融合更多的浅层信息,以提高识别准确度。最后,为了进一步加强对关键部位的捕获和分析能力,引入了SimAM注意力机制,对局部特征进行加权处理。实验结果表明,在CrowdPose数据集上,该算法的检测精度达到了74.5%,比原模型高出了3.3%。与原YOLOv8-pose模型相比,改进后的模型不仅具有更高的检测精度,而且在小目标的识别效果上也有显著的提升。由此可见,改进后的网络能更加精确、有效地应用于多人人体姿态检测。 展开更多
关键词 姿态识别 关节点检测 YOLOv8-pose DCNV2 SimAM
原文传递
基于改进YOLOv8n-Pose的疲劳驾驶检测 被引量：2
13
作者 蔡忠祺 林珊玲 +3 位作者 林坚普 吕珊红 林志贤 郭太良 《液晶与显示》 北大核心 2025年第4期617-629,共13页
针对目前驾驶员疲劳检测算法存在检测过程复杂、参数多、精度低、运行速度慢等问题,提出了一种基于改进YOLOv8n-Pose的轻量级模型。该模型优化了YOLOv8n-Pose的结构。首先,在模型主干网络中,引入Ghost卷积减少模型参数量和不必要的卷积... 针对目前驾驶员疲劳检测算法存在检测过程复杂、参数多、精度低、运行速度慢等问题,提出了一种基于改进YOLOv8n-Pose的轻量级模型。该模型优化了YOLOv8n-Pose的结构。首先,在模型主干网络中,引入Ghost卷积减少模型参数量和不必要的卷积计算。其次,引入Slim-neck融合主干网络提取的不同尺寸特征,加速网络预测计算。同时在颈部网络添加遮挡感知注意力模块(SEAM),强调图像中的人脸区域并弱化背景,改善关键点定位效果。最后,在检测头部分提出一种GNSC-Head结构,引入共享卷积,并将传统卷积的BN层优化成更稳定的GN层,有效节省模型的参数空间和计算资源。实验结果显示,改进后的YOLOv8n-Pose相较于原始算法,mAP@0.5提高了0.9%,参数量和计算量各减少了50%,同时FPS提高了8%,最终的疲劳驾驶识别率达到93.5%。经验证,本文算法在轻量化的同时能够保持较高的检测精度,并且能够有效识别驾驶员状态,为车辆边缘设备的部署提供有力支撑。 展开更多
关键词 疲劳驾驶检测 深度学习 YOLOv8n-pose 轻量化 注意力机制
在线阅读 下载PDF
改进YOLOv8-Pose的钢筋焊接节点识别 被引量：2
14
作者 成彬 张博豪 雷华 《计算机技术与发展》 2025年第2期174-182,共9页
为解决光照不足、复杂路面背景和节点密集情况下钢筋骨架自动焊接成型中节点漏检、焊点位置不精确等难识别问题,借鉴人体姿态估计算法,提出了一种改进YOLOv8n-Pose的钢筋节点识别和焊点检测方法。首先,使用VanillaBlock代替网络中的3... 为解决光照不足、复杂路面背景和节点密集情况下钢筋骨架自动焊接成型中节点漏检、焊点位置不精确等难识别问题,借鉴人体姿态估计算法,提出了一种改进YOLOv8n-Pose的钢筋节点识别和焊点检测方法。首先,使用VanillaBlock代替网络中的3×3下采样卷积,在不降低模型精度的同时减少了模型复杂度;然后,在Neck中的C2f模块中嵌入VanillaBlock,增强多尺度信息融合能力;最后,引入CoT注意力机制,提升在弱光下的节点检测能力。实验结果表明,改进后YOLOv8n-Pose算法mAP 0.5-kp为90.2%,mAP 0.5:0.95-kp为89.5%,相比于原模型均提高了3.7百分点,单张图像平均检测时间为20.9 ms。与HRNet-s、RTMpose-s、YOLOv5n-Pose和YOLOv7t-Pose检测网络相比,mAP 0.5-kp分别提升了3.2百分点、5.0百分点、16.0百分点、13.1百分点。改进YOLOv8n-Pose对背景复杂、光照不足和节点密集等情况具有较高的检测精度,能够满足自动化钢筋骨架焊接成型的实时检测需求。 展开更多
关键词 钢筋焊点检测 CoT注意力机制 VanillaNet YOLOv8-pose 关键点检测 目标检测
在线阅读 下载PDF
融合轻量化YOLOv8-Pose的烟草茎叶角检测算法
15
作者 高坤 李军营 +2 位作者 梁虹 马二登 张宏 《电子测量技术》 北大核心 2025年第13期84-95,共12页
茎叶角检测是烟草表型检测的重要部分,在烟草农业的增产增效和疾病预防方面有重要的意义。针对不同环境下的人工茎叶角检测效率低、周期长、检测不方便等问题,设计并构建了轻量化的烟草茎叶角检测模型FAL-YOLO。该算法构建FAI主干网络... 茎叶角检测是烟草表型检测的重要部分,在烟草农业的增产增效和疾病预防方面有重要的意义。针对不同环境下的人工茎叶角检测效率低、周期长、检测不方便等问题,设计并构建了轻量化的烟草茎叶角检测模型FAL-YOLO。该算法构建FAI主干网络结构来充分减少计算量和特征冗余,增加语义信息的利用效率。构建了融合空间注意力和通道注意力SA注意力模块的SAC检测头模块,进一步减少参数量和增强对茎叶角特征的感知能力。引入GSConv轻量化卷积降低模型复杂度和模型参数量。引入MPD-IoU损失函数来提升改进模型整体性能。采用自建的烟草茎叶角检测数据集,开展FAL-YOLO模型的对比和消融实验。实验结果表明,FAL-YOLO模型在自制数据集上的mAP达到了99.2%,相比YOLOV8-POSE模型在GFLOPs,Params分别降低了56.7%和52%,改进后的模型能够更快更精准的识别烟草植株茎叶角,为烟草农业选种育种智慧化提供支持。 展开更多
关键词 烟草茎叶角检测 主干网络 轻量化 金字塔池化 YOLOv8-pose
原文传递
基于改进YOLOv8n-pose垄作草莓多阶段关键点检测方法
16
作者 戴硕 王震鲁 +2 位作者 白涛 李想 张海峰 《新疆农业科学》 北大核心 2025年第10期2550-2562,共13页
目的准确识别定位不同成熟阶段草莓的采摘点,是采摘机器人实现无损采摘和疏果的关键。方法针对垄作环境下草莓存在复杂背景、大小尺度不一和遮挡情况导致模型精度低的问题,提出基于改进YOLOv8n-Pose垄作草莓多阶段关键点检测方法,在主... 目的准确识别定位不同成熟阶段草莓的采摘点,是采摘机器人实现无损采摘和疏果的关键。方法针对垄作环境下草莓存在复杂背景、大小尺度不一和遮挡情况导致模型精度低的问题,提出基于改进YOLOv8n-Pose垄作草莓多阶段关键点检测方法,在主干网络中引入MSCA注意力模块,增强关键点检测准确性;使用BiFPN加权双向特征金字塔网络替换原始模型的Neck部分,有效传递和融合多尺度特征信息,并减少模型参数量。在数据方面,构建真实垄作环境草莓关键点检测数据集,并进行数据增强。结果改进模型在自建数据集上的平均检测精度达97%,参数量仅为原始模型的76%,模型大小为4.4 M。结论本文提出的检测方法便于在嵌入式设备上部署,适用于复杂环境下草莓多阶段果实的识别和果柄的关键点检测。 展开更多
关键词 垄作草莓 YOLOv8n-pose 关键点检测 多阶段检测 平均精确率 模型消融实验
在线阅读 下载PDF
基于YOLOv8n-Pose关键点特征增强估计算法 被引量：1
17
作者 殷贤涛 胡波 李思照 《无线电通信技术》 北大核心 2025年第5期1025-1035,共11页
现有关键点检测算法在光照变化、人员密集交叉遮挡等情况下,易导致检测精度降低、漏检或关键点检测错位的问题。针对该问题,提出基于YOLOv8n-Pose改进的LBW-YOLOv8n-Pose复杂环境多人人体姿态估计算法。通过在特征提取主干网络的快速空... 现有关键点检测算法在光照变化、人员密集交叉遮挡等情况下,易导致检测精度降低、漏检或关键点检测错位的问题。针对该问题,提出基于YOLOv8n-Pose改进的LBW-YOLOv8n-Pose复杂环境多人人体姿态估计算法。通过在特征提取主干网络的快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)层引入大核可分离注意力(Large Separable Kernel Attention,LSKA),增强图像特征表达能力和感知能力。在颈部网络引入加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)进行重构,提高多尺度特征融合效果,并采用改进的Wise-IoU损失函数,提升模型收敛速度与复杂场景下的鲁棒性。实验结果表明,改进后模型在MS-COCO2017人体关键点数据集上精确率、召回率、平均精度值分别达到85.7%、76.8%、81.7%,相比原模型均有明显提升,且能更精准、有效地检测复杂情况下多人人体关键点信息。 展开更多
关键词 姿态估计 注意力机制 YOLOv8n-pose
在线阅读 下载PDF
基于改进YOLOv8n-Pose的人体关键点检测算法 被引量：3
18
作者 雷亮 陈毅 +4 位作者 刘学涵 赵锦 陈小庆 周华勇 徐山雯 《重庆科技大学学报(自然科学版)》 2025年第1期83-89,共7页
针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特... 针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特征处理,使得检测头的参数量更少、计算量更低。在COCO-Pose数据集上的实验结果表明,改进后的YOLOv8n-Pose模型在保证检测精度提升的同时,使得参数量降低了19.5%、计算量减少了32.6%,从而提高了模型在边缘场景中的适用性。 展开更多
关键词 YOLOv8n-pose算法 深度卷积 上下文导引特征融合 姿态估计
在线阅读 下载PDF
基于改进AlphaPose的人体特征行为识别方法及应用
19
作者 董贇 张希翔 +3 位作者 艾徐华 银源 宁梓宏 李自品 《武汉大学学报(工学版)》 北大核心 2025年第11期1767-1775,共9页
结合电网巡检人员过程评价和监管的实际需求,针对人体行为复杂多变且检测目标尺度差异大等问题,提出一种基于改进AlphaPose的人体特征行为识别方法。该方法首先设计一种分阶段多尺度目标检测网络(改进SRCNN(super-resolution convolutio... 结合电网巡检人员过程评价和监管的实际需求,针对人体行为复杂多变且检测目标尺度差异大等问题,提出一种基于改进AlphaPose的人体特征行为识别方法。该方法首先设计一种分阶段多尺度目标检测网络(改进SRCNN(super-resolution convolutional neural network)+ScaledNet);然后用分阶段多尺度目标检测网络代替AlphaPose中的目标检测模块,并引入参数化姿态非极大值抑制算法,以提高人体姿态估计的速度和精度;最后利用改进人体姿态估计网络(分阶段多尺度目标检测网络+SPPE(single-person pose estimator))进行人体姿态估计获取人体关节点序列图,并设计一种时空图卷积行为识别网络对人体特征行为进行识别。测试结果表明,所设计的分阶段多尺度目标检测网络的精度和速度分别达到90.85%和42.7帧/s;改进的人体姿态估计网络的精度和速度分别达到80.5%和20.3帧/s。应用案例表明,该方法对巡检人员特征行为识别的平均准确率高达94.75%。该方法可广泛应用于电力巡检或其他场景人员作业过程监管等领域。 展开更多
关键词 特征行为识别 多尺度目标检测 人体姿态估计 时空图卷积 巡检过程监管
原文传递
基于RTMPose和PatchTST的帕金森病和特发性震颤的视频鉴别诊断研究
20
作者 彭宇盟 于金泽 +4 位作者 潘隆盛 曾梓敬 袁田 时颖 张政波 《解放军医学院学报》 2025年第7期638-645,共8页
背景帕金森病(Parkinson's disease,PD)与特发性震颤(essential tremor,ET)临床表现相似,当前诊断依赖神经科医师主观量表评估,耗时长且一致性有限。目的 开发一种基于视频分析的智能分类模型,结合深度学习实现PD与ET的高效自动鉴别... 背景帕金森病(Parkinson's disease,PD)与特发性震颤(essential tremor,ET)临床表现相似,当前诊断依赖神经科医师主观量表评估,耗时长且一致性有限。目的 开发一种基于视频分析的智能分类模型,结合深度学习实现PD与ET的高效自动鉴别,为无创诊断提供新思路。方法 纳入2021年11月—2024年1月解放军总医院门诊14例PD患者与63例ET患者,采集其执行3种标准化上肢运动任务(手指指鼻、翻手掌、握拳张开)的1 136段视频。基于MMPose框架的RTMPose模型提取手腕及手指关键点坐标序列,计算位移、速度及加速度等运动学特征,构建包含时空轨迹与统计学特征数据集。以Transformer架构建立PatchTST模型(输入特征序列按时间窗口分块处理,融合全局注意力机制),并与逻辑回归、XGBoost、随机森林、支持向量机、Informer及长短期记忆网络进行对比。结果 PatchTST模型在融合关键点坐标与运动学特征时的平均模型性能最优,其在手指指鼻任务中的准确度最佳(AUC=0.957),3种运动任务的平均AUC达到了0.897。在全部21种模型组合中,仅纳入运动学特征的LSTM模型性能最差,3种运动任务的平均AUC仅为0.691。结论 基于视频的PD与ET智能鉴别诊断方法依托人体姿态估计与深度学习技术,能够高精度、高效率实现无接触的远程诊断,为运动障碍疾病的早期诊断和管理提供参考。 展开更多
关键词 帕金森病 特发性震颤 视频诊断 人体姿态估计 深度学习 Transformer模型 远程医疗
暂未订购
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 … 250 下一页 到第 页
使用帮助 返回顶部