基于改进YOLOv8n的快递包裹缺陷检测方法研究

1

作者 杨慧敏 高小雯 +1 位作者 李瑞涛 王汉霞 《电子测量技术》 北大核心 2026年第3期66-76,共11页

为解决快递包裹缺陷检测中对复杂包裹类型和细节特征的识别能力有限,以及现有模型在精度和实时性方面的不足,提出一种基于改进YOLOv8n的快递包裹缺陷检测算法。首先,将网络中的C2f模块融合频率自适应空洞卷积设计了C2f-FADC模块,在处理... 为解决快递包裹缺陷检测中对复杂包裹类型和细节特征的识别能力有限,以及现有模型在精度和实时性方面的不足,提出一种基于改进YOLOv8n的快递包裹缺陷检测算法。首先,将网络中的C2f模块融合频率自适应空洞卷积设计了C2f-FADC模块,在处理多尺度、多频率缺陷检测任务时灵活调整,优化特征提取过程和提高表征能力;其次,引入SimSPPF模块替代原有SPPF模块,简化结构的同时增强多尺度特征融合能力,改善对小尺寸目标的感知效果;最后,将边界框回归损失函数替换为Shape-IoU,以更精准地建模预测框与GT框之间的形状与尺度差异,优化检测定位性能。在自制的包裹缺陷数据集上,改进后的算法检测精度为96.3%,与原算法相比mAP50提高了4.4%,检测速度达到98帧,综合考量较其他算法具有明显优势,验证了该方法的有效性和优越性。 展开更多

关键词 缺陷检测 快递包裹 YOLOv8n 频率自适应空洞卷积(FADC) SimSPPF shape-iou

原文传递

改进YOLOv7-tiny的施工现场安全衣帽穿戴检测算法

2

作者 张震 张晨稳 +2 位作者 张俊杰 裴胜利 王文娟 《郑州大学学报(工学版)》 北大核心 2026年第2期1-8,共8页

针对当前施工现场安全衣帽穿戴检测算法在复杂背景、弱光环境及目标遮挡情况下的抗干扰能力不足,导致检测精度低、漏检率高及误检现象频繁等问题,提出了一种改进YOLOv7-tiny的施工现场安全衣帽穿戴检测算法。首先,在特征提取区域引入EM... 针对当前施工现场安全衣帽穿戴检测算法在复杂背景、弱光环境及目标遮挡情况下的抗干扰能力不足,导致检测精度低、漏检率高及误检现象频繁等问题,提出了一种改进YOLOv7-tiny的施工现场安全衣帽穿戴检测算法。首先,在特征提取区域引入EMA注意力机制增强网络特征提取能力,弱化复杂背景干扰;其次,在特征融合部分插入RFEM模块提升网络感受野,获取更广泛的上下文信息,增强对小目标的感知能力;最后,采用Shape-IoU替换IoU边界回归损失函数,提升检测准确性。实验结果表明:改进模型在自制数据集上的mAP@0.5达到90.4%,相比原模型提高3.0百分点;帧率达到了93帧/s,模型参数量仅为6.1×10^(6)。相比YOLOv8s、YOLOv9s等模型,所提算法在检测精度、速度和模型轻量化方面更具优势,适合施工现场的实时检测应用。 展开更多

关键词 YOLOv7-tiny 注意力机制 RFEM shape-iou 安全衣帽检测

在线阅读 下载PDF 职称材料

基于改进YOLOv8n模型的隧道裂缝检测算法研究

3

作者 王微 逯洋 《现代信息科技》 2026年第3期57-62,共6页

随着隧道结构的不断老化,隧道裂缝检测对于保障隧道安全运行具有重要意义。针对隧道极低照度、低对比度、高噪声的环境特点,该研究提出了一种基于改进YOLOv8n模型的隧道裂缝检测方法。首先,在骨干网络中引入注意力机制模块,以增强模型... 随着隧道结构的不断老化,隧道裂缝检测对于保障隧道安全运行具有重要意义。针对隧道极低照度、低对比度、高噪声的环境特点,该研究提出了一种基于改进YOLOv8n模型的隧道裂缝检测方法。首先,在骨干网络中引入注意力机制模块,以增强模型的特征提取能力和对关键信息的关注,减少无关背景的影响,提高神经网络的鲁棒性。其次,针对裂缝复杂的形状变化,在neck端结构中添加可变形卷积模块DCNv2,以灵活处理不同尺度的目标,提升检测精度。最后,引入Shape-IoU损失函数,促进更精确的目标定位,提高整体检测效率和准确性。实验表明,改进后的模型在平均精度均值(mAP)和F1-score上分别达到了0.919和0.860,相较于原YOLOv8n模型分别提升了2.57%和3.61%,能够有效满足隧道裂缝检测的实际需求。 展开更多

关键词 YOLOv8 隧道裂缝识别 注意力机制 可变形卷积 shape-iou

在线阅读 下载PDF 职称材料

基于RT-DETR改进的幼桃识别模型

4

作者 张云建 陈红明 +4 位作者 杨晓刚 杨灿鹏 王学睿 黄中豪 杨琳琳 《山东农业科学》 北大核心 2026年第3期160-170,共11页

针对自然环境下未成熟桃子识别存在与周围环境颜色相似、光照不均及枝叶遮挡等问题,本研究以RT-DETR-R18为基础模型进行改进,提出一种幼桃检测模型FREDC-RTDETR。通过将RT-DETR-R18骨干网络中的BasicBlock替换为Faster NetBlock、结合Re... 针对自然环境下未成熟桃子识别存在与周围环境颜色相似、光照不均及枝叶遮挡等问题,本研究以RT-DETR-R18为基础模型进行改进,提出一种幼桃检测模型FREDC-RTDETR。通过将RT-DETR-R18骨干网络中的BasicBlock替换为Faster NetBlock、结合RepConv重参数化技术、引入EMA注意力机制,设计新的骨干网络FRE Block,在降低参数量的同时提高模型特征提取能力;在颈部网络中,用基于可学习位置编码的AIFI-LPE替代原AIFI模块,解决注意力偏移的问题,同时采用DySample动态上采样以及重新设计的CG block Down下采样算子,优化上下采样过程;此外,使用Shape-IoU损失函数,增强模型对图像细节的捕捉能力。实验结果显示,在自建数据集上,改进后的模型均值平均精度达到96.1%,召回率达到91.9%,精确率达到97.6%,相比原模型分别提高了2.4、2.7、2.5个百分点。可见,本研究提出的模型在复杂背景下表现出较好的鲁棒性和精确度,可为果树早期产量预测以及绿色果实识别提供参考。 展开更多

关键词 幼桃识别 RT-DETR FRE Block AIFI-LPE模块 DySample动态上采样 CG block Down下采样 shape-iou损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8模型的输电线路绝缘子缺陷检测

5

作者 葛孚迪 丁云飞 《上海电机学院学报》 2026年第1期7-11,51,共6页

针对绝缘子缺陷检测中小目标识别困难的问题,为提高输电线路绝缘子缺陷检测精度,本文提出了一种改进YOLOv8模型的输电线路绝缘子缺陷检测方法。通过将CIoU损失函数替换为Focaler-Shape-IoU,有效提升了模型检测性能。其中,Shape-IoU关注... 针对绝缘子缺陷检测中小目标识别困难的问题,为提高输电线路绝缘子缺陷检测精度,本文提出了一种改进YOLOv8模型的输电线路绝缘子缺陷检测方法。通过将CIoU损失函数替换为Focaler-Shape-IoU,有效提升了模型检测性能。其中,Shape-IoU关注边界框形状与比例,增强回归精度;Focaler-IoU进一步对回归样本进行差异化聚焦,优化了检测器的整体表现。在绝缘子缺陷图像数据集IDID上进行验证,新方法不仅加速了模型收敛、降低了训练损失,还实现93.3%的平均精度均值,显著提升了绝缘子缺陷的识别能力。实验结果证明,改进后的模型能有效应对小目标检测挑战,具有更高的检测精度。 展开更多

关键词 绝缘子缺陷检测 YOLOv8 Focaler-IoU shape-iou

在线阅读 下载PDF 职称材料

融合动态卷积与可变形注意力的钢材缺陷检测

6

作者 赵海丽 狄子隆 +1 位作者 景文博 宋明喆 《仪器仪表学报》 北大核心 2025年第12期75-86,共12页

钢材表面缺陷的精准检测是工业质量控制的关键环节。尤其在机械制造、汽车工业、电子设备、航空航天及火炮深管等精密制造领域,其表面质量直接决定终端产品的安全性与可靠性。针对现有钢材表面缺陷检测方法中存在多尺度缺陷检测能力有限... 钢材表面缺陷的精准检测是工业质量控制的关键环节。尤其在机械制造、汽车工业、电子设备、航空航天及火炮深管等精密制造领域,其表面质量直接决定终端产品的安全性与可靠性。针对现有钢材表面缺陷检测方法中存在多尺度缺陷检测能力有限,小目标与低对比度缺陷漏检率高,边界框回归精度不佳等问题,提出了一种基于YOLOv11n改进的多尺度钢材表面缺陷检测方法。设计多尺度动态卷积,通过并行异构卷积与动态权重融合机制,增强模型对多尺度缺陷的捕捉能力;构建动态残差融合模块,以分组卷积与双重残差结构替换基线C3K2模块,在显著降低参数量的同时提升多尺度特征融合与梯度流通效率,缓解深层网络训练退化问题;改进可变形三元注意力机制,融合可变形卷积与跨维度交互,使注意力感受野随缺陷形态动态调整,精准聚焦微小、低对比度区域,抑制复杂背景干扰;采用Shape-IoU损失函数,通过引入形状与尺度因子优化边界框回归精度,解决传统CIoU在宽高比一致时惩罚失效的问题。在NEU-DET数据集上的实验结果表明:改进模型的mAP@0.5达到81.9%,相比基线YOLOv11n提升了6%,参数量仅为2.3 M,计算量降至5.9 GFLOPs,满足边缘设备部署需求。泛化实验在GC10-DET数据集上较基线模型提升4.1%。可视化分析与泛化性实验进一步验证了其在复杂工业场景下的鲁棒性与实用性。 展开更多

关键词 钢材表面缺陷检测 YOLOv11n 多尺度特征提取 可变形三元注意力机制 shape-iou

原文传递

基于YOLO-EGVS算法的散乱堆叠三通零件识别方法

7

作者 杨瑞刚 苗琦 +2 位作者 王宇琦 史易烜 王南山 《组合机床与自动化加工技术》 北大核心 2025年第7期45-51,59,共8页

针对现有算法在识别散乱堆叠三通零件时存在的检测精度低、模型复杂的问题,提出一种基于YOLOv8n的YOLO-EGVS识别算法。首先,为了更好地提取散乱堆叠三通零件的相关特征,在YOLOv8n模型的主干网络上加入了EMA注意力机制;其次,为了降低算... 针对现有算法在识别散乱堆叠三通零件时存在的检测精度低、模型复杂的问题,提出一种基于YOLOv8n的YOLO-EGVS识别算法。首先,为了更好地提取散乱堆叠三通零件的相关特征,在YOLOv8n模型的主干网络上加入了EMA注意力机制;其次,为了降低算法的复杂度,在模型的Neck部分加入GSConv和VOV-GSCPS模块,构建SlimNeck颈部网络结构,提高模型的检测速度;最后,在检测头部分,使用Shape-IOU替换CIOU边界损失函数,使模型更加关注边界框本身的形状和尺度,提高收敛速度和边框的检测精度。实验结果表明,改进后的YOLO-EVGS模型在验证集上的精确率P、召回率R和平均精度mAP分别为94.7%、96.5%和96.9%,相较于YOLOv8n模型分别提升了1.0%、0.9%和1.3%;最优权重模型大小、模型计算量分别为5.9 MB和7.4 GFLOPs,分别下降了6.3%和9.8%。相较于YOLOv3-tiny、YOLOv5n和YOLOv6n模型,YOLO-EGVS算法在模型复杂程度和检测性能上更优,满足了工业生产上对三通零件识别的需求。 展开更多

关键词 YOLOv8n 散乱堆叠三通零件 shape-iou损失函数 EMA注意力机制 SlimNeck颈部网络结构

在线阅读 下载PDF 职称材料

多尺度动态注意力遥感影像辐射异常检测方法

8

作者 钱建国 徐文文 +2 位作者 谭海 慈金龙 焦扬 《测绘科学》 北大核心 2025年第4期114-122,共9页

针对当前光学遥感影像辐射异常检测算法匮乏的问题,该文提出了SAS-YOLO框架,并结合自制的辐射异常数据集,成功实现了遥感影像的辐射异常检测任务。首先,设计了一种结合频域和空间域信息的SPDNet网络作为主干模型,将标准卷积替换为SPDCo... 针对当前光学遥感影像辐射异常检测算法匮乏的问题,该文提出了SAS-YOLO框架,并结合自制的辐射异常数据集,成功实现了遥感影像的辐射异常检测任务。首先,设计了一种结合频域和空间域信息的SPDNet网络作为主干模型,将标准卷积替换为SPDConv,在提取多尺度特征的同时减少计算复杂度,保持高效特征提取能力。其次,设计卷积注意力特征融合网络ACMixNeck。将三层ACMix结构引入YOLOv8的Neck部分,更有效地融合特征,提升目标检测性能,并增强模型在复杂场景中的适应性。最后,使用Shape-IoU损失函数,更好地考虑目标形状的匹配度,通过度量预测框与真实框的形状重合程度,更精确定位目标。实验结果表明,SAS-YOLO算法在辐射异常检测任务中精度高、误判率低,并且具有强适应性和卓越的泛化能力。 展开更多

关键词 遥感影像 辐射异常 SAS-YOLO ACMix shape-iou

原文传递

基于改进YOLOv5s的异常烟丝识别检测轻量化算法 被引量：3

9

作者 胡东辉 刘振宇 +7 位作者 林苗俏 付主木 李珮珺 魏海锋 张二强 徐大勇 堵劲松 李嘉康 《中国烟草学报》 北大核心 2025年第3期78-87,共10页

【目的】切丝质量的在线检测是卷烟制丝加工中的关键质量指标,直接影响成品质量。针对异常形态烟丝检测中存在与背景颜色相似、目标尺寸不规则、小目标易受背景干扰、以及模型计算量大等情况,提出一种基于CBS-YOLOv5s的异常烟丝检测方... 【目的】切丝质量的在线检测是卷烟制丝加工中的关键质量指标,直接影响成品质量。针对异常形态烟丝检测中存在与背景颜色相似、目标尺寸不规则、小目标易受背景干扰、以及模型计算量大等情况,提出一种基于CBS-YOLOv5s的异常烟丝检测方法。【方法】针对复杂背景下不同尺度的异常烟丝,在颈部网络中引入BiFormer注意力机制,以增强复杂背景下小目标特征的提取能力。其次,采用部分卷积与点卷积结合的C3-Faster模块,在保证模型精度的前提下,降低了计算复杂度和参数量。最后,引入Shape-IoU损失函数,进一步提高回归的准确性。【结果】本研究建立的模型在目标检测中的平均精确率达到了96.4%,相比于原模型提高2.5%,与Faster R-CNN、YOLOv4-tiny、YOLOv8s等模型相比分别提高14.8%、25.1%、1.58%;在计数任务中,能更好分析异常烟丝的波动状况。【结论】本研究为切丝质量稳定控制与优化提供了在线检测方法,有助于推动制丝工艺的现代化进程。 展开更多

关键词 切丝质量 异常检测 YOLOv5s BiFormer shape-iou

在线阅读 下载PDF 职称材料

TFD-YOLO:基于YOLOv10改进的输电线异物检测算法 被引量：1

10

作者 李毅 徐慧英 +3 位作者 朱信忠 黄晓 胥玲玲 陶珏强 《浙江师范大学学报(自然科学版)》 2025年第4期410-419,共10页

随着电力需求的不断增长,输电线路的安全和稳定性日益重要.为了保证供电的可靠性,必须及时检测和处理输电线路上的异物入侵情况.在超大型的架空输电线路中,由于传统的人工巡检准确度低,耗时且昂贵,并且有时会受地理和天气条件的限制,因... 随着电力需求的不断增长,输电线路的安全和稳定性日益重要.为了保证供电的可靠性,必须及时检测和处理输电线路上的异物入侵情况.在超大型的架空输电线路中,由于传统的人工巡检准确度低,耗时且昂贵,并且有时会受地理和天气条件的限制,因此,实施高效和具有成本效益的方法变得日渐重要.为了进一步提升输电线异物检测的准确性,提出了一种基于YOLOv10改进的检测算法TFD-YOLO.具体为:采用快速轻量级架构MobileNetv2作为主干网络,利用深度可分离卷积结构及倒残差机制,用于实现高效的特征提取;在网络浅层阶段嵌入大型可分离核注意力LSKA设计,旨在不增加过多计算量的同时,通过大卷积核扩大网络的感受野,提取到目标更多的细节特征;在网络深层阶段,CSK模块将基础的C2f采样块与SK注意力机制相结合,减少权重冗余计算并促进选择性特征学习;采用Shape-IoU作为边界框损失函数,以充分考虑边界框自身形状和角度等影响因素,提高边界框回归效率.实验结果表明:TFD-YOLO实现了0.703的mAP@0.5-0.95综合检测精度,相较于基线网络YOLOv10n提升了5.08%.与主流的双阶段、Anchor-Free、Transformer-based及YOLO系列算法相比,TFD-YOLO达到了领先的检测性能,在模型检测准确率和模型大小方面实现了较好的平衡,能够高效完成输电线异物检测. 展开更多

关键词 输电线异物检测 MobileNetv2 shape-iou YOLOv10

在线阅读 下载PDF 职称材料

复杂场景下的交通标志小目标检测算法 被引量：5

11

作者 王浩 张其猛 龚德成 《电子测量技术》 北大核心 2025年第2期158-169,共12页

在交通标志识别应用中,待检测目标多为小目标,易出现漏检、误检等问题。针对这些问题,基于YOLOv8s算法设计了一种改进的交通标志识别算法,FKDS-YOLOv8s。使用FasterBlock重构C2f模块,形成新的轻量化模块C2f-Faster,既提升模型特征提取能... 在交通标志识别应用中,待检测目标多为小目标,易出现漏检、误检等问题。针对这些问题,基于YOLOv8s算法设计了一种改进的交通标志识别算法,FKDS-YOLOv8s。使用FasterBlock重构C2f模块,形成新的轻量化模块C2f-Faster,既提升模型特征提取能力,又降低了计算开销;基于SENet和ResNeXt模型设计一种新的检测头Detect_SR,使模型能够有效地聚焦于小目标的关键特征;融入轻量且高效的动态上采样器DySample,显著减少了GPU内存消耗;通过增加上采样和Prediction输出层次,模型能够捕捉丰富的位置信息,有效解决了YOLOv8s模型在处理小目标时信息不足的问题;引入Shape-IoU损失函数,优化了原CIoU在边框回归中的不足;此外,在Neck部分融入了本文新设计的注意力机制DKN-Attention,在上采样和下采样过程中定位微小物体场景的注意力区域,提升了远处小型交通标志的特征提取和识别能力。实验在中国交通标志数据集TT100K上进行,结果表明,FKDS-YOLOv8s相比基准模型,在查准率(P)、查全率(R)和mAP50上分别提升了5.9%、4.2%和6.3%。较传统方法,FKDS-YOLOv8s在性能上表现出显著优势。 展开更多

关键词 交通标志识别 动态上采样 注意力机制 轻量化 shape-iou

原文传递

BDD-DETR:高效感知小目标的锂电池表面缺陷检测 被引量：2

12

作者 邢远秀 刘颛玮 +1 位作者 邢玉峰 王文波 《储能科学与技术》 北大核心 2025年第1期370-379,共10页

针对锂电池外壳端面缺陷尺度和形状差异大而导致小目标缺陷识别困难等问题,提出BDD-DETR(battery defects detection-detection transformer)的锂电池表面缺陷检测算法。BDD-DETR架构在通用的特征提取模块和检测头模块间融入全新的模块... 针对锂电池外壳端面缺陷尺度和形状差异大而导致小目标缺陷识别困难等问题,提出BDD-DETR(battery defects detection-detection transformer)的锂电池表面缺陷检测算法。BDD-DETR架构在通用的特征提取模块和检测头模块间融入全新的模块特征感知与融合网络,通过自适应特征感知模块和特征融合路径从多个方向融合网络的深层与浅层特征,增强关键特征信息响应并抑制冗余特征,进一步提升模型多尺度特征融合能力和小目标感知能力;此外,为了减小缺陷边界框回归时的距离偏差和形状偏差,采用Shape IoU(shape intersection over union)损失函数训练网络模型。实验结果表明,在构建的锂电池端面缺陷数据集上,与CoDETR(collaborative-detection transformer)比较,BDD-DETR平均精度提升了3.7%,小尺度目标检测精度提升了8.9%,平均召回率提升了1.1%,在锂电池的小目标缺陷检测性能上优于目前一些先进的目标检测方法。 展开更多

关键词 锂离子电池 缺陷检测 Co-DETR 特征感知与融合网络 Shape IoU损失

在线阅读 下载PDF 职称材料

基于GSS-YOLOv8n的轻量化织物疵点检测算法 被引量：1

13

作者 井振威 张团善 《棉纺织技术》 2025年第4期59-66,共8页

针对织物疵点检测方式大多为人工操作且检测耗时、背景复杂、所含疵点种类繁多等问题,提出一种改进YOLOv8算法的轻量级检测模型GSS-YOLOv8n。首先,采用了兼顾速度和精度的GSConv替代原有的标准卷积核,并在Neck使用一次性聚合方法来设计... 针对织物疵点检测方式大多为人工操作且检测耗时、背景复杂、所含疵点种类繁多等问题,提出一种改进YOLOv8算法的轻量级检测模型GSS-YOLOv8n。首先,采用了兼顾速度和精度的GSConv替代原有的标准卷积核,并在Neck使用一次性聚合方法来设计跨级部分网络(GSCSP)模块VoVGSCSP替换C2f模块,引入GSlim-Neck结构,降低了计算和网络结构的复杂性,保持了足够的精度;其次,重新设计了YOLOv8检测头SCGD,在降低模型参数量的同时减少了细节特征的遗漏率,提升了检测头定位和分类的性能,提高了模型的鲁棒性。最后,引入损失函数Shape-IoU,该损失函数考虑了边界框回归样本自身的形状和尺寸对边界框回归的影响,使得IoU更加准确和稳健。试验结果表明:GSS-YOLOv8n模型的mAP@0.5和mAP@0.5∶0.95为98.1%、73.5%,相比于原模型分别提高了1.0个百分点和9.7个百分点,参数量和计算量分别降低了34.7%和35.4%,检测速度达到42.4帧/s。GSS-YOLOv8n模型在实现轻量化的基础上可以实时准确地识别织物疵点。 展开更多

关键词 YOLOv8 织物疵点检测 shape-iou 轻量化 GSConv

在线阅读 下载PDF 职称材料

基于改进YOLOv8的输电线路绝缘子检测算法 被引量：1

14

作者 吴韡 于天宸 《电工技术》 2025年第7期219-222,227,共5页

针对电力系统绝缘子无人机巡检中的误检、漏检和低精度问题,提出基于YOLOv8的改进绝缘子检测算法。首先,引入可变形卷积以提高不规则物体特征提取和目标区域聚焦能力。其次,采用归一化Wasserstein距离和自适应训练样本选择优化样本预测... 针对电力系统绝缘子无人机巡检中的误检、漏检和低精度问题,提出基于YOLOv8的改进绝缘子检测算法。首先,引入可变形卷积以提高不规则物体特征提取和目标区域聚焦能力。其次,采用归一化Wasserstein距离和自适应训练样本选择优化样本预测回归精度。最后,在头部网络中引入注意力机制整合不同目标检测头,增强复杂环境下的辨识能力。实验结果表明,改进算法的mAP@0.5提升了6.0%,体现了其有效性。 展开更多

关键词 绝缘子检测 YOLO 可变形卷积 shape-iou 注意力机制

在线阅读 下载PDF 职称材料

基于特征交互注意力的遥感图像小目标检测算法 被引量：1

15

作者 王澳 周孟然 《兰州工业学院学报》 2025年第1期89-95,共7页

针对遥感图像目标检测任务中存在特征信息不足和分布密集的问题,提出一种基于特征交互注意力的遥感图像目标检测算法。首先,对于遥感图像中目标分布密集的问题,在网络的Backbone部分采用C2f-DAT模块和AIFI模块来处理图像的多尺度特征,... 针对遥感图像目标检测任务中存在特征信息不足和分布密集的问题,提出一种基于特征交互注意力的遥感图像目标检测算法。首先,对于遥感图像中目标分布密集的问题,在网络的Backbone部分采用C2f-DAT模块和AIFI模块来处理图像的多尺度特征,使网络更好地检测目标;其次,为了解决遥感图像中小目标特征信息不足的问题,在Neck部分使用SlimDy结构来优化网络的卷积和上采样模块,来突出小目标的特征信息,同时在网络结构中添加小目标检测层以增强网络对小目标的感知能力;最后,使用Shape-IoU损失函数来替换原损失函数,进一步提高网络检测预测框的准确性。通过在Dotav1和SIMD数据集上实验验证,改进方法的mAP@0.5达到了76.3%和82.3%,模型整体效果优于目前对比主流算法。 展开更多

关键词 遥感图像 小目标检测层 shape-iou 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv8的配电线路绝缘子缺陷级联检测方法 被引量：5

16

作者 赵振兵 韩钰 唐辰康 《图学学报》 北大核心 2025年第1期1-12,共12页

针对无人机航拍配电线路时因安全限制导致背景复杂动态、绝缘子缺陷形态不规则、缺陷特征不明显与缺陷信息难捕捉的问题,提出了一种基于改进YOLOv8的配电线路绝缘子缺陷级联检测方法。在第一阶段,通过YOLOv8模型自动提取绝缘子部件图像... 针对无人机航拍配电线路时因安全限制导致背景复杂动态、绝缘子缺陷形态不规则、缺陷特征不明显与缺陷信息难捕捉的问题,提出了一种基于改进YOLOv8的配电线路绝缘子缺陷级联检测方法。在第一阶段,通过YOLOv8模型自动提取绝缘子部件图像,为第二阶段绝缘子缺陷检测提供准确的输入,摒除冗余背景信息的影响。在第二阶段,利用ConvNeXt V2主干网络提升模型对不规则形态目标的识别能力,提升网络的特征提取能力;通过在特征融合过程中加入边缘知识融合模块,精准提取缺陷边缘信息;设计自适应形状IoU增强方法,采用自适应训练样本选择策略优化正负样本比例,并使用充分考虑边界框回归样本自身形状和尺度等固有属性的Shape-IoU损失函数,使模型聚焦目标本质特征,改善模型漏检误检情况,提高检测的准确性和鲁棒性。经实验证明,基于改进YOLOv8的配电线路绝缘子缺陷级联检测方法比基线模型平均精确率提高了17.3%,有效提升配电线路绝缘子缺陷检测准确率,为电力系统的安全维护提供了有力的技术支持。 展开更多

关键词 配电线路 绝缘子缺陷检测 YOLOv8 ConvNeXt V2 边缘知识融合 自适应形状IoU增强

在线阅读 下载PDF 职称材料

基于YOLOv8n的交通标志检测研究 被引量：2

17

作者 宋京京 吴章福 《物联网技术》 2025年第4期21-24,28,共5页

针对传统交通标志检测算法识别精度较低、受环境因素影响较大等问题,提出一种基于YOLOv8n的交通标志检测算法。为解决卷积运算带来的参数共享问题,利用感受野注意力(RFA)机制为每个卷积核滑窗生成不同的特征权重,并通过坐标注意力(CA)... 针对传统交通标志检测算法识别精度较低、受环境因素影响较大等问题,提出一种基于YOLOv8n的交通标志检测算法。为解决卷积运算带来的参数共享问题,利用感受野注意力(RFA)机制为每个卷积核滑窗生成不同的特征权重,并通过坐标注意力(CA)获取长距离信息,以加强网络对全局与局部信息的关注度;同时引入聚焦边界框自身形状与尺度的Shape-IoU损失函数计算预测框回归损失。在GTSDB数据集上进行验证实验。实验结果表明,相较于基础模型,改进后的模型平均精确度达到了94.8%,参数量仅为3.210MB,能够满足实时检测标准,适用于复杂交通场景下的交通标志检测任务。 展开更多

关键词 YOLOv8n 交通标志 实时检测算法 shape-iou损失函数 RFA机制 GTSDB数据集

在线阅读 下载PDF 职称材料

基于改进YOLOv5的隧道衬砌裂缝检测方法

18

作者 寇俊伟 李艳萍 +5 位作者 姚剑 李卫国 张政杰 李波 陆久飞 张庆文 《中国铁路》 北大核心 2025年第5期96-104,共9页

针对隧道衬砌裂缝检测的复杂性、现有检测算法缺乏对裂缝特征考量的问题,提出YOLOv5-C检测模型。在训练阶段,采用细密度标注减少背景干扰提供更具代表性的学习样本;构建C3_DSC模块,动态调整卷积核以增强特征学习能力;引入Large Selectiv... 针对隧道衬砌裂缝检测的复杂性、现有检测算法缺乏对裂缝特征考量的问题,提出YOLOv5-C检测模型。在训练阶段,采用细密度标注减少背景干扰提供更具代表性的学习样本;构建C3_DSC模块,动态调整卷积核以增强特征学习能力;引入Large Selective Kernel (LSK)模块提升模型的裂缝特征的感知能力;使用Shape-IoU作为边界框回归损失函数,提高边界框回归精度,通过系统的消融和对比实验验证所提模型的性能。同时,开发安卓端应用,实现低成本、便捷的实时裂缝检测,为隧道工程的智能化检测提供新的方案。 展开更多

关键词 隧道衬砌裂缝 C3_DSC模块 LSK模块 shape-iou 智能化检测

在线阅读 下载PDF 职称材料

改进YOLOv8n的托盘目标检测算法

19

作者 刘晓非 薛瑞雷 +1 位作者 钟华刚 刘彦君 《电子测量技术》 北大核心 2025年第20期133-143,共11页

针对现实工厂环境下,光线不足、障碍物较多等因素的干扰,时常会对托盘造成漏检、误检等问题,提出一种基于改进YOLOv8n的托盘目标检测方法。首先,将结合Transformer的BRA稀疏注意力模块加入到YOLOv8n模型的主干网络特征提取环节,以减少... 针对现实工厂环境下,光线不足、障碍物较多等因素的干扰,时常会对托盘造成漏检、误检等问题,提出一种基于改进YOLOv8n的托盘目标检测方法。首先,将结合Transformer的BRA稀疏注意力模块加入到YOLOv8n模型的主干网络特征提取环节,以减少障碍物遮挡对托盘检测的干扰;其次,引入Shape-IoU损失函数,进一步增强了模型在光线不足以及背景干扰严重情况下对托盘的识别能力;最后,利用基于GSConv的Slim-neck结构重构YOLOv8n的特征融合网络,实现轻量化颈部网络。实验结果表明,改进后的算法在测试集上的平均精度均值达到89.6%,相较于原模型提升2.8%,漏检率和误检率分别下降2%和2.2%,有效改善了光线不足和障碍物遮挡情况下托盘识别的漏检和误检问题,同时检测帧率达到330.52 fps,可以快速精准地进行托盘检测识别,适合部署在智能叉车上,以提高运营效率并提升仓库智能化水平。 展开更多

关键词 托盘检测 YOLOv8n BRA稀疏注意力模块 shape-iou 基于GSConv的Slim-neck结构

原文传递

基于改进YOLOv7-Coupling的车辆检测研究

20

作者 徐强 周红志 康卫 《绵阳师范学院学报》 2025年第8期101-109,共9页

为了提高道路交通监控中车辆识别准确率和速度不高的问题,提出了一种基于YOLOv7-coupling的车辆检测算法.在网络模型方面,将EfficientViT与YOLOv7结合,引入多尺度线性注意模块,用于高效的高分辨率密集预测.在保持良好硬件性能的同时,实... 为了提高道路交通监控中车辆识别准确率和速度不高的问题,提出了一种基于YOLOv7-coupling的车辆检测算法.在网络模型方面,将EfficientViT与YOLOv7结合,引入多尺度线性注意模块,用于高效的高分辨率密集预测.在保持良好硬件性能的同时,实现了全局接受域和多尺度学习.同时引入Shape-IoU损失函数,该方法通过关注边界框自身的形状和尺寸来计算损失,从而使边界框回归更准确.结果表明,改进后的YOLOv7-Coupling在UA-DETRAC车辆检测数据集上平均检测精度为98.2%,比原YOLOv7模型提升了1.1个百分点,模型参数量缩减了33.21%,浮点计算量降低了61.3%. 展开更多

关键词 目标检测 车辆检测 YOLOv7 EfficientViT shape-iou

在线阅读 下载PDF 职称材料