基于改进YOLO v11-seg的无人机辅助船舶靠泊方法

1

作者 章文俊 徐力为 +3 位作者 孟祥坤 杨雪 周翔宇 曲胜 《舰船科学技术》 北大核心 2026年第5期127-132,共6页

为解决船舶靠泊过程中视野受限问题,实现靠泊距离的可视化,提出一种无人机辅助视角下的船舶靠泊距离测定方法。首先,利用无人机采集船舶靠泊视频制作数据集,在YOLO v11-seg模型中加入视网膜分割掩膜任务框架,实现对船舶边缘的精细化分割... 为解决船舶靠泊过程中视野受限问题,实现靠泊距离的可视化,提出一种无人机辅助视角下的船舶靠泊距离测定方法。首先,利用无人机采集船舶靠泊视频制作数据集,在YOLO v11-seg模型中加入视网膜分割掩膜任务框架,实现对船舶边缘的精细化分割,生成高分辨率掩膜。其次,利用掩膜提取与几何分析方式,提取船舶与泊位多边形坐标,并确定两者边缘线。最后,使用点集距离矩阵以及动态距离匹配技术,计算像素距离并转化为实际距离。实验表明,改进模型平均精度提升5.7%,船舶与泊位间最近距离的误差不大于0.04 m。该方法能够以较高的测量精度实现船舶与泊位间距离的可视化。 展开更多

关键词 无人机 YOLO v11-seg 辅助靠泊 距离测量 可视化

在线阅读 下载PDF 职称材料

基于改进YOLO v11n的寒地旱直播水稻植株检测方法研究 被引量：1

2

作者 赵斌 李明洋 +4 位作者 王淞 王迪 孙博 肖延伟 陈修成 《农业机械学报》 北大核心 2025年第9期585-595,共11页

针对三至四叶期的旱地直播水稻秧苗种植密度高,秧苗检测难度大的问题,为实现东北地区复杂旱地环境中对直播秧苗植株精准计数,本文提出基于改进YOLO v11n模型的旱直播幼苗检测方法。首先,采用全维度动态卷积(Omni-dimensional dynamic co... 针对三至四叶期的旱地直播水稻秧苗种植密度高,秧苗检测难度大的问题,为实现东北地区复杂旱地环境中对直播秧苗植株精准计数,本文提出基于改进YOLO v11n模型的旱直播幼苗检测方法。首先,采用全维度动态卷积(Omni-dimensional dynamic convolution,ODConv)优化C3k2卷积块,增强复杂旱地环境秧苗特征捕获能力,提升模型对秧苗浅层特征的提取;其次,将快速空间金字塔池化(Spatial pyramid pooling fast,SPPF)替换为焦点调制机制(FocalModulation,FM),通过多尺度特征交互与注意力融合,保留秧苗关键特征与提升多尺度目标适应性;最后,在主干网络C2PSA模块中引入三重注意力机制(Triple Attention,TA),构建多维度特征增强策略,强化深层特征表征。构建旱田直播秧苗图像的数据集,利用该数据集对改进后的模型进行训练和验证。测试结果表明:改进的YOLO v11n-TFO旱直播秧苗检测算法的检测精度(P)、召回率(R)、平均精度均值(mAP50)和检测速度分别为88.2%、79.6%、89.4%、217.9 f/s,其中mAP50较改进前提升6.5个百分点,模型浮点计算量6.0×10^(9),低于主流目标检测模型,构建的检测平台中旱直播秧苗计数精度达到87%以上。本文提出的基于YOLO v11n-TFO的寒地旱直播水稻检测模型有效平衡检测精度与算力的关系,且模型具有较好的可解释性,可满足旱直播水稻计数需求。 展开更多

关键词 旱直播水稻 目标检测 YOLO v11n 多维度特征提取

在线阅读 下载PDF 职称材料

基于改进YOLO v11的番茄表面缺陷检测方法 被引量：2

3

作者 朱婷婷 滕广 +2 位作者 张亚军 倪超 何惠彬 《农业机械学报》 北大核心 2025年第6期546-553,共8页

传统的番茄缺陷检测主要依赖于人工分拣,存在效率低、漏检率高等问题。为此,提出了一种改进的YOLO v11番茄缺陷检测方法TDD-YOLO(Tomato defect detection YOLO),实现对番茄表面白斑、增生、凹陷、裂口、变质5种缺陷的自动检测。首先,... 传统的番茄缺陷检测主要依赖于人工分拣,存在效率低、漏检率高等问题。为此,提出了一种改进的YOLO v11番茄缺陷检测方法TDD-YOLO(Tomato defect detection YOLO),实现对番茄表面白斑、增生、凹陷、裂口、变质5种缺陷的自动检测。首先,融合小波深度可分离卷积模块构建新的HE-Head层,在保持模型轻量化的同时提升模型对小目标的检测能力(如白斑);其次,使用WC3k2模块替换原有C3k2模块,扩大模型在特征提取阶段的感受野,同时使用动态上采样方法取代原有的上采样,实现对模型推理效率的提升和轻量化;最后,使用自适应阈值焦点损失函数加强对样本的关注度,提高识别精度。设计实验验证所提方法性能,实验结果表明本文所提的TDD-YOLO模型番茄表面缺陷整体识别精度为89.0%、召回率为84.9%、F1分数为86.9%、平均精度均值为88.0%,识别效果明显优于现有的YOLO系列模型以及Faster R-CNN和EfficientDet模型。此外,TDD-YOLO模型检测速度为142.89 f/s,满足实时检测速度要求,为番茄检测规范化和工业化提供重要技术支撑。 展开更多

关键词 番茄 缺陷检测 YOLO v11 小波深度可分离卷积 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLO v11n的轻量化葡萄穗梗采摘点定位方法与试验 被引量：1

4

作者 庄煜 徐琨林 +2 位作者 李美琪 戴济泽 王金峰 《农业机械学报》 北大核心 2025年第9期618-627,共10页

针对葡萄穗梗形态纤细且与环境色差微弱导致的采摘点定位问题,本文提出了一种基于改进YOLO v11n的轻量化分割模型YOLO v11n-MBCa。构建了复杂环境下绿色葡萄高质量数据集,并引入轻量化MobileNetV4网络替换YOLO v11n的骨干网络(Backbone)... 针对葡萄穗梗形态纤细且与环境色差微弱导致的采摘点定位问题,本文提出了一种基于改进YOLO v11n的轻量化分割模型YOLO v11n-MBCa。构建了复杂环境下绿色葡萄高质量数据集,并引入轻量化MobileNetV4网络替换YOLO v11n的骨干网络(Backbone),减少模型参数量以及在特征融合层(Neck)引入加权双向特征金字塔网络(BiFPN),增强多尺度特征融合能力。增加坐标注意力机制(CA),使模型能更准确地定位和聚焦感兴趣区域。分割葡萄穗梗,通过优化质心算法计算出最佳采摘点。试验结果表明,改进后模型在葡萄数据集上的精确率、召回率和平均精度均值(mAP)达到90.1%、93.2%和93.6%,模型参数量与模型内存占用量仅为2.2×10^(6)和4.9 MB。研究结果可为采摘机器人智能化采摘提供理论支持。 展开更多

关键词 葡萄穗梗 图像分割 YOLO v11n-MBCa模型 采摘点 轻量化

在线阅读 下载PDF 职称材料

基于改进YOLO v11n-seg的奶牛乳房炎检测方法 被引量：2

5

作者 田文斌 姚渝 +2 位作者 吕昊暾 杜瑞杰 王宁 《农业机械学报》 北大核心 2025年第6期237-246,共10页

奶牛患乳房炎时其乳表温度与眼表温度差值较大,因此可将奶牛乳眼温差作为乳房炎判断指标。针对现有热红外图像检测奶牛乳房炎精度低、容易误检和漏检等问题,本文提出了一种基于YOLO v11n-seg结合热红外与可见光配准图像的奶牛乳房炎检... 奶牛患乳房炎时其乳表温度与眼表温度差值较大,因此可将奶牛乳眼温差作为乳房炎判断指标。针对现有热红外图像检测奶牛乳房炎精度低、容易误检和漏检等问题,本文提出了一种基于YOLO v11n-seg结合热红外与可见光配准图像的奶牛乳房炎检测方法。为了在有限算力下能更精准地分割奶牛乳房和眼睛,对基线模型(YOLO v11n-seg)进行了改进。使用ADown卷积模块替换基线模型部分普通卷积进行特征提取,在资源有限的环境下有利于模型部署和使用;在主干网络末端引入MLCA注意力机制,显著提升了小尺度目标特征提取能力;颈部网络采用RepGFPN结构优化特征融合与信息传递能力,进一步提升分割精度。改进YOLO v11n-seg模型对奶牛眼睛和乳房平均分割精度分别为90.3%和97.9%。与基线模型相比,其对眼睛和乳房的平均分割精度提高7.1、0.7个百分点,模型参数量减少14.3%,模型计算量降低12.5%。比较分割掩膜与温度矩阵提取的乳眼温差与设定的温差阈值,并用体细胞计数法进行验证。结果表明,奶牛乳房炎检测精度可达88.46%。表明该方法能够实现奶牛乳眼分割并应用于奶牛乳房炎检测。 展开更多

关键词 奶牛乳房炎 实例分割 YOLO v11 轻量化 智慧养殖

在线阅读 下载PDF 职称材料

基于改进YOLO v11n的轻量级民族服饰检测算法

6

作者 苏壮壮 张俊杰 袁桦 《北京服装学院学报(自然科学版)》 2025年第4期84-96,共13页

针对民族服饰检测中模型精度与轻量化难以协同优化、粒度特征识别不足等问题,本文提出了一种改进YOLO v11n的民族服饰检测方法。首先,创新性设计了一种轻量型的上下文锚点注意力高级筛选路径聚合网络(context anchor attention-high-lev... 针对民族服饰检测中模型精度与轻量化难以协同优化、粒度特征识别不足等问题,本文提出了一种改进YOLO v11n的民族服饰检测方法。首先,创新性设计了一种轻量型的上下文锚点注意力高级筛选路径聚合网络(context anchor attention-high-level screening path aggregation network,CAA-HSPAN),其核心机制是通过上下文锚点注意力机制捕捉特征间长距离依赖关系,同时结合双向路径聚合策略提升跨尺度特征融合能力。其次,引入动态上采样(dynamic sampling,DySample)模块,通过动态学习偏移量优化特征图重构过程,解决固定插值采样导致的特征图边缘失真问题,显著提升服饰纹样等细节的定位精度。最后,构建轻量级的C3k2RVB(C3k2-RepViT Block)模块,通过重参数化技术融合多分支结构,减少计算冗余并增强民族服饰特有的复杂纹理特征提取能力。实验结果表明,相较基准模型YOLO v11n(258万参数,6.3 G FLOPs),改进模型在民族服饰数据集NFD-5上平均精度值mAP@0.5提高了2.0%,参数量Params下降了24.8%,计算量FLOPs降低至5.8 G FLOPs,有效解决了民族服饰检测轻量化部署与细粒度识别难题,为民族服饰数字化保护提供了关键技术支撑。 展开更多

关键词 YOLO v11n 民族服饰检测 CAA-HSPAN DySample 轻量化

原文传递

基于YOLO v11-LGL的宁夏枸杞害虫检测定位系统设计

7

作者 胡艳茹 田苏慧敏 《江苏农业科学》 北大核心 2025年第20期243-253,共11页

为提高自然环境中宁夏枸杞害虫识别的精度,提出一种基于优化YOLO v11的宁夏枸杞害虫检测模型(YOLO v11-LGL)。该模型通过引入大型可分离核注意力机制,优化了主干网络中的空间金字塔池化层,增强对多尺度特征的提取能力,从而提高了检测性... 为提高自然环境中宁夏枸杞害虫识别的精度,提出一种基于优化YOLO v11的宁夏枸杞害虫检测模型(YOLO v11-LGL)。该模型通过引入大型可分离核注意力机制,优化了主干网络中的空间金字塔池化层,增强对多尺度特征的提取能力,从而提高了检测性能。此外,采用收集和分发机制(GD)改进了特征融合,使模型能更精确地整合不同层级的特征信息。为保持模型的轻量化,创新性地设计了一种轻量化检测头,结合了GroupNorm、共享卷积和Scale层技术,实现了在减少参数量和计算量的同时,保持了高精度。试验结果表明,YOLO v11-LGL在检测宁夏枸杞常见14类害虫时,mAP@0.5达到了85.6%,提升了5.2百分点,mAP@0.5~0.95提升了6.3百分点,显示出更强大的目标检测能力。识别准确率增加了0.7百分点,召回率显著提升了9.9百分点,减少了漏检和误检。这些成果证明了模型在枸杞害虫检测上的优越性,为枸杞产业的智能化发展提供了有力支持。为验证模型的实际效果,开发了一个基于PyQt5的用户友好界面,该系统支持图片和视频检测,以及摄像头实时跟踪识别功能,识别结果可以保存,以便后续分析。这个系统以其简便的操作、直观的界面和优越的实时性能,为宁夏枸杞种植中的害虫识别问题提供了一个高效的解决方案,并具有实际推广的潜力。 展开更多

关键词 害虫 优化 GUI 识别 定位系统 YOLO v11-LGL模型

在线阅读 下载PDF 职称材料

Myxococcus sp.V11海藻糖合酶TreSⅡ分子改造 被引量：3

8

作者 赵晓艳 陈允妲 +3 位作者 章雅倩 吴晓玉 王飞 陈金印 《中国生物工程杂志》 CAS CSCD 北大核心 2020年第3期79-87,共9页

来源于黏细菌Myxococcus sp.V11的海藻糖合酶(trehalose synthase,EC 2.4.1.245)TreSⅡ可通过转糖苷作用将麦芽糖转化成为海藻糖,在酶法生产海藻糖上显示出一定的应用潜力,但TreSⅡ对热敏感,在60℃保温3h,酶活性丧失,限制了其应用范围... 来源于黏细菌Myxococcus sp.V11的海藻糖合酶(trehalose synthase,EC 2.4.1.245)TreSⅡ可通过转糖苷作用将麦芽糖转化成为海藻糖,在酶法生产海藻糖上显示出一定的应用潜力,但TreSⅡ对热敏感,在60℃保温3h,酶活性丧失,限制了其应用范围。目的:拟探索TreSⅡ影响热稳定性的氨基酸残基构成,通过对可能的氨基酸位点进行定点突变,以期获得耐热性的突变子,扩大TreSⅡ应用范围。方法:通过PCR介导的方法对TreSⅡ可能影响到热稳定性的氨基酸Q3、A283、W374、R449和Y537进行定点突变,以野生型重组酶为对照,比较突变型与野生型的最适反应温度和最适反应pH,通过测定不同温度下保存不同时间后的残留酶活,检测突变子的耐热效果。结果:研究表明突变子Q3D、A283R、W374D、R449Q和Y537H的比酶活与野生型无显著差异,且最适pH和最适反应温度也未发生改变;A283R、Y537H在60℃条件下,3h后活性剩余68%;Q3D、W374D、R449Q在温度60℃时,3h后活性剩余35%。结论:TreSⅡ分子结构中与金属离子结合的几个氨基酸残基的改变对蛋白质分子的耐热性具有显著影响。 展开更多

关键词 Myxococcus sp.v11 海藻糖合酶 定点突变 热稳定性

原文传递

α-芋螺毒素ArIB[V11L,V16D]多肽偶联药物与荧光探针的设计与合成 被引量：1

9

作者 孙鑫 胡江南 +1 位作者 罗素兰 董帅 《药学学报》 CAS CSCD 北大核心 2023年第9期2727-2733,共7页

α-芋螺毒素Ar IB[V11L,V16D]是目前已知最优的α7乙酰胆碱受体(nicotinic acetylcholine receptor,n ACh R)高选择性抑制剂。为探索该毒素的化学改造方法,丰富其在靶向n ACh R方面的应用,本研究利用连接子分别将喜树碱和7-氨基-4-甲基... α-芋螺毒素Ar IB[V11L,V16D]是目前已知最优的α7乙酰胆碱受体(nicotinic acetylcholine receptor,n ACh R)高选择性抑制剂。为探索该毒素的化学改造方法,丰富其在靶向n ACh R方面的应用,本研究利用连接子分别将喜树碱和7-氨基-4-甲基香豆素与Ar IB[V11L,V16D]的[2,4]位二硫键共价连接,构建了两个多肽偶联药物(peptide-drug conjugate,PDC)Ar IB[V11L,V16D]-5与Ar IB[V11L,V16D]-6和一个荧光标记肽Ar IB[V11L,V16D]-7;细胞毒活性评价结果表明两个PDC对非小细胞肺癌细胞系A549的IC_(50)分别是喜树碱的1.3倍与4.1倍,其活性在细胞水平上略有降低且与连接子结构相关;荧光光谱扫描结果表明荧光标记肽的激发波长与发射波长分别为340与403 nm,该荧光标记肽未发生荧光淬灭且保留了标记物7-氨基-4-甲基香豆素的荧光特性。该修饰改造为α-芋螺毒素Ar IB[V11L,V16D]在PDC与荧光探针方面的进一步应用奠定坚实基础。 展开更多

关键词 α-芋螺毒素ArIB[v11L V16D] 二硫键改造 多肽偶联药物 荧光探针

原文传递

定点突变鉴定Myxococcus sp.V11麦芽糖基海藻糖水解酶MTHase的催化中心

10

作者 陈允妲 李雪亮 +4 位作者 吴映函 赵晓艳 吴晓玉 王飞 陈金印 《江西农业大学学报》 CAS CSCD 北大核心 2021年第1期190-197,共8页

【目的】麦芽寡糖基海藻糖水解酶(MTHase)是一种水解与α-1,1糖苷键相邻的α-1,4糖苷键,生成麦芽寡糖和海藻糖,是以淀粉为底物生产海藻糖工艺中的关键酶。实验室从菌株Myxococcus sp.V11基因组中克隆到麦芽寡糖基海藻糖水解酶基因并异... 【目的】麦芽寡糖基海藻糖水解酶(MTHase)是一种水解与α-1,1糖苷键相邻的α-1,4糖苷键,生成麦芽寡糖和海藻糖,是以淀粉为底物生产海藻糖工艺中的关键酶。实验室从菌株Myxococcus sp.V11基因组中克隆到麦芽寡糖基海藻糖水解酶基因并异源表达,通过氨基酸序列分析和三维建模,推测其可能的催化中心氨基酸残基构成。【方法】通过对MTHase上可能存在的3个活性位点D256、E291、D386进行PCR介导定点突变,分别将其突变成为D256A、E291A和D386A。【结果】系统进化树结果表明Myxococcus sp.V11所产MTHase与已报道的Deinococcus radiodurans所产麦芽寡糖基海藻糖水解酶(Maltooligosyltrehalose Trehalohydrolase,DR0464)相似度最高,但仅为49.23%,与已报道的淀粉酶相似度则有较大差异。氨基酸序列比对结果表明MTHase与其它来源的麦芽寡糖基海藻糖水解酶都具有相同的保守序列:GTFTPEG(113-119)、WGYDG(153-157)、ED(291-292)、GLXVXLDXVXNHXGPXGNY(184-202)、DGXRXDA(251-257)、IQNHDQ(382-387)。三联体活性中心(Asp256-Glu291-Asp386)均位于保守区域之内,其中Asp256是亲核试剂,Glu291是酸碱催化的质子供体,Asp386起着维持Glu291稳定构象的作用。以已解析的相似性最高的麦芽寡糖基海藻糖水解酶(PDB ID:2BHU)为模板,在SWISS-MODEL上通过同源建模得到MTHase的三维结构模型。MTHase与2BHU虽然相似性仅为49%,但都具有一个典型GH13家族糖苷水解酶所共有的(α/β)8桶状结构域。三维结构显示MTHase主要由3个结构域构成:催化结构域Domain A(Ala95-Asp316,Gln372-Ser512)形成一个典型的(α/β)_(8)桶状结构,Domain A的中间形成一个裂口,活性中心位于口袋之内;N端结构域(Domain B)主要为β-折叠结构,Domain C也由β-折叠构成,催化三联体Asp256-Glu291-Asp386位于靠近Domain C的位置。MTHase与底物连接的氨基酸残基Gly197,Pro198,Gly200,Asn201,Tyr202,Trp210,Asp316,Asp317,His320,Tyr337,Arg366,Asn390均与2BHU一致。通过定点突变,重组表达和活力测定,结果显示突变子D256A、E291A和D386A均彻底失去了淀粉酶活性。【结论】MTHase的活性中心由D256、E291和D386构成,与底物结合的氨基酸位点决定了其对不同底物的适应性。 展开更多

关键词 Myxococcus sp.v11 麦芽寡糖基海藻糖水解酶 定点突变 催化中心

在线阅读 下载PDF 职称材料

V11~#脉成矿规律及深部成矿预测

11

作者 戴晓辉 《科技创新与应用》 2013年第27期9-10,共2页

对矿产资源的深入了解能够帮助我们更好地开采,文章主要阐述了当前V11#脉成矿规律及对深部成矿预测,供大家参考。

关键词 v11#脉成矿规律 深部成矿 预测

在线阅读 下载PDF 职称材料

智能改变生活 科技提升幸福 戴森发布全新V11 Absolute智能无绳吸尘器

12

《室内设计与装修》 2019年第7期133-133,共1页

室内污染物已成为人们日常生活的一大烦恼,各种有害微尘及过敏原藏匿于地板缝隙或床垫深处。当人们接触或吸入这些微粒,就可能诱发各种过敏反应。人们所需要的正是一款能够清除这些有害污染物的可靠清洁工具。全新Dyson V11 Absolute智... 室内污染物已成为人们日常生活的一大烦恼,各种有害微尘及过敏原藏匿于地板缝隙或床垫深处。当人们接触或吸入这些微粒,就可能诱发各种过敏反应。人们所需要的正是一款能够清除这些有害污染物的可靠清洁工具。全新Dyson V11 Absolute智能无绳吸尘器,结合软件与硬件,戴森V11智能无绳吸尘器可帮助用户轻松深度清洁家中四处,吸除微尘及过敏原。 展开更多

关键词 吸尘器 v11 ABSOLUTE

在线阅读 下载PDF 职称材料

三诺V11黑色版

13

《现代计算机（中旬刊）》 2008年第3期8-8,共1页

三诺V11白色版得到认同后，三诺再接再厉，推出三诺V11的限量黑色版，让用户的选择更为丰富。虽然三诺V-11采用了“高亮木箱贴皮”工艺处理，但是其售价却同白色版一样，仍然为199元。

关键词 三诺v11黑色版 工艺处理 木质低音炮 箱体设计

在线阅读 下载PDF 职称材料

基于YOLO v11的雷达回波强降水识别和雨强分级预测

14

作者 李樾凌 徐碧裕 +1 位作者 叶朗明 李晓惠 《广东气象》 2026年第2期13-18,共6页

为提高暖区强降水监测能力,利用2018—2023年前汛期(4—6月)广东省暖区暴雨雷达3 km高度CAPPI拼图及逐小时雨量数据,基于目标检测模型(YOLO v11),构建了雨强(RI)分级预测模型,实现了从雷达拼图中识别强降水回波及预测雨强。结果表明:该... 为提高暖区强降水监测能力,利用2018—2023年前汛期(4—6月)广东省暖区暴雨雷达3 km高度CAPPI拼图及逐小时雨量数据,基于目标检测模型(YOLO v11),构建了雨强(RI)分级预测模型,实现了从雷达拼图中识别强降水回波及预测雨强。结果表明:该模型在复杂降水场景中展现出卓越性能,对RI≥30.0 mm·h^(-1)的强降水识别最优(精确率(P)=99.8%,召回率(R)=100%,平均精度均值(mAP_(50~95))为85.4%),模型整体综合识别P达99%,R为98.5%,mAP50和mAP_(50~95)分别为99.1%和83.6%。个例验证表明,模型预测结果与实际降水空间分布高度匹配,模型预测耗时197 ms,局地误差主要源于局地性降水误判。YOLO v11在雷达回波雨强分级与短临预警中具备高精度、高效率的应用潜力,同时能够保持轻量化计算(GFLOPs=21.3)满足气象业务实时性需求。 展开更多

关键词 YOLO v11 雷达回波 暖区暴雨 降雨强度分级 强降水识别 广东省

在线阅读 下载PDF 职称材料

基于改进YOLO v11的番茄叶片病虫害识别算法

15

作者 江阳 杨颖 《江苏农业科学》 2026年第4期252-260,共9页

为了提升番茄叶片病虫害检测的精度和效率,针对农田背景复杂、目标较小等难题,提出一种基于改进YOLO v11的番茄叶片病虫害识别算法——YOLO v11-EBW,实现对番茄叶片病虫害的精准识别。首先,通过在YOLO v11算法的每个检测头前嵌入高效多... 为了提升番茄叶片病虫害检测的精度和效率,针对农田背景复杂、目标较小等难题,提出一种基于改进YOLO v11的番茄叶片病虫害识别算法——YOLO v11-EBW,实现对番茄叶片病虫害的精准识别。首先,通过在YOLO v11算法的每个检测头前嵌入高效多尺度注意力机制,降低背景因素干扰,增强模型对目标特征的关注;其次,设计一种BiFPN-Adaptive结构并重构颈部网络,促进不同尺度特征的融合与信息交互,提升特征融合能力;然后,加入160×160小目标检测头,有效改善小目标病虫害的检测效果,降低漏检率;最后,将损失函数CIoU替换为WIoU v2,使模型能更加准确地处理不同目标之间的差异,从而提升分类性能。试验结果表明,改进算法的平均精度均值mAP@0.5、mAP@0.5~0.9分别达到94.7%、87.8%,相较于原始YOLO v11算法分别提升3.5、4.9百分点,同时检测速度达到129.4帧/s,能够满足实际生产中对番茄叶片病虫害快速、精准的识别需求;消融试验充分证明了各个改进模块的有效性,在公开数据集上的对比结果表明,该方法具有优秀的鲁棒性。本研究算法有效降低了误检和漏捡,为番茄叶片病虫害的监测与防控提供了可靠的技术支撑,具有良好的应用前景。 展开更多

关键词 番茄 叶片病虫害 YOLO v11 目标检测 多尺度注意力机制

在线阅读 下载PDF 职称材料

基于YOLO v11改进模型的玉米病虫害检测系统

16

作者 施杰 张威 +3 位作者 李志 陈立畅 唐秀英 杨琳琳 《江苏农业科学》 2026年第4期261-269,共9页

玉米病虫害种类繁多,且种植环境复杂,给病虫害检测工作带来了较大挑战。现有目标检测算法通常计算量较大,而边缘计算设备受限于计算资源和内存容量,难以满足玉米病虫害检测对实时性和高效性的要求。针对上述问题,本研究设计了一套基于YO... 玉米病虫害种类繁多,且种植环境复杂,给病虫害检测工作带来了较大挑战。现有目标检测算法通常计算量较大,而边缘计算设备受限于计算资源和内存容量,难以满足玉米病虫害检测对实时性和高效性的要求。针对上述问题,本研究设计了一套基于YOLO v11改进模型的玉米作物病虫害边缘计算检测系统。首先,将PConv融入Bottleneck模块结构,构建C3k2-PConv模块,用于替换YOLO v11颈部网络中的C3k2模块,从而减少模型参数量并提升玉米病虫害检测的效率。其次,引入GhostConv模块替代主干网络中的标准卷积,在降低计算复杂度的同时,保持较高的病虫害检测精度。此外,设计基于线性自注意力的C2PSLCA模块,用以替换YOLO v11中的C2PSA模块,从而增强模型在复杂环境下对玉米病虫害特征的提取能力。结果表明,YOLO v11改进模型能够对玉米病虫害进行高效精准检测,精确率、召回率、mAP达到了87.65%、81.19%、87.08%,分别提升了0.78、1.96、2.28百分点,而权重大小、参数量、浮点运算次数分别降低了14.02%、14.89%、19.40%,提升了模型的检测效率及部署可行性。最后,将改进的模型YOLO v11-GPC部署到Jetson Orin Nano平台上,并采用PySide6开发系统可视化界面,为玉米作物的健康管理和病虫害防治提供了技术支撑。 展开更多

关键词 YOLO v11 玉米病虫害检测 模型轻量化 边缘计算

在线阅读 下载PDF 职称材料

基于微流成像图像的变压器油中典型杂质分类识别方法

17

作者 陈匡亚 杨丽君 +3 位作者 廖瑞金 陈宸 陈正宇 余欣玺 《高电压技术》 北大核心 2026年第1期347-358,共12页

油中颗粒杂质是导致油浸式电力设备绝缘故障的关键因素。针对现行光阻法仅能实现颗粒计数而无法识别种类和形态特征的局限性,该研究提出了一种基于微流成像技术和YOLO v11算法的变压器油杂质智能识别方法。首先采集4类典型杂质(纤维颗... 油中颗粒杂质是导致油浸式电力设备绝缘故障的关键因素。针对现行光阻法仅能实现颗粒计数而无法识别种类和形态特征的局限性,该研究提出了一种基于微流成像技术和YOLO v11算法的变压器油杂质智能识别方法。首先采集4类典型杂质(纤维颗粒、碳颗粒、铜颗粒、气泡)污染绝缘油的高清图像以构建训练样本库,随后采用YOLO v11算法建立分类模型,实现了杂质的自动识别与分类。实验结果表明:该方法对4类杂质的平均识别精度达91%,单张图像处理时间少于0.5 s。与传统光阻法相比,该方法不仅保留了原位检测优势,还能提供杂质的种类识别和形态特征信息,提升了检测的自动化程度和信息量。 展开更多

关键词 变压器油 油中杂质 微流成像 YOLO v11 颗粒识别

原文传递

基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法

18

作者 郑欣 田琳 +2 位作者 张艳 甘宗源 黄威 《液晶与显示》 北大核心 2026年第2期267-279,共13页

针对风机叶片表面缺陷人工检测效率低、现有深度学习方法环境适应性弱及多类型缺陷检测性能不足的问题,提出一种基于深度学习的无人机航拍三阶段智能检测方法,以实现高效、精准的缺陷识别。首先,从航拍视频中均匀抽帧,采用改进的Efficie... 针对风机叶片表面缺陷人工检测效率低、现有深度学习方法环境适应性弱及多类型缺陷检测性能不足的问题,提出一种基于深度学习的无人机航拍三阶段智能检测方法,以实现高效、精准的缺陷识别。首先,从航拍视频中均匀抽帧,采用改进的EfficientNetV2-S网络实现损伤叶片初筛(准确率87.5%);然后,利用高斯混合聚类算法筛选典型损伤帧以压缩冗余数据;最后,基于集成Transformer模块与动态锚点策略的YOLO-v11网络完成缺陷精确检测。此外,构建包含剥落、裂纹等缺陷的15000幅图像数据集用于方法验证。实验结果表明,该方法单帧检测召回率达88.4%、精度达71.5%,视频级检测召回率提升至95.0%、精度达86.4%,显著优于对比方法;可有效识别裂纹、剥落等缺陷,突破复杂环境地形限制,实现全叶片覆盖检测。所提方法解决了小目标与环境干扰难题,性能稳定,检测精度高,为风电智能化运维提供了有力支持。 展开更多

关键词 风机叶片表面缺陷 无人机巡检 高斯混合聚类模型 YOLO-v11 EfficientNetV2

在线阅读 下载PDF 职称材料

全面呵护——趋势科技网络安全个人版V11

19

作者 小虫 《大众软件》 2004年第4期23-23,共1页

2004年1月7日，著名网络安全软件及相关服务提供商趋势科技携手中文网上书店当当网，发布其最新产品——网络安全个人版V11。它的前身是大多数用户较熟悉的防病毒软件PC-cillin。在网络空前普及的今天，病毒、垃圾邮件、间谍软件、木马... 2004年1月7日，著名网络安全软件及相关服务提供商趋势科技携手中文网上书店当当网，发布其最新产品——网络安全个人版V11。它的前身是大多数用户较熟悉的防病毒软件PC-cillin。在网络空前普及的今天，病毒、垃圾邮件、间谍软件、木马程序不断困扰用户，单纯的防病毒软件已很难满足安全需求，PC-cillin的更名和升级也体现出厂商在软件设计思路上的变化。 展开更多

关键词 网络安全软件 趋势科技公司 网络安全个人版v11 界面说明 资源占用量 功能模块

原文传递

基于表型机器人的小麦关键生育期表型检测方法 被引量：4

20

作者 宋绪斌 王春颖 +4 位作者 李明 赵兴田 王庆隆 杨明清 刘平 《农业机械学报》 北大核心 2025年第3期67-79,共13页

为解决传统田间小麦表型数据采集与解析自动化水平低和精准性差的问题,研制了小麦表型机器人底盘,并提出一种基于表型机器人的小麦关键生育期表型检测方法。首先,提出了TD-YOLO v11出苗检测模型,实现了田间小麦出苗精准识别。该模型在... 为解决传统田间小麦表型数据采集与解析自动化水平低和精准性差的问题,研制了小麦表型机器人底盘,并提出一种基于表型机器人的小麦关键生育期表型检测方法。首先,提出了TD-YOLO v11出苗检测模型,实现了田间小麦出苗精准识别。该模型在特征提取网络中引入可变性卷积模块(Deformable convolutional v4,DCNv4),增强模型捕捉上下文信息的能力,降低计算复杂度和参数量。此外,引入任务动态对齐检测头(Task dynamic align detection head,TDADH),通过动态选择特征,提高模型的分类和定位性能。然后,构建了融合多传感器与边缘计算的小麦表型解析系统,该系统集成了出苗检测方法与前期研究提出的抽穗期监测及开花期判定等表型解析方法,实现了田间表型数据的高效自动化采集与解析。结果表明,提出的方法具有较高的小麦出苗识别精度(R^(2)为0.908,RMSE为11.73,rRMSE为23.04%),同时实现小麦抽穗期及开花期表型的动态监测。该方法可用于田间小麦表型数据的高通量采集和高效解析,为小麦育种田间表型获取工作提供了高效、可靠的技术支持。 展开更多

关键词 小麦 表型机器人 解析系统 表型鉴定 YOLO v11

在线阅读 下载PDF 职称材料