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1,852篇文章
< 1 2 … 93 >
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：
基于轻量化YOLO v5s-MCA的番茄成熟度检测方法 被引量：5
1
作者 奚小波 丁杰源 +5 位作者 翁小祥 王昱 韩连杰 邹赟涵 唐子昊 张瑞宏 《农业机械学报》 北大核心 2025年第3期383-391,436,共10页
针对自然环境下番茄识别易受复杂背景干扰、相邻果实成熟度相似难以检测等问题,本文提出了一种轻量化YOLO v5s-MCA番茄成熟度识别模型,划分成熟期、转熟期、转色期和未熟期4个成熟度等级。该模型在YOLO v5s基础上使用MobileNetV3网络,... 针对自然环境下番茄识别易受复杂背景干扰、相邻果实成熟度相似难以检测等问题,本文提出了一种轻量化YOLO v5s-MCA番茄成熟度识别模型,划分成熟期、转熟期、转色期和未熟期4个成熟度等级。该模型在YOLO v5s基础上使用MobileNetV3网络,减少了模型参数量;在主干网络和颈部网络引入坐标注意力机制(Coordinate attention,CA),提高了模型对番茄特征表达能力;将颈部网络替换为加权双向特征金字塔网络BiFPN,强化了模型特征融合性能并提高了模型识别准确率;将颈部网络中的标准卷积模块改进为GSConv卷积,减轻了模型复杂度并提高了对目标信息的获取能力。试验结果表明,YOLO v5s-MCA模型参数量仅为2.33×10^(6),计算量仅为4.1×10^(9),模型内存占用量仅为4.83 MB,其精准度和平均精度均值分别达到92.8%和95.1%,相对YOLO v5s基础模型分别提升3.4、4.4个百分点。对比YOLO v3s、YOLO v5s、YOLO v5n、YOLO v7、YOLO v8n及YOLO v10n等6种模型,YOLO v5s-MCA模型轻量化效果与检测性能最优。 展开更多
关键词 番茄 成熟度检测 图像识别 YOLO v5s 轻量化
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
2
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YOLO v5s算法的红枣缺陷检测与分拣方法
3
作者 史鹏涛 田政伟 +1 位作者 李晓泽 危康乐 《江苏农业科学》 北大核心 2025年第5期83-88,共6页
针对当前生产活动中缺陷红枣的人工识别与分拣劳动强度大、效率低、分拣效果不理想的问题,设计一款基于机器视觉的红枣缺陷检测与分拣设备。首先建立多品种、多照明环境下的红枣缺陷检测样本图库,通过高斯滤波等数据增强技术增强了图像... 针对当前生产活动中缺陷红枣的人工识别与分拣劳动强度大、效率低、分拣效果不理想的问题,设计一款基于机器视觉的红枣缺陷检测与分拣设备。首先建立多品种、多照明环境下的红枣缺陷检测样本图库,通过高斯滤波等数据增强技术增强了图像表面特征,并利用图库分析了红枣缺陷形貌和图像特征。然后针对训练后的YOLO v5s模型检测效果不理想的问题,分别通过引入锚框尺寸优化和添加预测头、引入注意力分配机制和学习率自适应等方法对网络进行了改进与优化,优化后模型训练效果准确率提高7百分点,对红枣缺陷检测的效果有明显增强,与当前热门的检测网络YOLO v3、YOLO v4和YOLO v4-tiny模型对比,YOLO v5s模型平均精度均值分别高7.4、2.3、5.7百分点。试验结果表明,改进后的红枣缺陷检测网络能够有效实现红枣缺陷识别,平均检测准确率达到85.3%,其中黄河滩枣检测准确率可达到87.5%,与分拣设备配合使用能够较好地完成红枣缺陷识别与分拣任务。本研究设计的缺陷检测与分拣平台能够为相关农产品的智能化检测与自动分拣装备的设计与研发提供借鉴和参考。 展开更多
关键词 缺陷检测 机器视觉 自动分拣 YOLO v5s 红枣
在线阅读 下载PDF
基于改进YOLO v5s的叶菜病虫害检测算法研究
4
作者 贺洪江 刘毅祥 王双友 《江苏农业科学》 北大核心 2025年第5期244-250,共7页
叶菜病虫害的早期识别是提高叶菜产量和质量的重要保障,为提高常见叶菜病虫的检测精度,针对实际生产中的复杂环境,以YOLO v5s为基准模型,提出一种改进的FV-YOLO v5s模型。首先,在主干网络中融合CA注意力机制模块与C3特征提取模块,形成了... 叶菜病虫害的早期识别是提高叶菜产量和质量的重要保障,为提高常见叶菜病虫的检测精度,针对实际生产中的复杂环境,以YOLO v5s为基准模型,提出一种改进的FV-YOLO v5s模型。首先,在主干网络中融合CA注意力机制模块与C3特征提取模块,形成了C3CA模块以增强叶菜病虫害的特征提取能力。接着在颈部网络中使用Slim-neck范式设计,高效提取图像中小尺寸目标的特征,增强特征融合的效率。最后用WIoU损失对原损失函数CIoU进行替换,更快地达到收敛状态并提升模型检测性能。结果表明,新模型的精度、召回率和平均精度均值分别达到了92.2%、91.5%、94.8%。改进后的模型FV-YOLO v5s对比原YOLO v5s模型算法,精度、召回率、平均精度均值分别提高2.7、1.4、1.8百分点,优于现有的识别网络,包括YOLO v7、YOLO v8、Faster R-CNN等模型。FV-YOLO v5s模型适用于现代农业生产环境,有助于快速识别和检测叶菜病虫害,且该研究为智慧农业中的叶菜高品质和高产量提供了依据,从而最大限度地减少经济损失。 展开更多
关键词 叶菜病虫害 YOLO v5s CA注意力机制 Slim-neck WIoU损失函数
在线阅读 下载PDF
基于改进YOLO v5算法的混凝土结构表观损伤检测方法 被引量：2
5
作者 罗大明 谢俊科 +1 位作者 李凡 牛荻涛 《西安建筑科技大学学报(自然科学版)》 北大核心 2025年第2期159-166,218,共9页
针对混凝土结构损伤人工检测方法主观性强、效率低的问题,提出了一种基于改进YOLO v5算法的混凝土结构损伤检测方法.首先,将YOLO v5的耦合头更换为解耦头,可有效避免目标损伤信息和背景信息相互干扰的问题,提高模型的特征表达能力;其次,... 针对混凝土结构损伤人工检测方法主观性强、效率低的问题,提出了一种基于改进YOLO v5算法的混凝土结构损伤检测方法.首先,将YOLO v5的耦合头更换为解耦头,可有效避免目标损伤信息和背景信息相互干扰的问题,提高模型的特征表达能力;其次,在YOLO v5中加入了包含通道注意力模块和空间注意力模块的CA注意力机制,使模型忽略掉一些无关信息,可以更好关注到目标损伤的特征信息.通过建立的4101张包含实际工程中混凝土结构裂缝、剥落和露筋三种类型损伤的数据集对模型性能进行对比验证.试验结果表明:相较于YOLO v5模型,改进后的模型在混凝土裂缝、剥落和露筋的检测平均精度值分别提升了2.6%、1.3%和0.5%,mAP值提高了1.4%,且mAP值和FPS值均优于Faster R-CNN和YOLO v3目标检测算法,可较好满足实际工程中混凝土结构损伤检测任务的需求. 展开更多
关键词 混凝土结构 损伤检测 YOLO v5算法 注意力机制 目标检测
在线阅读 下载PDF
基于改进YOLO v5的桑叶采摘与桑枝伐条识别定位方法 被引量：1
6
作者 申颜青 李丽 +2 位作者 李渊明 童晓玲 周永忠 《农业机械学报》 北大核心 2025年第8期487-495,共9页
为应对桑树生长的多季节变化及形态多样性,同时满足其与养蚕周期相匹配的需求,解决当前桑叶自下而上采摘与桑枝伐条作业中对人工定位的依赖问题,本研究建立桑园2021年7月、2024年9月和11月各种气候与桑枝形态的数据集,提出基于改进YOLO... 为应对桑树生长的多季节变化及形态多样性,同时满足其与养蚕周期相匹配的需求,解决当前桑叶自下而上采摘与桑枝伐条作业中对人工定位的依赖问题,本研究建立桑园2021年7月、2024年9月和11月各种气候与桑枝形态的数据集,提出基于改进YOLO v5的桑树枝干检测模型YOLO v5-cytp,构建基于深度相机的三维定位系统实现精准识别。首先,加入CA注意力机制,增强模型对桑枝底部的特征聚焦能力;然后将YOLO v5基础的CIoU损失函数替换为SIoU损失函数以提升训练速度与推理精度;最后采用轻量化GhostNet重构YOLO v5的骨干网络,在满足使用要求的前提下将模型轻量化。完成深度相机标定,实现RGB图像与深度图像对齐,经过坐标转换最终获取目标三维坐标。试验表明,YOLO v5-cytp模型平均精度均值达93.4%,相较YOLO v5原始模型提高1.2个百分点;同时内存占用量由3.79 MB降低为3.02 MB,降低20.31%;模型桑枝识别率达到91.11%;桑枝底部三维坐标(X,Y,Z)定位最大误差为(11.3,14.1,27.0)mm,符合误差允许值。模型可同时实现桑叶自下而上采摘与桑枝伐条作业的识别定位,可为桑园智能化采摘与伐条机器人提供参考。 展开更多
关键词 桑叶采摘 桑枝伐条 YOLO v5 目标检测
在线阅读 下载PDF
基于机器视觉与YOLO v5的裂纹蛋分拣机器人设计与试验 被引量：2
7
作者 蔡家一 刘世伟 +3 位作者 单龙祥 刘勇 沈红怡 王巧华 《智能化农业装备学报(中英文)》 2025年第1期41-50,共10页
随着我国国民生活水平的提高,消费者对于蛋品的品质要求愈发提高。裂纹蛋的检测是蛋品在装箱出厂之前的重要环节。为解决人工分拣裂纹蛋品劳动强度高、工作量大等问题,设计了一种基于机器视觉与YOLO v5的裂纹蛋品分拣机器人。首先,通过... 随着我国国民生活水平的提高,消费者对于蛋品的品质要求愈发提高。裂纹蛋的检测是蛋品在装箱出厂之前的重要环节。为解决人工分拣裂纹蛋品劳动强度高、工作量大等问题,设计了一种基于机器视觉与YOLO v5的裂纹蛋品分拣机器人。首先,通过逆运动学解算得到机械臂各舵机的转角并转换成PWM占空比,实现对三轴串联机械臂的控制;其次,利用高清120°广角摄像头作为图像采集核心,快速获取蛋品表面图像信息并对所采集的1000张图像进行数据标注;随后,分别训练不同梯度下降批次大小下的YOLO v5模型,其中梯度下降批次大小为8的模型拥有最高的mAP,其值为98.92%;最后,在机械臂上位机主板调用该模型,对正常蛋品与裂纹蛋品进行识别判断后,开启机械臂分拣行程;此外,蛋品分拣机器人的末端拣拾机构为气动吸盘,该吸盘挂载于机械臂上,以实现对蛋品的无损吸取。经测试,该机器人对裂纹蛋品和正常蛋品的识别准确率分别达到93.33%和99.17%,平均分拣成功率达94.34%,平均分拣速率为7.55 s/个,基本满足要求。研究成果可为裂纹蛋品的筛选工作提供技术支持,为蛋品的裂纹检测与分拣提供解决方案,具有较高的现实意义。 展开更多
关键词 裂纹蛋品 YOLO v5 机器视觉 三轴机械臂 智能分拣
在线阅读 下载PDF
一种基于改进YOLO v5n的黄桃虫害检测方法 被引量：1
8
作者 曾孟佳 徐欢 黄旭 《安徽农业科学》 2025年第3期236-242,共7页
为了减少虫害,增加桃树产量,提出了一种基于改进YOLO v5n的桃虫害检测方法。首先,针对虫害世代重叠和虫害数据长尾分布,构建了一个多类别的桃虫害数据集;其次在主干网络中引入RFB多分支空洞卷积层,增大模型的感受野,提升模型的特征提取... 为了减少虫害,增加桃树产量,提出了一种基于改进YOLO v5n的桃虫害检测方法。首先,针对虫害世代重叠和虫害数据长尾分布,构建了一个多类别的桃虫害数据集;其次在主干网络中引入RFB多分支空洞卷积层,增大模型的感受野,提升模型的特征提取能力,同时将颈部网络结构替换为BiFPN结构,对不同层次的特征图进行特征重结合,改进特征融合的方式;最后,将激活函数更改为ReLU,避免了原激活函数在某些硬件环境中不兼容的问题。结果表明,与原YOLO v5n算法相比,改进算法的准确率、召回率分别提升了1.6%和6.6%,平均精度均值提高了3.6%,达到了88.8%,优于其他YOLO轻量级模型。 展开更多
关键词 桃 虫害检测 RFB BiFPN YOLO v5n
在线阅读 下载PDF
基于改进YOLO v5的水稻害虫识别方法
9
作者 何泽珅 黄操军 +3 位作者 许善祥 袁鑫宇 高学文 赵清 《江苏农业科学》 北大核心 2025年第5期223-230,共8页
在水稻生长过程中,及时识别害虫种类在虫情监测环节至关重要。由于害虫种类繁多,人工识别效率低且主观性强,传统的水稻害虫识别模型易受环境因素影响,因此提高水稻害虫识别的准确性是亟待解决的问题。以水稻试验田中获取的害虫图像为对... 在水稻生长过程中,及时识别害虫种类在虫情监测环节至关重要。由于害虫种类繁多,人工识别效率低且主观性强,传统的水稻害虫识别模型易受环境因素影响,因此提高水稻害虫识别的准确性是亟待解决的问题。以水稻试验田中获取的害虫图像为对象,提出了一种基于MSRCP算法的图像增强和改进YOLO v5网络的水稻害虫识别模型。在图像预处理部分,采用MSRCP算法和双边滤波算法来增强因光照不均而受到影响的害虫图像。在改进YOLO v5网络部分,在骨干网络中引入了SE注意力机制,增强模型对害虫特征的理解能力,从而提升模型对各个通道害虫特征的辨别能力;引入α-IoU损失函数优化检测边界框,提高模型精度;并采用迁移学习策略训练模型,提升模型的学习效率和鲁棒性。通过消融试验可知,改进后的模型在水稻害虫图像识别上的精确率为95.17%,召回率为86.34%,平均精度均值为91.30%,较原YOLO v5模型分别提高了6.09、5.04、7.10百分点。与其他模型相比,改进后的模型平均精度均值较Faster R-CNN、原YOLO v5模型、YOLO v7分别提高了21.45、7.10、3.06百分点。改进算法明显优于其他算法,能更好地适应水稻害虫的特殊形态和农田复杂环境,对水稻害虫的防控具有重要意义。 展开更多
关键词 农田复杂环境 YOLO v5模型 害虫种类识别 害虫防治 深度学习
在线阅读 下载PDF
基于YOLO v5的无人驾驶农业车辆障碍目标检测
10
作者 卢明 王平 赵洪黎 《甘肃科学学报》 2025年第3期148-152,共5页
为解决无人驾驶农业车辆在复杂农业场景中的障碍目标识别难题,以YOLO v5模型为基础,通过采集农田场景下的目标障碍图片,结合公开数据集中部分障碍目标图片建立了用于无人驾驶农业车辆障碍目标识别的数据集,并以此数据集训练了一种基于YO... 为解决无人驾驶农业车辆在复杂农业场景中的障碍目标识别难题,以YOLO v5模型为基础,通过采集农田场景下的目标障碍图片,结合公开数据集中部分障碍目标图片建立了用于无人驾驶农业车辆障碍目标识别的数据集,并以此数据集训练了一种基于YOLO v5的农业场景下目标障碍检测模型。同时,为了避免训练数据分布的不均匀性,训练过程中采用了加权学习的率策略。实验结果表明,该模型在自建数据集上可以达到89.6%的mAP@0.5,这使得该模型能够满足无人驾驶农业车辆在农田环境下对障碍目标识别和感知的要求。 展开更多
关键词 障碍目标识别 目标检测 无人驾驶 YOLO v5 计算机视觉
在线阅读 下载PDF
基于改进YOLO v5s的水下小目标检测算法
11
作者 梁衡 刘儒一 +1 位作者 张典 宋廷强 《青岛科技大学学报(自然科学版)》 2025年第2期122-131,共10页
针对目前水下图像存在图像模糊以及小目标聚集导致水下小目标识别精度低的情况,提出一种基于改进YOLO v5s的水下小目标检测算法。在主干特征提取网络中嵌入卷积注意力模块,强化小目标信息,提高网络模型的特征提取能力。设计了一种改进... 针对目前水下图像存在图像模糊以及小目标聚集导致水下小目标识别精度低的情况,提出一种基于改进YOLO v5s的水下小目标检测算法。在主干特征提取网络中嵌入卷积注意力模块,强化小目标信息,提高网络模型的特征提取能力。设计了一种改进的C3模块C3Swin,在原始C3模块中加入Swin Transformer结构,在不同滑动窗口间进行信息交互,增强了全局信息的提取能力。对原始YOLO v5s的检测层进行重构,增加小目标检测层,提升小目标的检测精度。改进损失函数,使用α-iou对原损失函数进行优化,提升预测框的回归精度。实验结果表明,在URPC水下目标检测数据集中,本工作提出的算法平均精度均值(mAP)为86.9%,相较于原模型提升了2.9%,检测速度为62.7 Hz,优于主流算法,在保证检测速度的同时提升了检测精度。 展开更多
关键词 水下小目标检测 YOLO v5s 卷积注意力模块 Swin Transformer α-iou
在线阅读 下载PDF
基于改进YOLO v5的骑行头盔佩戴检测算法研究
12
作者 白熠宸 贾蒙 申小萌 《河南工学院学报》 2025年第3期14-19,共6页
针对电动车骑行场景中头盔佩戴检测存在的小目标识别困难、复杂遮挡及人工监管效率低下等问题,提出一种基于改进YOLO v5的骑行头盔佩戴检测算法。通过在YOLO v5s基准模型中引入双重注意力机制与优化损失函数,显著提升检测性能:在Backbon... 针对电动车骑行场景中头盔佩戴检测存在的小目标识别困难、复杂遮挡及人工监管效率低下等问题,提出一种基于改进YOLO v5的骑行头盔佩戴检测算法。通过在YOLO v5s基准模型中引入双重注意力机制与优化损失函数,显著提升检测性能:在Backbone中嵌入CA坐标注意力模块,增强模型对目标位置的敏感度;在Neck部分集成CBAM注意力机制模块,通过通道-空间双域协同机制抑制背景噪声干扰;采用DIoU损失函数替代GIoU,优化边界框回归轨迹,提升重叠目标的定位精度。实验基于自建数据集(2360张图像),改进模型的精确率(P)、召回率(R)及平均精度(mAP)分别达到88.2%、90.4%和90.9%,较基准模型提升3.5%、4.3%和4.1%,同时优于Faster R-CNN等对照模型。该算法兼顾轻量化与高精度,为复杂交通场景下的头盔佩戴自动化监管提供了高效的解决方案,具有实际应用价值。 展开更多
关键词 头盔佩戴检测 YOLO v5 CA坐标注意力 CBAM注意力机制 DIoU损失函数
在线阅读 下载PDF
基于改进版YOLO v5的电解槽短路极板智能诊断
13
作者 李志明 《四川冶金》 2025年第3期37-42,59,共7页
采用一种基于改进YOLO v5神经网络模型的铜电解槽短路电极智能诊断方法,通过对原始图像进行桶形畸变矫正和几何角度畸变矫正,再运用滤波处理和Canny边缘检测到电解槽注液口位置,实现对电解槽极板精确分割,并利用优化后的红外图像来训练Y... 采用一种基于改进YOLO v5神经网络模型的铜电解槽短路电极智能诊断方法,通过对原始图像进行桶形畸变矫正和几何角度畸变矫正,再运用滤波处理和Canny边缘检测到电解槽注液口位置,实现对电解槽极板精确分割,并利用优化后的红外图像来训练YOLO v5神经网络模型,最终实现铜电解槽短路极板的智能诊断。 展开更多
关键词 电解槽 图像处理 故障检测 YOLO v5
在线阅读 下载PDF
基于改进YOLOv5的农田害虫检测计数方法研究
14
作者 靳冲 陈首红 《乡村科技》 2025年第14期140-143,共4页
近年来,农产品产量和品质稳步提高,但农业防灾减灾技术与设施相对落后。目前,对害虫进行检测计数时,普遍采用黑光灯诱集害虫+人工识别计数的方法。该方法的效率、准确度和时效性与测报员的综合素质密切相关,若可靠度和时效性较差,不利... 近年来,农产品产量和品质稳步提高,但农业防灾减灾技术与设施相对落后。目前,对害虫进行检测计数时,普遍采用黑光灯诱集害虫+人工识别计数的方法。该方法的效率、准确度和时效性与测报员的综合素质密切相关,若可靠度和时效性较差,不利于农业害虫防治工作的及时、有效开展。针对农田害虫检测计数问题,该研究提出了一种基于改进YOLO v5的农田害虫图像检测计数方法。以28种常见的农田害虫为检测目标,对原始图像数据进行数据增强、增广处理,构建含36356张农田害虫图像的数据集,在YOLO v5主干特征提取网络中添加坐标注意力机制,对算法中的候选框、卷积层进行改进。改进后的YOLO v5算法对农田害虫检测具有识别精度高、定位统计准的优点,并能减少小目标图像信息的丢失,更好地满足检测需求。 展开更多
关键词 农田害虫检测 改进YOLO v5 注意力机制 深度学习
在线阅读 下载PDF
CATIA V5知识工程在复合材料制造领域的应用
15
作者 王文奇 王世杰 《科技视界》 2025年第28期59-62,共4页
基于CATIA V5软件的Knowledgeware模块讨论一种参数化设计方法,该方法利用知识工程编程语言,将工艺规范、材料规范等复合材料制造要求存储到知识库中。利用参数驱动特征,实现复合材料制造可行性仿真分析、下料、投影的规范化,保证程序... 基于CATIA V5软件的Knowledgeware模块讨论一种参数化设计方法,该方法利用知识工程编程语言,将工艺规范、材料规范等复合材料制造要求存储到知识库中。利用参数驱动特征,实现复合材料制造可行性仿真分析、下料、投影的规范化,保证程序制造过程可控,并方便进行修改及模型同步自动更新,进而提升设计效率。利用参数化后的标准规范,快速确定制造方案,有助于工艺人员在最短的时间内做出正确的决策,提高产品质量。 展开更多
关键词 CATIA v5软件 复合材料 参数化 知识工程 知识库
在线阅读 下载PDF
基于YOLO-v5s算法的砖砌体建筑表面损伤检测方法研究
16
作者 焦新元 《中国高新科技》 2025年第15期91-93,共3页
砖砌体建筑随着使用年限的延长会出现各类损伤,利用YOLO-v5s目标检测算法能够实现快速检测。因此,文章以YOLO-v5s算法为基础,在总结其原理后给出优化方法,利用所优化的算法进行实际检测,发现其准确性相对较高,可以作为常态检测方法进行... 砖砌体建筑随着使用年限的延长会出现各类损伤,利用YOLO-v5s目标检测算法能够实现快速检测。因此,文章以YOLO-v5s算法为基础,在总结其原理后给出优化方法,利用所优化的算法进行实际检测,发现其准确性相对较高,可以作为常态检测方法进行应用。 展开更多
关键词 YOLO-v5s算法 砖砌体 表面损伤 检测方法
在线阅读 下载PDF
基于YOLO-V5改进模型的无人机输电线路巡检缺陷识别
17
作者 丁栩麟 《电工技术》 2025年第8期105-108,共4页
基于无人机的输电线路巡检方法使得线路巡检工作的效率及安全性得到显著提升,但从大量的无人机巡检数据中挑选出缺陷数据难度大且效率低下。基于目标检测算法分类,对YOLO-V5模型进行优化改进,增加多尺度处理功能,并引入注意力机制,最后... 基于无人机的输电线路巡检方法使得线路巡检工作的效率及安全性得到显著提升,但从大量的无人机巡检数据中挑选出缺陷数据难度大且效率低下。基于目标检测算法分类,对YOLO-V5模型进行优化改进,增加多尺度处理功能,并引入注意力机制,最后对目标检测模型从Precision、Recall、F1-score及AP指标进行综合评价,验证了YOLO-V5改进模型在无人机输电线路巡检缺陷识别中更具优越性。 展开更多
关键词 YOLO-v5改进模型 无人机 输电线路巡检 缺陷识别
在线阅读 下载PDF
基于YOLO-V5算法的煤岩界线识别研究
18
作者 刘宏滔 吴禹同 +1 位作者 白尧 刘成龙 《山西建筑》 2025年第13期71-77,91,共8页
文章将煤岩界线作为研究对象,转化为目标检测问题,旨在通过框定煤岩界线来实现煤与岩石的区分。研究采用了前沿的YOLO-V5算法,并结合了多种技术改进,包括使用Mish函数替代Relu函数,CIOU-Loss替代IOU-Loss, DIOU-Nms替代Nms,以及Mosaic... 文章将煤岩界线作为研究对象,转化为目标检测问题,旨在通过框定煤岩界线来实现煤与岩石的区分。研究采用了前沿的YOLO-V5算法,并结合了多种技术改进,包括使用Mish函数替代Relu函数,CIOU-Loss替代IOU-Loss, DIOU-Nms替代Nms,以及Mosaic数据增强方式和DropBlock方法来防止过拟合。此外,还提出了适用于连续煤岩界线识别的新综合评价指标JX。经过模型识别验证,数据标注框需保持相对较小且一致,中心位于煤岩界线处,且紧密覆盖整条煤岩界线。最终识别结果中,煤岩界线识别框大小相对一致,定位准确,数据量较多。新的综合评价指标JX在1 200张数据集上的表现为85.28%。本研究通过YOLO-V5算法成功应用于连续煤岩界线识别,验证了正确标注方式的重要性,并提出了新的综合评价指标,有效衡量了煤岩界线连续目标识别效果。 展开更多
关键词 煤岩界线识别 YOLO-v5算法 目标检测 综合评价指标 深度学习
在线阅读 下载PDF
创伤性膝骨关节炎患者血清PACAP、TRPV5水平及其与预后的相关性分析
19
作者 刘威 郑华龙 杨军 《检验医学与临床》 2025年第12期1661-1666,共6页
目的 探讨创伤性膝骨关节炎(PTKOA)患者血清垂体腺苷酸环化酶激活肽(PACAP)、瞬时受体电位阳离子通道亚家族V成员5(TRPV5)水平及其与预后的相关性。方法 选取2020年1月至2022年1月该院收治的168例PTKOA患者作为PTKOA组,另选取同期该院5... 目的 探讨创伤性膝骨关节炎(PTKOA)患者血清垂体腺苷酸环化酶激活肽(PACAP)、瞬时受体电位阳离子通道亚家族V成员5(TRPV5)水平及其与预后的相关性。方法 选取2020年1月至2022年1月该院收治的168例PTKOA患者作为PTKOA组,另选取同期该院58例健康体检者作为对照组。根据Kellgren-Lawrence(K-L)分级标准将PTKOA组分为Ⅰ级组、Ⅱ级组、Ⅲ级组和Ⅳ级组;随访1年后根据预后将PTKOA组分为预后不良组和预后良好组。采用酶联免疫吸附试验检测血清PACAP、TRPV5水平。采用Spearman相关分析PTKOA患者血清PACAP、TRPV5水平与K-L分级的相关性。采用多因素Logistic回归分析PTKOA患者预后不良的影响因素。采用受试者工作特征(ROC)曲线分析血清PACAP、TRPV5水平对PTKOA患者预后不良的预测价值。结果 PTKOA组血清PACAP水平低于对照组,TRPV5水平高于对照组,差异均有统计学意义(P<0.05)。Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级组血清PACAP水平依次降低,TRPV5水平依次升高,差异均有统计学意义(P<0.05)。Spearman相关分析结果显示,PTKOA患者血清PACAP水平与K-L分级呈负相关(P<0.05),血清TRPV5水平与K-L分级呈正相关(P<0.05)。随访1年,168例PTKOA患者预后不良发生率为31.55%(53/168)。预后不良组血清PACAP水平低于预后良好组,TRPV5水平高于预后良好组,差异均有统计学意义(P<0.05)。K-L分级为Ⅲ~Ⅳ级、TRPV5水平升高为PTKOA患者预后不良的独立危险因素(P<0.05),PACAP水平升高为PTKOA患者预后不良的独立保护因素(P<0.05)。血清PACAP、TRPV5联合预测PTKOA患者预后不良的曲线下面积(AUC)为0.893,大于血清PACAP、TRPV5单独预测PTKOA患者预后不良的AUC(0.755、0.743),差异均有统计学意义(P<0.05)。结论 PTKOA患者血清PACAP水平降低和TRPV5水平升高与病情加重和预后不良均密切相关,血清PACAP、TRPV5联合检测对PTKOA患者预后不良预测价值较高。 展开更多
关键词 创伤性膝骨关节炎 垂体腺苷酸环化酶激活肽 瞬时受体电位阳离子通道亚家族V成员5 预后
暂未订购
基于改进YOLO v5的复杂环境下桑树枝干识别定位方法 被引量：7
20
作者 李丽 卢世博 +2 位作者 任浩 徐刚 周永忠 《农业机械学报》 EI CAS CSCD 北大核心 2024年第2期249-257,共9页
为实现复杂自然环境下对桑树嫩叶处枝干的识别检测,改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状,解决识别目标姿态多样和环境复杂导致的低识别率问题,提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry),并... 为实现复杂自然环境下对桑树嫩叶处枝干的识别检测,改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状,解决识别目标姿态多样和环境复杂导致的低识别率问题,提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry),并结合深度相机构建定位系统。首先,在YOLO v5的骨干网络中加入CBAM(Convolutional block attention module)注意力机制,提高神经网络对桑树枝干的关注度;并增加小目标层使模型可检测4像素×4像素的目标,提高了模型检测小目标的性能;同时使用GIoU损失函数替换原始网络中的IoU损失函数,有效防止了预测框和真实框尺寸较小时无法正确反映预测框及真实框之间位置关系的情况;随后,完成深度图和彩色图的像素对齐,通过坐标系转换获取桑树枝干三维坐标。试验结果表明:YOLO v5-mulberry检测模型的平均精度均值为94.2%,较原模型提高16.9个百分点,置信度也提高12.1%;模型室外检测时应检测目标数53,实际检测目标数为48,检测率为90.57%;桑树嫩叶处枝干三维坐标识别定位系统的定位误差为(9.4985 mm,11.285 mm,19.11 mm),满足使用要求。该研究可实现桑树嫩叶处枝干的识别与定位,有助于推动桑叶智能化采摘机器人研究。 展开更多
关键词 桑叶采摘 枝干识别定位 YOLO v5 目标检测 注意力机制 坐标转换
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 … 93 下一页 到第 页
使用帮助 返回顶部