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1,864篇文章
< 1 2 … 94 >
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YOLO v5n的移栽机栽植部件辣椒苗识别方法
1
作者 张斯源 苑严伟 +3 位作者 崔巍 朱凤武 吕程序 张学东 《农业机械学报》 北大核心 2026年第3期196-205,共10页
全自动移栽机在实际工作过程中经常遇到堵苗、漏苗和幼苗栽植状态异常等问题,实时监测移栽机栽植部件中的幼苗情况,是提高移栽机工作效率与移栽质量的关键。因此,本文提出了一种基于YOLO v5n的轻量化识别方法,用于对栽植部件中的辣椒苗... 全自动移栽机在实际工作过程中经常遇到堵苗、漏苗和幼苗栽植状态异常等问题,实时监测移栽机栽植部件中的幼苗情况,是提高移栽机工作效率与移栽质量的关键。因此,本文提出了一种基于YOLO v5n的轻量化识别方法,用于对栽植部件中的辣椒苗进行精确目标检测。首先在顺光、逆光光照情况下,使用摄像头采集了单株和多株的移栽机栽植部件辣椒苗图像,构建辣椒苗数据集;其次在YOLO v5n神经网络架构的基础上,使用Ghost卷积替换普通卷积,并插入改进后的FastGhost模块和SimAMGhost模块,有效降低模型的运算量和计算延迟,提高检测速度;引入EMA注意力机制,提高对重要细节信息的注意程度,改善模型对高度重叠的多株辣椒苗图像识别效果,解决了辣椒苗的部分多检和漏检问题;最终使用Shape-IoU损失函数替换CIoU损失函数,消除边界框自身形状对边界框回归的影响,提高边界框回归准确度。实验结果表明,与YOLO v5n相比,改进后的YOLO v5n-GE模型的检测平均精度均值为95.3%,比原模型提高0.3个百分点,模型参数量和计算量分别缩小52.5%和51.2%,检测速度提升12.2%。与当前YOLO系列主流模型相比,YOLO v5n-GE能够在大幅度减少参数量和运算量的情况下,保持较高的检测精度,证明了改进算法的有效性,可为硬件资源有限的移栽机栽植部件中的辣椒苗识别工作提供技术支持。 展开更多
关键词 全自动移栽机 辣椒苗识别 YOLO v5n SimAMGhost模块 EMA注意力机制
在线阅读 下载PDF
基于YOLO v5n与动态步长搜索的孢子显微成像自动对焦系统设计与试验
2
作者 雷雨 吴碧丽 +4 位作者 田洪凯 李春春 黄林生 乔红波 赵晋陵 《农业机械学报》 北大核心 2026年第3期332-341,共10页
采用孢子智能捕捉仪一体化监测气传致病孢子已成为当前作物气传病害早期在线预警的重要手段。针对复杂工况下孢子捕捉仪采用固定焦距显微成像时易出现图像离焦模糊、孢子检测精度不高等问题,本研究以小麦条锈菌夏孢子为研究对象,设计了... 采用孢子智能捕捉仪一体化监测气传致病孢子已成为当前作物气传病害早期在线预警的重要手段。针对复杂工况下孢子捕捉仪采用固定焦距显微成像时易出现图像离焦模糊、孢子检测精度不高等问题,本研究以小麦条锈菌夏孢子为研究对象,设计了一种融合YOLO v5n目标检测与基于孢子形态尺寸的动态步长搜索策略的孢子显微成像自动对焦系统,旨在实现复杂背景下夏孢子显微成像所在焦平面的自适应追踪与计数。首先,基于树莓派微控制器和CMOS图像传感器搭建低成本的便携式显微图像采集装置,通过步进电机驱动镜筒垂直上下位移(1/8步细分模式,步长0.625μm),以完成多焦距的夏孢子显微图像序列采集;其次,创新性地将YOLO v5n模型与传统平方修正拉普拉斯算子(Squared modified laplacian,SML)梯度评价函数结合,提出改进的夏孢子对焦评价函数,解决背景杂质干扰导致的焦平面误判问题;最后,采用基于孢子形态尺寸的动态步长搜索策略(粗搜索10μm/步,精搜索2.5μm/步)优化显微成像的自动对焦效率。试验结果表明,改进夏孢子对焦评价函数的孢子计数精度为97.44%,比采用传统基于梯度的对焦评价函数的计数精度提高了56.54个百分点;显微成像对焦系统的自动对焦成功率为98%,平均自动对焦时间为116.49 s。本研究提出的高对焦率、强鲁棒性自动对焦算法,配合低成本、快速响应的便携式显微图像采集装置,有效推动了智能孢子捕捉仪的自动化升级,为作物气传病害跨区域防控体系建设提供了关键技术支撑。 展开更多
关键词 孢子 显微成像 自动对焦 树莓派 对焦评价函数 YOLO v5n
在线阅读 下载PDF
基于轻量化YOLO v5s-MCA的番茄成熟度检测方法 被引量：6
3
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 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
融合改进YOLO v5s与毫米波雷达的避障目标检测方法
5
作者 胡炼 梁楚奇 +6 位作者 罗雅玲 柳诏迪 阮庆强 汪沛 黄培奎 王培 孙宜田 《农业机械学报》 北大核心 2025年第12期634-644,共11页
为提高农场环境下无人驾驶农机对农田障碍物感知的准确性,针对视觉检测容易受光照和毫米波雷达检测易受车辆颠簸等,以及视觉检测目标算法在复杂田间下参数量大、计算量大、模型体积大的问题,本文提出一种融合视觉与毫米波雷达信息的无... 为提高农场环境下无人驾驶农机对农田障碍物感知的准确性,针对视觉检测容易受光照和毫米波雷达检测易受车辆颠簸等,以及视觉检测目标算法在复杂田间下参数量大、计算量大、模型体积大的问题,本文提出一种融合视觉与毫米波雷达信息的无人驾驶农机避障目标检测方法。首先过滤毫米波雷达的部分目标数据,并提出基于自适应扩展卡尔曼滤波的目标追踪算法。然后制作农场环境障碍物数据集,构建基于改进YOLO v5s的目标检测模型。随后,通过时间戳对齐和直接线性标定法的坐标变换,实现雷达点向图像像素坐标系的映射。最后,通过决策级融合方法和目标匹配策略构建毫米波雷达与视觉传感器的障碍物检测信息融合模型。试验结果表明,改进YOLO v5s模型平均精度均值为97.0%,与原始模型相近,但参数量、计算量、模型内存占用量仅分别为原YOLO v5s模型的40.2%、39.2%和38.2%,与YOLO v4-Tiny、YOLO v7-Tiny、YOLO v4和YOLO v7模型相比能够更好地平衡精确率与检测速度。多场景试验结果表明,本文提出的融合方法在白天试验时相较于雷达与视觉识别准确率分别提高2.67、15.07个百分点,夜间试验时融合检测方法能有效弥补视觉失效的情况,比单传感器算法具有更好的鲁棒性与准确性,同时基于融合检测方法有效实现了无人驾驶农机停车避障。 展开更多
关键词 YOLO v5s 农田障碍物检测 毫米波雷达 视觉目标检测 信息融合
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
6
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
7
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：3
8
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
9
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
基于改进YOLO v5的水稻害虫识别方法 被引量：1
10
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
基于机器视觉与YOLO v5的裂纹蛋分拣机器人设计与试验 被引量：7
11
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
基于改进YOLO v5s的水下小目标检测算法 被引量：1
12
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
一种基于改进YOLO v5n的黄桃虫害检测方法 被引量：2
13
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的钢带表面缺陷检测方法
14
作者 贺智勇 李国红 +2 位作者 谢刚 谢新林 胡啸 《控制工程》 北大核心 2025年第12期2277-2282,共6页
针对工业钢带表面缺陷检测率低的问题,提出了一种改进YOLO v5的钢带表面缺陷检测算法。首先,在YOLO v5骨干网络中引入压缩激励(squeeze-and-excitation,SE)注意力机制,来强化模型对缺陷重要信息的提取能力,解决特征信息损失较大的问题;... 针对工业钢带表面缺陷检测率低的问题,提出了一种改进YOLO v5的钢带表面缺陷检测算法。首先,在YOLO v5骨干网络中引入压缩激励(squeeze-and-excitation,SE)注意力机制,来强化模型对缺陷重要信息的提取能力,解决特征信息损失较大的问题;其次,使用四尺度检测机制来增大网络模型的检测区域,加强深层与浅层语义信息的融合;最后,通过K均值(K-means++)聚类算法改进优化检测锚框,解决部分小目标检测困难的问题。针对NEU-DET数据集的验证结果表明,所提出模型的m AP为79.2%,较YOLO v5模型提升了3.3个百分点,既保持了YOLO系列轻量化的优势,又可实现较好的工业钢带小目标检测效果。 展开更多
关键词 缺陷检测 聚类算法 YOLO v5 注意力机制 四尺度检测
原文传递
基于YOLO v5的无人驾驶农业车辆障碍目标检测
15
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YOLOv5的农田害虫检测计数方法研究 被引量：1
16
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
基于改进YOLO v5的骑行头盔佩戴检测算法研究
17
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
基于改进的YOLO-v5对管道高温区域和技术人员检测与识别方法
18
作者 李中鹤 李强 赵美蓉 《测控技术》 2025年第11期27-36,共10页
对管道高温区域进行检测,有助于及时发现和解决潜在的安全隐患。对于技术人员进行识别和定位,可以确保其在工作过程中的安全。因此,提出了一种基于改进的YOLO-v5对管道高温区域和技术人员进行精确检测和识别的方法。首先,使用红外相机... 对管道高温区域进行检测,有助于及时发现和解决潜在的安全隐患。对于技术人员进行识别和定位,可以确保其在工作过程中的安全。因此,提出了一种基于改进的YOLO-v5对管道高温区域和技术人员进行精确检测和识别的方法。首先,使用红外相机采集了大量管道高温区域和技术人员的采煤现场图像,并制作了数据集;然后,利用双向特征金字塔网络替代传统特征金字塔网络(Feature Pyramid Network,FPN)+路径聚合网络(Path Aggregation Network,PAN)的组合结构,新增80 px×80 px高分辨率特征层,通过跨尺度双向特征传递增强了浅层细节与深层语义信息的互补性;在Head部分引入动态锚框(Anchor Box)密度调整策略,缓解小目标梯度消失问题。实验结果表明,改进模型对管道高温区域检测的平均精度(Average Precision,AP)@0.5达95.24%,对技术人员识别的AP@0.5提升至90.95%,较原始YOLO-v5模型的平均精度均值(mean Average Precision,mAP)提升了5.12%,在粉尘、低光照等复杂场景下漏检率降低了18.7%,且在小目标的识别方面具明显优势。 展开更多
关键词 管道高温区 改进YOLO-v5 检测 识别
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
19
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
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 … 94 下一页 到第 页
使用帮助 返回顶部