基于位置感知和跨层特征融合的航拍小目标检测算法 被引量：2

1

作者 雷帮军 余翱 +1 位作者 吴正平 余快 《电子测量技术》 北大核心 2024年第5期112-123,共12页

针对航拍图像目标尺度小、背景复杂、漏检和误检严重,提出了一种基于位置感知和跨层特征融合的航拍小目标检测算法DC-YOLOv8s。DC-YOLOv8s新增小目标检测层,增强对小目标尺度的敏感性,提高检测精度。为了减少特征信息的丢失,设计了跨层... 针对航拍图像目标尺度小、背景复杂、漏检和误检严重,提出了一种基于位置感知和跨层特征融合的航拍小目标检测算法DC-YOLOv8s。DC-YOLOv8s新增小目标检测层,增强对小目标尺度的敏感性,提高检测精度。为了减少特征信息的丢失,设计了跨层特征融合模块,充分融合小目标浅层语义信息和深层语义信息,丰富特征表示。改进C 2f结构,结合可变性卷积设计了基于位置感知融入残差的感受野注意力模块,适应航拍小目标形状的变化,快速提取感受野特征,降低漏检和误检率。最后使用基于注意力机制的动态检测头在尺度感知、空间感知、任务感知方面提高复杂场景下小目标的定位性能。实验表明,在VisDrone2019数据集上,DC-YOLOv8s在P、R、mAP上相较于YOLOv8s分别提高了7.2%、7.5%、9.1%,显著提高了小目标检测的性能,FPS为71帧,满足实时性要求。在VOC2007+2012上进行模型泛化性实验验证,效果优于其他经典算法。 展开更多

关键词 小目标检测层 跨层特征融合 位置感知 感受野 动态检测头

在线阅读 下载PDF 职称材料

改进YOLOv8n的无人机航拍小目标检测算法

2

作者 雷帮军 余翱 +1 位作者 吴正平 余快 《现代电子技术》 北大核心 2025年第3期26-34,共9页

针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重,提出一种基于YOLOv8n改进的航拍小目标检测算法GI⁃YOLOv8n。GI⁃YOLOv8n重新设计网络结构,改进特征融合网络,加入跨层连接,最大化保留小目标位置细节信息和语义信息... 针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重,提出一种基于YOLOv8n改进的航拍小目标检测算法GI⁃YOLOv8n。GI⁃YOLOv8n重新设计网络结构,改进特征融合网络,加入跨层连接,最大化保留小目标位置细节信息和语义信息,新增极小目标检测层,提高检测精度;引入基于注意力机制的动态检测头,并用轻量化卷积模块GSConv进行改进,在尺度感知、空间感知、任务感知方面加强小目标的定位性能;最后引入Inner⁃CIoU损失函数,使用辅助边界框计算损失,加快模型回归速度,提高检测性能。实验结果表明,在VisDrone2019数据集上,GI⁃YOLOv8n的精确率、召回率、平均检测精度分别为50.7%、39.8%、41.5%,相较于YOLOv8n分别提高了7.1%、7.4%、8.7%,检测速度为81 f/s,满足航拍目标检测实时性要求。对比其他航拍目标检测算法,检测精度和速度均有提升。 展开更多

关键词 无人机航拍 特征融合 小目标检测层 注意力机制 动态检测头 损失函数

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

3

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YOLOv5s的无人机小目标检测算法 被引量：1

4

作者 宋耀莲 王粲 +1 位作者 李大焱 刘欣怡 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第12期2417-2426,共10页

为了解决传统目标检测算法对无人机(UAV)航拍小目标存在错漏检严重的问题,提出基于YOLOv5的无人机小目标检测算法FDB-YOLO.在YOLOv5的基础上增加小目标检测层,优化特征融合网络,充分利用网络浅层小目标细粒信息,提升网络感知能力;提出... 为了解决传统目标检测算法对无人机(UAV)航拍小目标存在错漏检严重的问题,提出基于YOLOv5的无人机小目标检测算法FDB-YOLO.在YOLOv5的基础上增加小目标检测层,优化特征融合网络,充分利用网络浅层小目标细粒信息,提升网络感知能力;提出损失函数FPIoU,通过充分利用锚框的几何性质,采用四点位置偏置约束函数,优化锚框定位,加快损失函数收敛速度;采用结合注意力机制的动态目标检测头(DyHead),通过增加尺度、空间、任务感知提升算法检测能力;在特征提取部分引入双级路由注意力机制(BRA),通过有选择性地对相关区域进行计算,过滤无关区域,提升模型的检测精确度.实验证明,在VisDrone2019数据集上,本算法与YOLOv5s目标检测算法相比,精确率提升了3.7个百分点,召回率提升了5.1个百分点,mAP50增加了5.8个百分点,mAP_(50∶95)增加3.4个百分点,并且相比当前主流算法而言都有更加优秀的表现. 展开更多

关键词 无人机视角 小目标检测层 损失函数 注意力机制 YOLOv5

在线阅读 下载PDF 职称材料

改进YOLOv5的无人机航拍图像密集小目标检测算法 被引量：9

5

作者 陈佳慧 王晓虹 《计算机工程与应用》 CSCD 北大核心 2024年第3期100-108,共9页

无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更... 无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更丰富的特征信息,增强网络对小目标特征的提取能力,并改善误检漏检情况;为了提高网络的多尺度特征表征能力以及抑制冲突的产生,设计了具有等级制的残差结构的多尺度特征提取模块C3Res2Block;使用解耦检测头Decoupled Head避免不同任务之间的差异所带来的预测偏差,提升了模型的定位精度和检测精度;采用软化非极大值抑制Soft NMS算法对候选框的置信度进行优化,提高模型对密集小目标的检测精度。通过VisDrone数据集的实验结果表明,与基准模型YOLOv5相比,RDS-YOLOv5在mAP0.5上提升了12.9个百分点,mAP0.5:0.95上提升了10.6个百分点,与目前主流的目标检测算法相比也取得更优的检测精度,能够有效完成无人机航拍图像的密集小目标检测任务。 展开更多

关键词 小目标检测层 残差结构 解耦 软化非极大值抑制 YOLOv5

在线阅读 下载PDF 职称材料

基于改进YOLOv8s的配电设备红外目标检测模型 被引量：4

6

作者 吴合风 王国伟 +2 位作者 万造君 张阔 姜世浩 《电气技术》 2024年第3期18-23,共6页

随着电力巡检技术的发展,利用无人机和红外热成像技术进行巡检逐渐成为电力巡检作业的一个重要模式。针对当前网络模型对配电设备识别准确度低、模型参数量大难以部署的问题,提出一种基于红外图像的配电设备目标检测方法。首先,针对原YO... 随着电力巡检技术的发展,利用无人机和红外热成像技术进行巡检逐渐成为电力巡检作业的一个重要模式。针对当前网络模型对配电设备识别准确度低、模型参数量大难以部署的问题,提出一种基于红外图像的配电设备目标检测方法。首先,针对原YOLOv8s模型参数量大、模型复杂的问题,提出在骨干网络和Neck部分将部分传统Conv卷积替换为GhostConv卷积,实现模型轻量化;然后,针对原YOLOv8s模型小目标识别能力差的问题,提出增加小目标检测层,提升小目标检测能力;最后,针对原YOLOv8s模型损失函数不利于普通质量样本预测回归的问题,提出使用Wise-IoUv3损失函数,聚焦训练过程中难以拟合的锚框的预测回归。研究结果表明,改进后模型的精确率达到87%,比原模型提升了4.1个百分点;召回率达到79.1%,比原模型提升了3个百分点;平均精确率均值达到83.5%,比原模型提升了1.5个百分点;推理速度为62ms/张,可有效应用于配电设备的部件检测。 展开更多

关键词 配电部件检测 YOLOv8s 红外图像 小目标检测层 GhostConv卷积 Wise-IoUv3

在线阅读 下载PDF 职称材料

目标检测算法Yolov8用于转色柑桔果实检测的改进

7

作者 李永杰 易时来 +2 位作者 朱潇婷 金国强 田喜 《中国南方果树》 北大核心 2024年第3期281-287,共7页

为提高在自然环境下对柑桔果实的识别,针对当前柑桔目标检测中树冠大、果实个体小、密集且遮挡严重等导致果实检测难度大的问题,基于自然状态下转色中后期温州蜜柑单侧完整树冠图像构建的果实数据集,提出了一种在Yolov8检测模型上添加... 为提高在自然环境下对柑桔果实的识别,针对当前柑桔目标检测中树冠大、果实个体小、密集且遮挡严重等导致果实检测难度大的问题,基于自然状态下转色中后期温州蜜柑单侧完整树冠图像构建的果实数据集,提出了一种在Yolov8检测模型上添加小目标检测层的I-Yolov8检测模型。结果表明,以自然环境下的冠层为背景,丰富了数据集的目标特征,而添加的小目标检测层可用于检测4像素×4像素以上的目标。模型的训练平均精度(mAP)达到93.5%,相比Yolov8提升了1.3百分点。在晴天和阴天两个自然场景下分别进行预测,I-Yolov8和Yolov8的检测精确率均为100%;I-Yolov8的召回率分别达72.45%和91.61%,相比Yolov8分别提升了16.33和14.63百分点。I-Yolov8网络模型对于自然环境中柑桔的检测精度高,具备较高的应用潜力。 展开更多

关键词 Yolov8 小目标检测层 温州蜜柑 冠层果实

在线阅读 下载PDF 职称材料

基于改进的YOLOv5小目标检测SAR船只方法

8

作者 龙莹莹 余华云 +1 位作者 杨武 殷俊凯 《湖南邮电职业技术学院学报》 2024年第3期56-60,共5页

为了有效管理海上交通、实施海上救援和保护海洋环境,需要精确地掌握海上船只目标的位置和分布情况,但传统的检测方法(如CFAR)往往会出现船只细节丢失和小目标漏检的情况。为了解决以上问题,将YOLOv5模型进行改进。首先通过数据增强,提... 为了有效管理海上交通、实施海上救援和保护海洋环境,需要精确地掌握海上船只目标的位置和分布情况,但传统的检测方法(如CFAR)往往会出现船只细节丢失和小目标漏检的情况。为了解决以上问题,将YOLOv5模型进行改进。首先通过数据增强,提升数据的多样性,进而提高模型的泛化能力;之后加入SE注意力机制和小目标检测层来增强模型对船只的特征提取能力。实验结果表明,加入SE注意力机制和小目标检测层后,平均准确度mAP分别提高了2%和3.1%,可以有效改善船只密集分布、沿岸分布等不同场景下的检测准确率,实现整体准确率的提高。 展开更多

关键词 SAR船只检测 YOLOv5 SE注意力机制 小目标检测层

在线阅读 下载PDF 职称材料

基于YOLO-CD的路面裂缝检测

9

作者 原洪帅 李琦 王月明 《科学技术与工程》 北大核心 2025年第9期3888-3895,共8页

为解决现有路面裂缝检测算法精度低、漏检率高等问题,提出了一种基于YOLOv8n改进的路面裂缝检测算法YOLO-CD(YOLO-crack detection)。YOLO-CD算法采用ASF-YOLO架构中的尺度序列特征融合(scale sequence feature fusion,SSFF)模块和三重... 为解决现有路面裂缝检测算法精度低、漏检率高等问题,提出了一种基于YOLOv8n改进的路面裂缝检测算法YOLO-CD(YOLO-crack detection)。YOLO-CD算法采用ASF-YOLO架构中的尺度序列特征融合(scale sequence feature fusion,SSFF)模块和三重特征编码器(triple feature encoder,TFE)模块,提高了对多尺度裂缝的检测性能和对目标特征的感知能力。同时,在骨干网络末端和颈部网络中引入CA注意力机制(coordinate attention),将位置信息嵌入通道注意力中,强化了对裂缝特征的提取能力。此外,在YOLOv8n原有3个输出层的基础上新增了一个P2小目标检测层,增加了网络的多尺度感受野,可以同时捕获全局和局部上下文信息,提升了算法在复杂场景中对小目标裂缝的检测能力。通过将原始YOLOv8n的检测头替换为DyHead检测头,使尺度、空间和任务3种注意力机制结合统一,进一步提升了网络对裂缝的检测性能。实验结果表明,在自建数据集PD-Dataset中,改进后的算法YOLO-CD比原算法YOLOv8n的mAP50提高了4.1%。在公共数据集RDD2020中,改进后的算法YOLO-CD比原算法YOLOv8n的mAP50提高了1.5%。且算法检测速度达到了89.9帧/s,满足了路面裂缝检测实时性的要求。 展开更多

关键词 路面裂缝检测 YOLOv8n ASF-YOLO 注意力机制 小目标检测层 DyHead检测头

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的无人机航拍视频中道路异常目标检测算法

10

作者 赵磊 孙鹏 +1 位作者 刘岩松 沈喆 《沈阳航空航天大学学报》 2024年第1期68-75,共8页

在使用无人机进行机动车道行人与非机动车检测过程中,发现目标检测精度低、效果差的问题。为解决这些问题,提出一种针对无人机的行人与非机动车检测算法YOLOv5sP2S。首先,基于原有的PAFPN特征融合方案,将YOLOv5s模型的Neck部分进行扩展... 在使用无人机进行机动车道行人与非机动车检测过程中,发现目标检测精度低、效果差的问题。为解决这些问题,提出一种针对无人机的行人与非机动车检测算法YOLOv5sP2S。首先,基于原有的PAFPN特征融合方案,将YOLOv5s模型的Neck部分进行扩展,并增加专门针对小目标的检测层;然后,在预测部分添加小目标检测头,对小目标检测层输出特征图进行预测;最后,将YOLOv5s的定位损失函数改进为SIOU,提高检测精度和锚框的回归效率。实验结果表明,与YOLOv5s模型相比,YOLOv5s-P2S的平均精度均值mAP50提高了0.05,参数量仅增加0.2M。YOLOv5s-P2S能够满足无人机视角的行人与非机动车目标检测的准确性和实时性要求。 展开更多

关键词 YOLOv5s 道路目标检测 小目标检测层 SIOU 特征融合 无人机航拍视频

在线阅读 下载PDF 职称材料

多尺度渐近特征融合的遥感目标检测算法研究

11

作者 王海群 赵涛 王柄楠 《电光与控制》 CSCD 北大核心 2024年第12期33-40,共8页

针对遥感图像目标尺度多样、小目标密集、背景环境复杂导致检测时出现的漏检及误检等问题,提出一种基于YOLOv8n改进的多尺度渐近特征融合的遥感目标检测算法。首先,构建结合多尺度残差网络的Res2C2f模块,更有效地捕捉不同尺度的特征;其... 针对遥感图像目标尺度多样、小目标密集、背景环境复杂导致检测时出现的漏检及误检等问题,提出一种基于YOLOv8n改进的多尺度渐近特征融合的遥感目标检测算法。首先,构建结合多尺度残差网络的Res2C2f模块,更有效地捕捉不同尺度的特征;其次,设计跨级连接金字塔池化模块来改善原金字塔池化模块特征提取能力不足的问题;然后,重构多尺度的渐近特征融合网络来实现多尺度信息的交换,充分利用不同层级的特征来增强特征融合效果;最后,增加160×160尺寸的小目标检测层,提升模型在密集场景下对小目标的检测效果。在DOTA数据集中,相比基线模型,改进算法的精确率、召回率、平均精度均值分别提升了4.8、4.0和3.7个百分点。 展开更多

关键词 YOLOv8 遥感图像 渐近特征融合 多尺度残差网络 金字塔池化 小目标检测层

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的水面残留饲料检测算法

12

作者 郑海锋 江林源 +3 位作者 文露婷 周秀珊 介百飞 文家燕 《渔业现代化》 北大核心 2025年第1期80-88,共9页

在水产养殖中,水面残留饲料的实时检测可以有效减少饲料浪费和水污染,在经济效益和生态效益方面是双赢的局面。由于水面残留饲料的特殊性,如尺寸小、密集程度高等,使得水面残留饲料检测表现不佳。该研究提出了一种基于改进YOLOv8n的水... 在水产养殖中,水面残留饲料的实时检测可以有效减少饲料浪费和水污染,在经济效益和生态效益方面是双赢的局面。由于水面残留饲料的特殊性,如尺寸小、密集程度高等,使得水面残留饲料检测表现不佳。该研究提出了一种基于改进YOLOv8n的水面残留饲料检测算法,通过增添小目标检测层,融合多尺度特征以增强对小目标检测的精度;引入C2f_Faster_EMA模块,以降低模型的参数量,提高模型检测速度;构建ICBAM模块融入颈部网络,加强网络对小目标的特征信息融合,提升检测精度。结果显示:该算法相较于YOLOv8n的mAP@0.5提升10.3%;精确率P提升7.6%;召回率R提升10.2%;检测速度达到了125FPS。研究表明,该算法能有效实现对水面残留饲料快速、准确地检测。为实现水产养殖的智能化管理提供了技术支持,有望降低饲料浪费,改善水环境质量,提高养殖效益。 展开更多

关键词 水面残留饲料 改进YOLOv8n 小目标检测层 C2f_Faster_EMA ICBAM

在线阅读 下载PDF 职称材料

一种基于CAL-YOLO的海上航空搜救目标检测算法

13

作者 郭秀文 杨林 +1 位作者 刘济民 张朝阳 《空天预警研究学报》 CSCD 2024年第3期196-201,共6页

针对在海上复杂环境搜救任务下,目标尺寸小,且搜救飞机在不同高度和视角下观测到的搜救目标特征各异或存在遮挡等因素造成搜救目标漏检、误检的问题,提出了一种基于CAL-YOLO的海上航空搜救目标检测算法.该算法基于YOLOv8s开源框架改进,... 针对在海上复杂环境搜救任务下,目标尺寸小,且搜救飞机在不同高度和视角下观测到的搜救目标特征各异或存在遮挡等因素造成搜救目标漏检、误检的问题,提出了一种基于CAL-YOLO的海上航空搜救目标检测算法.该算法基于YOLOv8s开源框架改进,引入坐标注意力机制和小目标检测层,以优化海上航空搜救目标检测性能,从而提高海上航空搜救工作效率.实验结果表明,该算法在mAP50的评价指标上提高了11.8%,在mAP50:95评价指标上提高了8.8%. 展开更多

关键词 海上航空搜救 YOLOv8s算法 小目标检测层 坐标注意力机制

在线阅读 下载PDF 职称材料

基于深度学习的配电设备红外目标检测模型

14

作者 朱玉华 吴宁 龚晓腾 《电气应用》 2024年第5期107-113,共7页

针对当前模型,对配电设备在复杂背景下存在识别准确度低的问题,构建了配电设备红外图像数据集,提出了一种基于深度学习的配电设备红外目标检测模型。基于YOLOv8s模型进行改进,在Neck部分将Concat替换为Concat_BiFPN,促进多尺度特征融合;... 针对当前模型,对配电设备在复杂背景下存在识别准确度低的问题,构建了配电设备红外图像数据集,提出了一种基于深度学习的配电设备红外目标检测模型。基于YOLOv8s模型进行改进,在Neck部分将Concat替换为Concat_BiFPN,促进多尺度特征融合;在Neck部分加入上下文聚合模块Context Aggregation,助力小目标检测;使用Wise-IoU v3代替原来的损失函数,聚焦训练过程中难以拟合的锚框的预测回归;最后,在YOLOv8s分类器与回归器部分增加小目标检测层,提升小目标的识别能力。研究结果表明,改进后的模型与原模型相比,准确度、召回率、MAP和F1分数分别提升了4.5%、3%、2.1%和3.7,可有效应用于配电设备的部件检测。 展开更多

关键词 配电部件检测 红外图像 Concat_BiFPN 小目标检测层

在线阅读 下载PDF 职称材料

基于改进YOLOv8的道路缺陷检测 被引量：2

15

作者 李昊璇 苏艳琼 《测试技术学报》 2024年第5期506-512,共7页

针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,... 针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,提升模型的特征融合能力;其次,Neck引入全局注意力机制(Global Attention Machanism, GAM),在特征融合阶段进行注意力调整,提高检测精度;最后,添加小目标检测层,进一步增强深层语义信息与浅层语义信息的结合,提高对道路缺陷小目标的检测能力。与原始YOLOv8n算法相比,算法SGBNet的精确率、召回率和平均精度分别提升了3.3%, 2.5%和2.5%,实现了对道路缺陷更精准的检测。 展开更多

关键词 道路缺陷检测 双向特征金字塔网络(BiFPN) 全局注意力机制(GAM) 小目标检测层

在线阅读 下载PDF 职称材料

单聚合YOLO航拍小目标检测算法 被引量：10

16

作者 杨辉羽 李海明 《国外电子测量技术》 北大核心 2023年第4期131-140,共10页

使用无人机采集的航拍图中存在背景复杂、目标密集、目标重叠等诸多问题,这都对现有的目标检测网络提出了挑战。以YOLOv5为基础进行改进,修改原有的BackBone网络,嵌入改进后的单聚合(OSA)模块,解决因为网络深度造成的梯度衰减问题;针对... 使用无人机采集的航拍图中存在背景复杂、目标密集、目标重叠等诸多问题,这都对现有的目标检测网络提出了挑战。以YOLOv5为基础进行改进,修改原有的BackBone网络,嵌入改进后的单聚合(OSA)模块,解决因为网络深度造成的梯度衰减问题;针对原网络结构对小目标的定位不准确,获得的信息不充分问题,增加一个160×160的小目标检测层应对小目标难以检测问题,同时修改特征融合网络丰富语义信息;最后改进原有的损失函数CIoU,长宽不再是一个统一的整体计算损失,而是分开优化,提高预测方框的准确度。算法在VisDrone2019无人机航拍数据集上实验结果表明,平均精度均值(mAP)与原算法相比提升了5.2%,检测帧率达到了45 fps,训练模型大小为18.9 MB。 展开更多

关键词 YOLOv5 改进OSA模块 小目标检测层 CIoU

在线阅读 下载PDF 职称材料

基于改进YOLOv5的轴承表面缺陷检测 被引量：1

17

作者 吴迪 于正林 +2 位作者 徐式达 周斌 邵长顺 《组合机床与自动化加工技术》 北大核心 2024年第6期166-170,共5页

传统的轴承表面缺陷检测由于缺陷目标较小,错检漏检率高,检测效率低等问题,为此提出一种基于YOLOv5网络改进的算法模型。首先,在主干网络中添加高效通道注意力机制(efficient channel attention, ECA),增强网络的特征提取能力,集中关注... 传统的轴承表面缺陷检测由于缺陷目标较小,错检漏检率高,检测效率低等问题,为此提出一种基于YOLOv5网络改进的算法模型。首先,在主干网络中添加高效通道注意力机制(efficient channel attention, ECA),增强网络的特征提取能力,集中关注各种影响轴承质量的重点信息;其次,在YOLOv5网络基础上添加小目标检测层,通过补充融合特征层和引入额外检测头,提高网络对小目标缺陷检测的精度;最后,在特征融合网络中,融入简化后的加权双向特征金字塔网络(bidirectional feature pyramid network, BiFPN),在不增加较多计算成本的基础上,更好地实现多尺度特征融合。在构建的深沟球轴承表面缺陷数据集上的实验结果表明,相比于原YOLOv5s模型,精确率、召回率、平均精度分别提高了5.8%、2.4%、5.3%,检测速度为71 f/s,满足工业大批量检测的要求。 展开更多

关键词 YOLOv5 缺陷检测 注意力机制 小目标检测层 简化BiFPN

在线阅读 下载PDF 职称材料

面向输电线路小目标异物检测的改进YOLO网络 被引量：2

18

作者 邹辉军 焦良葆 +2 位作者 张智坚 汤博宇 刘子恒 《南京工程学院学报（自然科学版）》 2022年第3期7-14,共8页

为解决输电线路所在环境较复杂多变、线路上异物目标体积较小难以识别等问题,提出将BCA YOLO网络针对小目标检测进行优化,将YOLO v5中的CSP2_X替换为CSP_CA,再添加一层小目标检测层,将原网络中的FPN结构替换为计算量小的BiFPN;针对一般... 为解决输电线路所在环境较复杂多变、线路上异物目标体积较小难以识别等问题,提出将BCA YOLO网络针对小目标检测进行优化,将YOLO v5中的CSP2_X替换为CSP_CA,再添加一层小目标检测层,将原网络中的FPN结构替换为计算量小的BiFPN;针对一般输电线路异物数据集中图片较少的问题,提出通过场景增强、Mixup和加入噪声模拟对数据集进行有效扩充.试验结果证明,相较于传统的YOLO v5网络,mAP_0.5提高了3.8%、查全率提升6%、查准率提高了6.1%,更好地满足了隐患检测的工程实际需求. 展开更多

关键词 YOLO v5 小目标检测层 BiFPN 通道注意力机制

在线阅读 下载PDF 职称材料

融合注意力机制与线激光辅助的输送带缺陷检测网络 被引量：1

19

作者 宋震 王纪强 +1 位作者 侯墨语 赵林 《计算机科学》 CSCD 北大核心 2024年第S01期569-574,共6页

针对输送带缺陷种类繁多、缺陷特征像素占比小以及传统算法检测精度低的问题,采用随机仿射变换,扩充样本数据集;分析各通道间的关联关系及其贡献值对模型特征提取的影响,提出了一种通道关联加权注意力机制,利用关联卷积及全连接方式计... 针对输送带缺陷种类繁多、缺陷特征像素占比小以及传统算法检测精度低的问题,采用随机仿射变换,扩充样本数据集;分析各通道间的关联关系及其贡献值对模型特征提取的影响,提出了一种通道关联加权注意力机制,利用关联卷积及全连接方式计算通道关联度及贡献权值,调整相应通道信息占比,提升模型检测精度;分析了上采样以及卷积块对输出特征图大小的影响,改进原特征金字塔特征卷积块及上采样结构,提高算法对小目标的特征提取以及缺陷检测能力;最后在输送带缺陷数据集上进行测试。结果表明:改进算法模型能对输送带典型的异物插入、破损、撕裂等缺陷特征进行有效识别,识别精准度可达99.7%,召回率大于99.5%,平均精度均值达到99.5%。 展开更多

关键词 皮带缺陷检测 深度学习 通道关联加权处理 小目标检测层

在线阅读 下载PDF 职称材料

一种改进YOLOv5s小目标无人机实时检测算法 被引量：2

20

作者 江祥奎 杜遥遥 胡浩昌 《西安邮电大学学报》 2023年第3期88-96,共9页

为满足对小目标无人机检测高精度、实时性的要求,提出一种基于YOLOv(You Only Look Once version) 5s的轻量化小目标无人机实时检测改进算法。采用MobileNetV3代替原有的骨干网络,以提取小目标无人机的浅层特征信息;在网络中添加轻量级... 为满足对小目标无人机检测高精度、实时性的要求,提出一种基于YOLOv(You Only Look Once version) 5s的轻量化小目标无人机实时检测改进算法。采用MobileNetV3代替原有的骨干网络,以提取小目标无人机的浅层特征信息;在网络中添加轻量级卷积注意力模块,以提取小目标无人机的深层特征信息;在原有3个检测层基础上增加小目标检测层,以提高对小目标无人机的关注度。实验结果表明,与经典YOLOv5s检测算法相比,改进算法的参数量下降30.5%,权重减少5.3 MB,实现了算法的轻量化。另外,网络精度提高3.16%,网络召回率提高1.14%,帧率增加了8。改进算法的检测精度与检测速率均得到提升,并且有效地改善了小目标无人机的漏检问题。 展开更多

关键词 MobileNetV3 YOLOv5 注意力模块 小目标检测层 轻量化

在线阅读 下载PDF 职称材料