检索结果-南通市图书馆

系统仿真学报 2024年

作者：鲁斌杨烜杨振宇高啸天华北电力大学计算机系河北省能源电力知识计算重点实验室

针对种类繁多且形态各异的缺陷识别精度低、生产线速度需求高带来的检测挑战，提出了一种基于YOLOv8的轻量化焊缝缺陷检测网络LAW-YOLO。该方法设计了一种轻量级自适应权重采样LAWS（Light Adaptive-weight Sampling）模块，通过学习感... 详细信息

针对种类繁多且形态各异的缺陷识别精度低、生产线速度需求高带来的检测挑战，提出了一种基于YOLOv8的轻量化焊缝缺陷检测网络LAW-YOLO。该方法设计了一种轻量级自适应权重采样LAWS（Light Adaptive-weight Sampling）模块，通过学习感受野区域内交互的特征来构建自适应权重注意力特征图。采用优化的高效加权双向特征金字塔网络作为LAW-YOLO中的特征提取网络，设计并引入了重影多尺度采样模块和混合注意力机制，以增强对小目标缺陷的检测能力。实验结果表明，该方法在公开的SteelTube数据集中平均精度（mAP0.5）达到97.6%，推理速度可达到每秒处理91帧数据，比基线模型提高了5.5%的平均精度及4.6%的处理速度，在保持高效性能同时减少了25.2%计算量和50%模型大小，更便于部署在边缘设备上进行场景作业。

关键词：缺陷检测 YOLOv8 重影多尺度卷积感受野空间特征混合注意力机制

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：