检索结果-南通市图书馆

同方期刊数据库

基于混合域注意力YOLOv4的输送带纵向撕裂多维度检测

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2022年第11期56卷 2156-2167页

作者：李飞胡坤张勇王文善蒋浩安徽理工大学机械工程学院安徽淮南232001 深部煤矿采动响应与灾害防控国家重点实验室安徽淮南232001 安徽理工大学环境友好材料与职业健康研究院安徽芜湖241003

针对输送带纵向撕裂目标检测维度单一、模型复杂度高等问题,提出一种高效的mobilenetv3及YOLOv4集成网络输送带纵向撕裂多维度实时检测方法.基于YOLOv4目标识别算法,通过将轻量化网络Mobile-Netv3代替CSPDarknet53作为骨干网络,结合高... 详细信息

针对输送带纵向撕裂目标检测维度单一、模型复杂度高等问题,提出一种高效的mobilenetv3及YOLOv4集成网络输送带纵向撕裂多维度实时检测方法.基于YOLOv4目标识别算法,通过将轻量化网络Mobile-Netv3代替CSPDarknet53作为骨干网络,结合高效通道域ECA模块和空间域注意力机制(STNet)构建混合域注意力网络(ECSNet),改进了mobilenetv3嵌入ECSNet,并且提升了模型对空间和通道的关注度.引入深度可分离卷积块代替网络中3*3卷积,并将YOLOv4的检测头(Prediction Heads)缩减为2种尺度,轻量化模型降低网络复杂度和训练难度,完成ECSMv3_YOLOv4模型的搭建,使用K-means聚类6个Anchors预测目标框高宽,提高网络对表面撕裂的检测性能.研制带式输送机多维度智能巡检样机,采集制作输送带多维度面的纵向撕裂数据集,开展网络模型的训练、测试、识别和定位实验.结果表明,提出算法在测试集中的平均识别准确率为97.8%,识别速度为37帧/s,模型的计算量和参数量为4.882 G和8.851 M,通过试验不同的网络模型效果和改变光照强度,该方法体现出检测精度高、速度快和轻量化等优点,具备更强的适应性和抗干扰能力.

关键词：纵向撕裂多维度检测 mobilenetv3 混合域注意力机制 YOLOv4 轻量化

基于改进YOLO v8n模型的散养蛋鸡个体行为识别方法与差异分析

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第11期55卷 112-123页

作者：杨断利齐俊林陈辉高媛王连增河北农业大学信息科学与技术学院保定071000 河北省农业大数据重点实验室保定071000 河北农业大学动物科技学院保定071000 农业农村部肉蛋鸡养殖设施工程重点实验室保定071000 河北省蛋鸡产业技术研究院邯郸056000

家禽行为与其生理状态密切相关,可利用行为数据对家禽健康状况进行评估。统计个体行为数据需要进行蛋鸡行为识别和个体身份识别,针对行为识别过程中,蛋鸡体型小、聚集遮挡,养殖环境光照变化等因素导致的蛋鸡有效特征表达不足,个体行为... 详细信息

家禽行为与其生理状态密切相关,可利用行为数据对家禽健康状况进行评估。统计个体行为数据需要进行蛋鸡行为识别和个体身份识别,针对行为识别过程中,蛋鸡体型小、聚集遮挡,养殖环境光照变化等因素导致的蛋鸡有效特征表达不足,个体行为识别效果不理想问题,基于YOLO v8n网络构建行为识别模型,同时融合ODConv、GhostBottleneck、GAM注意力和Inner-IoU结构,通过减少图像特征丢失,放大全局交互信息,融合跨阶段特征,增强特征提取及泛化能力对模型进行改进,提升了蛋鸡采食、饮水、站立、整理羽毛、俯身搜索5种行为的识别精度。同时基于YOLO v8n模型构建了个体身份识别网络,并通过引入mobilenetv3模块对个体身份识别网络模型进行优化,提升了个体行为数据统计效率。试验结果表明,优化后行为识别模型对采食、饮水、站立、整理羽毛、俯身搜索行为识别平均精度(AP)分别达到94.4%、93.0%、90.7%、91.7%、86.9%,平均精度均值(mAP)达到91.4%,与YOLO v5n、YOLO v6n、YOLO v7-tiny、YOLO v8n相比,平均精度均值(mAP)分别提高4.8、4.1、5.5、3.5个百分点;个体身份识别模型参数量和运算量与YOLO v8n模型相比,减少1.965 1×10^(6)和6.1×10^(9)。通过分析蛋鸡行为数据发现,行为数据与温度及蛋鸡个体本身有关,温度降低时,采食、站立次数增加,饮水次数减少,整理羽毛、俯身搜索次数几乎无变化,相同温度下,不同蛋鸡个体的行为数据差异较大,且差异值与蛋鸡体型有关。试验结果为依据行为数据评判蛋鸡健康状况、养殖场精准养殖及蛋鸡个体优选奠定了基础。

关键词：散养蛋鸡行为识别 YOLO v8n 多目标识别 mobilenetv3 ODConv

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于联合注意力孪生网络目标跟踪算法

仪器仪表学报 2021年第1期42卷 127-136页

作者：杨梅贾旭殷浩东孙福明辽宁工业大学电子与信息工程学院锦州121001 大连民族大学信息与通信工程学院大连116600

为改进在发生形变、尺度变化及相似目标等多种干扰因素时视频中运动目标的跟踪精度,提出了一种联合注意力的孪生网络模型。首先,采用一种轻量级网络mobilenetv3作为主干网络对目标进行特征提取;然后,为提高模型对于目标关键特征的关注度... 详细信息

为改进在发生形变、尺度变化及相似目标等多种干扰因素时视频中运动目标的跟踪精度,提出了一种联合注意力的孪生网络模型。首先,采用一种轻量级网络mobilenetv3作为主干网络对目标进行特征提取;然后,为提高模型对于目标关键特征的关注度,提出了通道联合空间注意力与孪生网络结合的模型结构;最后,对基于注意力模块与非注意力模块的特征向量互相关结果进行加权融合获得响应图,并利用该响应图获得目标跟踪结果。实验结果表明,所提算法在OTB50与OTB100数据集上能够获得较好的跟踪效果,两个数据集平均精确率和成功率达到78.5%和58.3%。此外,当存在形变、尺度变化及相似目标等不合作因素时,所提算法仍能取得较好的跟踪效果,从而表明该算法具有良好的鲁棒性。

关键词：目标跟踪孪生网络联合注意力 mobilenetv3

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的家具木材图像种类识别

林业科学 2023年第8期59卷 133-140页

作者：苗宇杰祝诗平普京李俊贤马羚凯黄华西南大学工程技术学院重庆400716

【目的】为解决日常生活中家具木材种类主要依靠人工识别存在的主观性强、效率低等问题,设计一种基于mobilenetv3卷积神经网络(CNN)的常见家具木材图像种类识别模型,有效提高木材种类识别速度和精度,为木材资源的合理利用、木材进出口... 详细信息

【目的】为解决日常生活中家具木材种类主要依靠人工识别存在的主观性强、效率低等问题,设计一种基于mobilenetv3卷积神经网络(CNN)的常见家具木材图像种类识别模型,有效提高木材种类识别速度和精度,为木材资源的合理利用、木材进出口贸易管理及消费者确定家具木材种类提供一种科学有效的方法。【方法】首先,采集4种木材的素材图像以及其中2种涂饰木蜡油的木材图像,共3880张,将数据集按6∶2∶2和2∶6∶2分为训练集、验证集和测试集,基于旋转、翻转等操作将训练集数据扩充为原来的4倍。采用4种卷积神经网络和2种传统机器学习方法对素材图像建立识别模型,通过分析对比得到最优识别网络模型——mobilenetv3,对模型进行迁移学习并参数调优。将素材图像与涂饰木蜡油的木材图像对应放在一起与剩下的2种素材图像共同组成新的数据集,构建基于mobilenetv3网络的木材种类识别模型。为方便分类人员操作,减轻分类人员在实际检测中的操作难度,选用构建的木材种类识别模型,基于PyQt5搭建木材种类识别系统。【结果】与传统机器学习方法相比,卷积神经网络识别效果更佳,且迁移学习能够明显提高网络的收敛速度和分类性能。在验证集中,识别性能最佳的mobilenetv3对4种素材图像的平均识别准确率为98.13%,对混有涂饰木蜡油木材图像的识别准确率为97.25%。【结论】木材种类识别模型不仅可对素材进行识别,也能实现对涂饰木蜡油木材的快速、准确识别,为木材分类人员带来便捷的同时,也为消费者挑选实木家具并确定木材种类提供一种可靠的识别方法。

关键词：家具木材木蜡油识别卷积神经网络 mobilenetv3

基于改进YOLOv8的田间复杂环境下蓝莓成熟度检测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第16期40卷 153-162页

作者：田有文覃上声闫玉博王佳晖姜凤利沈阳农业大学信息与电气工程学院沈阳110161 辽宁省智慧农业技术重点实验室沈阳110161

为了快速精确识别田间复杂环境下的蓝莓果实的成熟度,该研究基于YOLOv8提出了一种蓝莓成熟度轻量化检测模型(MSC-YOLOv8)。首先,为了有效减少参数量,提高模型的运行速度,采用mobilenetv3为主干特征提取网络进行特征信息的提取,有利于田... 详细信息

为了快速精确识别田间复杂环境下的蓝莓果实的成熟度,该研究基于YOLOv8提出了一种蓝莓成熟度轻量化检测模型(MSC-YOLOv8)。首先,为了有效减少参数量,提高模型的运行速度,采用mobilenetv3为主干特征提取网络进行特征信息的提取,有利于田间复杂环境下的检测。其次,在主干特征提取网络中插入卷积注意力机制模块(convolutional block attention module,CBAM),以提高深度学习网络对蓝莓特征提取的能力。最后,引入SCYLLAIoU(SIoU)作为YOLOv8的边界框回归损失函数,以解决真实框与预测框角度不匹配的问题,进一步提高蓝莓成熟度识别的准确率。通过试验得出改进的MSC-YOLOv8模型相较于YOLOv8平均精度均值(mean average precision,mAP)提升了3.9个百分点,单张图片平均检测时间比原YOLOv8减少了3.97 ms。改进的MSC-YOLOv8模型在蓝莓数据集上取得了较优的结果,与SSD和CenterNet模型对比,mAP分别提升了4.6和1.1个百分点,在检测速度和准确率方面均有优势。该研究可为田间复杂环境下蓝莓机器人采摘提供技术支持。

关键词：蓝莓 YOLOv8 mobilenetv3 CBAM 成熟度损失函数

基于改进YOLO v7的轻量化樱桃番茄成熟度检测方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第10期54卷 225-233页

作者：苗荣慧李志伟武锦龙山西农业大学信息科学与工程学院太谷030801 山西农业大学农业工程学院太谷030801

为在自然环境下自动准确地检测樱桃番茄果实的成熟度,实现樱桃番茄果实自动化采摘,根据成熟期樱桃番茄果实表型特征的变化以及国家标准GH/T 1193—2021制定了5级樱桃番茄果实成熟度级别(绿熟期、转色期、初熟期、中熟期和完熟期),并针... 详细信息

为在自然环境下自动准确地检测樱桃番茄果实的成熟度,实现樱桃番茄果实自动化采摘,根据成熟期樱桃番茄果实表型特征的变化以及国家标准GH/T 1193—2021制定了5级樱桃番茄果实成熟度级别(绿熟期、转色期、初熟期、中熟期和完熟期),并针对樱桃番茄相邻成熟度特征差异不明显以及果实之间相互遮挡问题,提出一种改进的轻量化YOLO v7模型的樱桃番茄果实成熟度检测方法。该方法将mobilenetv3引入YOLO v7模型中作为骨干特征提取网络,以减少网络的参数量,同时在特征融合网络中加入全局注意力机制(Global attention mechanism,GAM)模块以提高网络的特征表达能力。试验结果表明,改进的YOLO v7模型在测试集下的精确率、召回率和平均精度均值分别为98.6%、98.1%和98.2%,单幅图像平均检测时间为82 ms,模型内存占用量为66.5 MB。对比Faster R-CNN、YOLO v3、YOLO v5s和YOLO v7模型,平均精度均值分别提升18.7、0.2、0.3、0.1个百分点,模型内存占用量也最少。研究表明改进的YOLO v7模型能够为樱桃番茄果实的自动化采摘提供技术支撑。

关键词：樱桃番茄成熟度检测 YOLO v7 轻量化 mobilenetv3 全局注意力机制

基于改进YOLOv4算法的PCB缺陷检测研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2021年第10期42卷 171-178页

作者：伍济钢成远邵俊阳德强湖南科技大学机械设备健康维护湖南省重点实验室湘潭411201

针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用Mobi... 详细信息

针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用mobilenetv3作为特征提取网络,提升对PCB小目标缺陷的检测性能,同时方便部署在现场轻量化移动端。引入Inceptionv3作为检测网络,利用多种卷积核进行运算满足PCB缺陷多类别的检测要求。以PCB_DATASET数据集为测试对象,将本文方法与Faster R-CNN、YOLOv4、mobilenetv3-YOLOv4等开展对比验证实验。结果表明,本文方法均值平均精度(mAP)为99.10%,模型大小为53.2 MB,检测速度为43.01 FPS,检测mAP分别提升4.88%、0.05%、2.01%,模型大小分别减少0、203.2、3.3 MB,检测速度分别提升29.93、6.37、0.79 FPS,满足PCB工业生产现场高检测精度和检测速度要求。

关键词： PCB缺陷检测 YOLOv4 二分K-means聚类 mobilenetv3 Inceptionv3

在线全文

学校读者我要写书评

暂无评论

一种基于环视图像的空停车位检测方法

大连理工大学学报 2022年第5期62卷 535-542页

作者：李伟东钟健聪孙浩李冰唐琪郑国君大连理工大学汽车工程学院辽宁大连116024 大连理工大学人工智能大连研究院辽宁大连116000

停车位检测是自动泊车系统的重要组成部分.针对车位线及角点不清晰或出现遮挡情况下的车位难以检测问题,提出了一种基于环视图像的空停车位检测方法.该方法将整个空停车位视为一个整体,在空停车位车位线及角点信息不完整的情况下利用Mob... 详细信息

停车位检测是自动泊车系统的重要组成部分.针对车位线及角点不清晰或出现遮挡情况下的车位难以检测问题,提出了一种基于环视图像的空停车位检测方法.该方法将整个空停车位视为一个整体,在空停车位车位线及角点信息不完整的情况下利用mobilenetv3进行特征提取并构建特征金字塔,进而实现分类、边框回归和语义分割,再根据Douglas-Peucker算法对语义分割结果进行拟合得到空停车位.实验表明,所提方法在ps2.0数据集测试集中挑选出的车位线及角点不清晰或者出现遮挡的197张测试图片中检测性能优秀,精确率达到98.39%,召回率达到97.21%,实现单帧11 ms的检测速度,能对不同环境下的不同类型车位进行检测.此外该方法在自注释数据集上具有优秀的性能,有较好的泛化能力.

关键词：自动泊车系统环视图像停车位检测 mobilenetv3 语义分割

在线全文

学校读者我要写书评

暂无评论

改进YOLOv5的轻量化口罩检测算法

计算机工程与应用 2023年第17期59卷 232-241页

作者：刘翀豪潘理虎杨帆张睿太原科技大学计算机科学与技术学院太原030024 山西迅龙科技有限公司太原030024

为了提高现有口罩检测算法检测效率,降低算法参数量以及模型大小,提出了一种改进的轻量化口罩检测算法YOLOv5-MBF。用GELU激活函数替换mobilenetv3深层网络的hard-swish激活函数,优化了模型收敛效果,将改进的mobilenetv3网络替换YOLOv5... 详细信息

为了提高现有口罩检测算法检测效率,降低算法参数量以及模型大小,提出了一种改进的轻量化口罩检测算法YOLOv5-MBF。用GELU激活函数替换mobilenetv3深层网络的hard-swish激活函数,优化了模型收敛效果,将改进的mobilenetv3网络替换YOLOv5s主干网络,降低计算量提高模型检测速度。增加BiFPN特征金字塔结构与不同特征层融合,提高了检测精度。在数据处理方面使用Mosaic和Mixup数据增强提高该模型的泛化性和鲁棒性。边框回归损失函数使用Focal-Loss EIoU,优化了模型训练收敛速度且提高了口罩和人脸边框定位精度。最后添加CBAM注意力机制使得模型更关注重要特征抑制不显著特征提高检测性能。实验结果表明,该算法在佩戴口罩目标和无佩戴口罩目标上的平均精度均值达到了89.5%,模型推理速度提升了43%,模型参数了减少了49%,模型大小降低了48%,满足口罩检测任务的实时性和检测精度要求。

关键词：口罩检测 YOLOv5 mobilenetv3 BiFPN Focal-Loss EIoU 注意力机制

同方期刊数据库