检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于yolov5s-EsTC的肉苁蓉检测

农业工程学报 2024年第6期40卷 267-276页

作者：艾尔肯·亥木都拉侯艳林新疆大学智能制造现代产业学院乌鲁木齐830017

为了解决因梭梭和红柳等宿主遮挡、样本分布密集、样本大小不均衡等造成人工种植肉苁蓉检测精度低以及模型参数量过大难以向嵌入式设备移植等问题,该研究提出一种基于改进yolov5s的人工种植肉苁蓉轻量化检测方法。首先,将yolov5s的主干... 详细信息

为了解决因梭梭和红柳等宿主遮挡、样本分布密集、样本大小不均衡等造成人工种植肉苁蓉检测精度低以及模型参数量过大难以向嵌入式设备移植等问题,该研究提出一种基于改进yolov5s的人工种植肉苁蓉轻量化检测方法。首先,将yolov5s的主干网络替换为EfficientNetv2网络,以减少模型参数量和计算复杂度进而实现模型轻量化,便于后期将模型向嵌入式设备部署;其次,为了增强模型对小目标肉苁蓉特征信息的提取能力,将C3模块与swin Transformer Block进行整合,得到C3sTR模块,将其引入主干网络,并将其输出的特征图与Neck网络中的特征图进行融合;最后,在检测头前端与颈项加强网络之间添加CA注意力机制,以弱化背景信息、聚焦目标特征,提高网络检测性能。试验结果表明,该模型对于肉苁蓉的检测精度和准确率分别为89.8%和92.3%,模型的参数量和计算量分别为5.69×106 MB和6.8 GB,权重文件大小为11.9 MB,单幅图像推理时间为8.9 ms,能够实现实时性检测。同其他主流模型相比,改进后的模型的检测精度分别比ssD、Faster R-CNN、yolov3、yolov4、YOLOX、yolov5s、yolov6s、yolov7s和yolov8s高出1.1、3.0、10.8、10.3、8.5、1.6、1.2、1.4和0.5个百分点,能够准确识别不同形态下的人工种植肉苁蓉目标,同时模型具有最小的参数量、计算量和权重文件。将本文模型部署到移动端设备上,测试结果表明,本文模型具有较好的检测效果,在移动端设备上的检测时间为110.81 ms,相较于yolov5s模型提升了37.8%,平均检测精度相对yolov5s模型提升4.96个百分点,可为肉苁蓉智能化采摘装备研制提供参考。

关键词：图像处理注意力机制 yolov5s 复杂环境肉苁蓉

改进yolov5s的弱光水下生物目标检测算法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第2期50卷 499-507页

作者：陈宇梁董绍江孙世政闫凯波重庆交通大学机电与车辆工程学院重庆400074

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进yolov5s的弱光水下生物目标实时检测算法yolov5s-underwater。针对弱光水下光线衰弱的问题,引入了限制... 详细信息

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进yolov5s的弱光水下生物目标实时检测算法yolov5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(sPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于yolov5s检测精度提高30.7%,证明了算法的有效性。

关键词：弱光水下生物目标 yolov5s 限制对比度自适应直方图均衡快速空间金字塔池化旋转窗口

改进yolov5s对病理学图像中猪只小肠绒毛的检测

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5期40卷 207-215页

作者：王美华王安邦肖德琴熊云霞王丽李朋涛吴耀丰华南农业大学数学与信息学院广州510642 农业农村部华南动物营养与饲料重点实验室广东省农业科学院动物科学研究所广州510642

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进yolov5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合... 详细信息

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进yolov5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合池化对空间金字塔进行优化,增强特征提取与特征表达,提升检测精度;然后引入一种基于注意力机制的网络模块(simpleattentionmechanism,simAM)与Bottleneck中的残差连接相结合,使用simAM对Bottleneck中的特征图进行加权,得到加权后的特征表示,利用注意力机制加强模型对目标的感知。试验结果表明,该研究算法的平均精度(average precision)和每秒传输帧数(frame per second,FPs)达到92.43%和40帧/s。改进后的yolov5s在召回率和平均精度上相较改进前提高2.49和4.62个百分点,在不增加模型参数量的情况下,每帧图片的推理时间缩短1.04 ms。与经典的目标检测算法ssD、Faster R-CNN、yolov6s、YOLOX相比,平均精度分别提高15.16、10.56、2.03和4.07个百分点。结果表明,该方法能够实现病理学图像中猪只小肠绒毛自动化检测,保证复杂图像检测速度的同时,提高了小肠绒毛的检测精度。

关键词：目标检测猪算法 yolov5s 猪只小肠绒毛病理学图像无参注意力机制

基于改进yolov5s的智能车间工人不安全行为实时检测方法

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年第5期30卷 1610-1619页

作者：罗国富王源李浩杨文超吕林东郑州轻工业大学机电工程学院河南郑州450000

生产安全是以人为本的智能制造基本要求,为满足智能车间工人不安全行为的实时性检测和边缘端部署需求,提出一种基于轻量化的yolov5s的工人不安全行为检测方法。首先,对yolov5s特征融合网络以及输出层进行删除;其次,对改进后网络训练得... 详细信息

生产安全是以人为本的智能制造基本要求,为满足智能车间工人不安全行为的实时性检测和边缘端部署需求,提出一种基于轻量化的yolov5s的工人不安全行为检测方法。首先,对yolov5s特征融合网络以及输出层进行删除;其次,对改进后网络训练得到的模型文件进行结构化剪枝;最后,使用知识蒸馏对剪枝后的网络模型进行微调。实验结果表明,改进后yolov5s算法的mAP@0.5高达97.8%,刷新率提升108%,所需算力下降了69.0%。所提出的yolov5s-2Detect网络及轻量化设计方案对智能车间工人不安全行为检测具有较高的精度,实时性与鲁棒性能够满足智能车间实际环境中工人不安全行为的检测需求。

关键词：智能车间不安全行为 yolov5s 结构化剪枝实时检测

基于改进yolov5s的桥梁螺栓缺陷识别方法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2024年第3期54卷 749-760页

作者：张洪朱志伟胡天宇龚燕峰周建庭重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室重庆400074 重庆交通大学信息科学与工程学院重庆400074 重庆交通大学航运与船舶工程学院重庆400074

针对现有算法在检测桥梁螺栓缺陷时因螺栓背景复杂和尺寸较小而导致的特征提取不充分、目标定位不精确问题,提出了一种基于改进yolov5s的桥梁螺栓缺陷识别方法。该方法在骨干网络中引入注意力机制以提升模型对螺栓特征的提取能力并加深... 详细信息

针对现有算法在检测桥梁螺栓缺陷时因螺栓背景复杂和尺寸较小而导致的特征提取不充分、目标定位不精确问题,提出了一种基于改进yolov5s的桥梁螺栓缺陷识别方法。该方法在骨干网络中引入注意力机制以提升模型对螺栓特征的提取能力并加深对螺栓全局特征的关注度;优化空间金字塔池化结构以减少螺栓特征信息流失;采用MPDIoU作为边界框回归损失函数,提高螺栓边界框的回归精度;将YOLO检测头解耦以消除目标检测中分类任务和回归任务共享检测头对边界框位置回归的负面影响。在螺栓锈蚀、螺栓松动、螺栓脱落和螺母脱落4类典型缺陷螺栓以及正常螺栓的3810张自制螺栓图像数据集上进行训练和测试,实验结果表明:本文算法对螺栓缺陷的检测精度达到90.8%,相较于yolov5s提升了3%,均值平均精度达到92.6%,相较于yolov5s提升了4.3%,可以应用于桥梁螺栓的缺陷智能识别。

关键词：桥梁工程螺栓缺陷识别 yolov5s 桥梁螺栓

维普期刊数据库博看期刊

改进yolov5s的采煤机滚筒与支架护帮板干涉状态智能识别

在线全文

学校读者我要写书评

暂无评论

煤炭科学技术 2024年第2期52卷 253-263页

作者：毛清华胡鑫王孟寒张旭辉薛旭升西安科技大学机械工程学院陕西西安710054 陕西省矿山机电装备智能检测与控制重点实验室陕西西安710054

针对综采工作面液压支架护帮板处于未收回异常状态导致采煤机滚筒与护帮板干涉问题,提出一种改进yolov5s的采煤机滚筒与液压支架护帮板干涉状态智能识别方法。运用课题组前期提出的基于边界约束和非线性上下文正则化的去雾去尘方法对视... 详细信息

针对综采工作面液压支架护帮板处于未收回异常状态导致采煤机滚筒与护帮板干涉问题,提出一种改进yolov5s的采煤机滚筒与液压支架护帮板干涉状态智能识别方法。运用课题组前期提出的基于边界约束和非线性上下文正则化的去雾去尘方法对视频图像进行清晰化处理,提高综采工作面监控视频图像质量;对yolov5s模型进行改进,通过将yolov5s主干网络中的普通卷积Conv替换为分类效果更佳的Ghost卷积,减少了模型的参数数量,提高了模型识别速度,同时引入坐标注意力机制,提高了模型对护帮板和滚筒特征提取能力,从而提高模型识别精确率。运用软非极大值抑制算法(soft-NMs)的锚框筛选方法,减少因护帮板重叠而发生漏检问题。针对采煤机滚筒与液压支架护帮板干涉状态判定问题,提出液压支架护帮板与采煤机滚筒锚框重合度的判定方法。运用本文改进yolov5s模型与yolov5s、yolov3-tiny模型进行对比分析,结果表明:本文方法与原模型相比的识别精确率提高了约8.1%,GFLOPs降低1.86倍;mAP@.5达到97.2%、平均识别速度为检测时间为5.9 ms。运用本文方法对煤矿实际综采工作面采煤机滚筒与液压支架护帮板视频图像进行干涉状态识别试验验证,结果表明:对采煤机滚筒与液压支架护帮板干涉状态识别准确率为96%。

关键词：采煤机滚筒液压支架护帮板 yolov5s 干涉状态视频图像智能识别

基于改进yolov5s的CNN-swin Transformer森林野生动物图像目标检测算法

在线全文

学校读者我要写书评

暂无评论

林业科学 2024年第3期60卷 121-130页

作者：杨文翰刘天宇周俊池胡文武蒋蘋湖南农业大学机电工程学院长沙410128

【目的】为提高野生动物在复杂森林环境中的检测精度,促进森林野生动物保护技术发展,提出一种基于yolov5s网络模型、针对陷阱相机所摄取森林野生动物图像的改进检测算法。【方法】以包含湖南壶瓶山国家级自然保护区几种典型森林野生动... 详细信息

【目的】为提高野生动物在复杂森林环境中的检测精度,促进森林野生动物保护技术发展,提出一种基于yolov5s网络模型、针对陷阱相机所摄取森林野生动物图像的改进检测算法。【方法】以包含湖南壶瓶山国家级自然保护区几种典型森林野生动物在内的数据集为研究对象,首先,对真实标注框图像进行裁剪、归一化和缩放处理,随机将2~4张裁剪图像拼贴组成新的数据集元素,以丰富和增强数据集图像信息;其次,使用一种基于通道注意力思想的加权通道拼接方法,在通道拼接时引入权重改变通道数量,通过反向传播训练方法不断更新权重以增加重要特征信息的通道层数;接着,引入swin Transformer模块与CNN网络相结合,为卷积神经网络特征提取加入自注意力机制,融合2种网络特征提取层的优势,提高特征提取的感受野;最后,选择更优的α-DIoU损失函数替代GIoU损失函数,针对边界框重叠面积和中心点距离造成的损失,引入新的几何因素惩罚项。【结果】在相同试验条件和数据集下,相比原yolov5s网络模型,改进算法极大提高检测的平均准确率和平均回归率,均值平均精度由74.1%提升至88.4%,获得14.3%的精度提升,同时也超过yolov3、YOLOXs、RetinaNet、Faster R-CNN等其他流行目标检测算法。【结论】针对陷阱相机所摄取森林野生动物图像背景与目标对比度低、遮挡重叠严重,致使检测误检率、漏检率高等问题,在检测算法中提出一系列改进措施,为我国森林野生动物的保护和数据获取提供一种新的可行性方案和思路。

关键词：森林野生动物检测算法 yolov5s swin Transformer 网络融合

改进yolov5s的无人机视角下小目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第2期60卷 191-199页

作者：吴明杰云利军陈载清钟天泽云南师范大学信息学院昆明650500 云南省教育厅计算机视觉与智能控制技术工程研究中心昆明650500

针对无人机飞行时与目标距离较远,被拍摄的目标大小有明显的差异且存在被物体遮挡等问题,提出一种基于yolov5s的无人机视角下小目标检测改进算法BD-YOLO。在特征融合网络中采用双层路由注意力(bi-level routing attention,BRA),其以动... 详细信息

针对无人机飞行时与目标距离较远,被拍摄的目标大小有明显的差异且存在被物体遮挡等问题,提出一种基于yolov5s的无人机视角下小目标检测改进算法BD-YOLO。在特征融合网络中采用双层路由注意力(bi-level routing attention,BRA),其以动态稀疏的方式过滤特征图中最不相关的特征,保留部分重要区域特征,从而提高模型特征提取的能力;由于特征图经过多次下采样后会丢失大量位置信息和特征信息,因此采用一种结合注意力机制的动态目标检测头DyHead(dynamic head),该检测头通过尺度感知、空间感知和任务感知的三者统一,以实现更强的特征表达能力;使用Focal-EIoU损失函数,来解决yolov5s中CIoU Loss计算回归结果不准确的问题,从而提高模型对小型目标的检测精度。实验结果表明,在VisDrone2019-DET数据集上,BD-YOLO模型较yolov5s模型在平均精度(mAP@0.5)指标上提高了0.062,对比其他主流模型对于小目标的检测都有更好的效果。

关键词：无人机视角 yolov5s 小目标注意力机制损失函数

基于yolov5s室内目标检测轻量化改进算法研究

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第3期60卷 109-118页

作者：牛鑫宇毛鹏军段云涛娄晓恒河南科技大学机电工程学院河南洛阳471003

针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的yolov5s轻量化检测算法。该方法采用shuffleNetv2作为主干特征... 详细信息

针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的yolov5s轻量化检测算法。该方法采用shuffleNetv2作为主干特征提取网络,并且在改进的主干网络基础上采用CA注意力机制,同时在颈部网络中采用GsConv和VOV-GsCsP模块。最后引入边框回归损失函数EIOU加快网络收敛。研究结果表明,改进后的目标检测算法,模型计算量减少了68.75%,模型参数量减少了62.2%,权重文件减少了59.7%,平均精确率mAP均值为0.653,改进后的目标检测模型能够在保证轻量化的同时保证检测精度。

关键词： yolov5s 轻量化 shuffleNetv2网络 CA注意力机制 GsConv模块 VOV-GsCsP模块 EIOU损失函数