检索结果-南通市图书馆

基于改进yolox算法的X射线图像违禁品检测方法

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

激光技术 2023年第4期47卷 547-552页

作者：袁金豪张南峰阮洁珊高向东广东工业大学广东省焊接工程技术研究中心广州510006 黄埔海关技术中心东莞523076

为了实现自动检测X射线图像中的违禁品,解决相互遮挡、目标相近和小目标违禁品检测难的问题,提出一种基于改进的你只观察一次(yolox)算法的X射线图像违禁品检测方法。首先在yolox的主干网络低层中引入使用大核注意力构建的空间注意力,... 详细信息

为了实现自动检测X射线图像中的违禁品,解决相互遮挡、目标相近和小目标违禁品检测难的问题,提出一种基于改进的你只观察一次(yolox)算法的X射线图像违禁品检测方法。首先在yolox的主干网络低层中引入使用大核注意力构建的空间注意力,提取低层特征图的远距离依赖信息和纹理信息,之后在主干网络的中层和高层增加卷积块的注意力模块以增强感兴趣区域信息并抑制无用信息;该方法在公开的安全检查X射线数据集上进行实验,同时为改善模型的鲁棒性,在训练前70个周期使用Mosaic数据增强方法。结果表明,改进的模型较基本模型增加少量的参数和计算量,均值平均精度增加2.45%,提升到87.88%,平均推理速率为58.5 frame/s。该研究为即时自动检测X射线图像中违禁品提供了有益的参考。

关键词： X射线光学违禁品检测 yolox算法大核注意力空间注意力卷积块的注意力模块

基于改进yolox的水库水面漂浮物目标检测算法

在线全文

学校读者我要写书评

暂无评论

人民长江 2024年第3期55卷 249-256页

作者：谭文群曾祥君包学才梁义许小华南昌工程学院江西省水信息协同感知与智能处理重点实验室江西南昌330099 南昌工程学院信息工程学院江西南昌330099 江西省水利科学院江西南昌330029

针对目前水库水面小目标漂浮物检测识别精度低的问题,提出基于改进yolox的水库水面漂浮物目标检测算法。此算法引入新型dark2模块融入主干网络并拓展主干网络的分支输出结构,提升主干网络对图片的特征提取能力。在此基础上,提出改进特... 详细信息

针对目前水库水面小目标漂浮物检测识别精度低的问题,提出基于改进yolox的水库水面漂浮物目标检测算法。此算法引入新型dark2模块融入主干网络并拓展主干网络的分支输出结构,提升主干网络对图片的特征提取能力。在此基础上,提出改进特征融合模块(ZL-FPN),用于增强特征图信息融合,提高对水库水面小目标漂浮物的检测精度。结果表明:改进后算法的mAP值比YOLOv4和原yolox算法分别提升了29.93%和12.11%,有效提升了水库水面漂浮物检测精度。研究成果可为提升水库智能化管理水平提供有效技术支撑。

关键词：水面小目标漂浮物目标检测 yolox算法水库智能化管理

基于深度学习的芯片封装基板表面缺陷检测研究

在线全文

学校读者我要写书评

暂无评论

基于深度学习的芯片封装基板表面缺陷检测研究

作者：李研天津职业技术师范大学

学位级别：硕士

半导体芯片是电子产品最为关键的元器件。作为半导体芯片的载体,芯片封装基板在实际生产过程中,其表面会产生各种缺陷从而影响芯片整体性能。传统的人工目检法存在检测速度慢、检测结果不准确且一致性差、人工成本高等问题,鉴于此,本文... 详细信息

半导体芯片是电子产品最为关键的元器件。作为半导体芯片的载体,芯片封装基板在实际生产过程中,其表面会产生各种缺陷从而影响芯片整体性能。传统的人工目检法存在检测速度慢、检测结果不准确且一致性差、人工成本高等问题,鉴于此,本文提出应用深度学习技术实现芯片封装基板表面缺陷的快速准确自动检测。(1)使用Label Img标定图像缺陷区域的位置信息和类别信息,实现目标检测任务所需数据集的标签标注;针对芯片封装基板数据集样本不均衡、尺度不同问题,采用添加局部图、数据增强的方法,将数据集从1231张图像扩展到1871张。(2)针对芯片封装基板表面缺陷数据集,对常用目标检测算法进行对比实验研究,得出yolox-l算法对本文数据集检测性能最均衡。(3)针对芯片封装基板数据集中缺陷易于与底板混淆、缺陷尺寸差异大的问题,提出了改进yolox-l检测算法,并进行了实验验证。将yolox的加强特征提取网络替换为融合了有效通道注意力的双向加权特征提取网络;将主干特征提取网络中的3×3卷积块替换为COTNet卷积块;将yolox-l的Io U损失函数替换为CIo U;将yolox-l的Swish激活函数替换为Mish激活函数。实验对比研究了改进前后yolox-l算法对各类芯片封装基板表面缺陷的自动检测效果,结果表明,改进后的yolox-l算法的综合检测性能更佳。本文提出改进yolox-l算法并实现对芯片封装基板外观缺陷进行快速、准确的自动检测,具有重要的实用价值。

关键词：计算机视觉深度学习 yolox算法注意力机制

基于改进yolox的SAR舰船目标检测算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电脑编程技巧与维护 2022年第5期 35-37页

作者：尹骅李敬兆安徽理工大学电气与信息工程学院安徽淮南232001

近年来,在基于深度学习的SAR舰船目标检测算法中,总是存在着对紧密排列的舰船目标和小尺寸舰船目标漏检的问题。针对上述问题,提出了一种改进的yolox算法,用于减少紧密排列的舰船目标和小尺寸舰船目标的漏检率。采用Mish代替LeakyReLU... 详细信息

近年来,在基于深度学习的SAR舰船目标检测算法中,总是存在着对紧密排列的舰船目标和小尺寸舰船目标漏检的问题。针对上述问题,提出了一种改进的yolox算法,用于减少紧密排列的舰船目标和小尺寸舰船目标的漏检率。采用Mish代替LeakyReLU的方法改进了激活函数,从而提高了模型的泛化能力;采用Soft-NMS代替传统NMS,减少传统NMS所导致的漏检;在CSPDarkNet末尾加入卷积块注意力机制模块(CBAM),用于提升网络提取特征的效果。在公开的SAR舰船数据集SSDD上进行了实验。结果表明,算法经过改进,有效减少了yolox在检测紧密舰船目标和小尺寸舰船目标时发生的漏检现象。

关键词：深度学习目标检测 yolox算法舰船检测

在线全文

学校读者我要写书评

暂无评论

多感知机制融合的家居物品检测方法

计算机辅助设计与图形学学报 2023年第2期35卷 213-220页

作者：郭彤颖薛亚栋吴俊卓沈阳建筑大学电气与控制工程学院沈阳110168

家居物品检测是家庭服务机器人执行目标抓取任务的关键,针对日常家居场景背景复杂、家居物品密集、小目标物品类型多而导致检测难度较大的问题,提出一种基于多感知机制融合的家居物品检测方法.首先,在yolox的颈部网络部分加入坐标注意... 详细信息

家居物品检测是家庭服务机器人执行目标抓取任务的关键,针对日常家居场景背景复杂、家居物品密集、小目标物品类型多而导致检测难度较大的问题,提出一种基于多感知机制融合的家居物品检测方法.首先,在yolox的颈部网络部分加入坐标注意力机制模块,减少繁杂信息带来的影响;其次,采用基于多感知融合的dynamic head对yolox的检测头进行改进,提升对小目标物品的检测精度;最后,在损失函数中加入focal loss,减小因正负样本数量不平衡而带来的误差.在PyTorch环境下,使用自制的家居物品数据集对改进后的yolox算法进行消融实验,并与其他6种目标检测算法进行对比实验.实验结果表明,所提方法对家居物品检测的mAP为58.34%,帧速为45.35帧/s,在满足算法检测实时性的同时,有效地提高了对家居物品的检测精度.

关键词： yolox算法目标检测 dynamic head focal loss 注意力机制

基于改进yolox网络的金属齿轮表面缺陷检测方法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2023年第22期60卷 272-282页

作者：张曙文钟振宇朱大虎武汉理工大学汽车工程学院现代汽车零部件技术湖北省重点实验室湖北武汉430070 武汉理工大学汽车工程学院汽车零部件技术湖北省协同创新中心湖北武汉430070

针对工业干扰环境下金属齿轮表面缺陷自动化检测容易出现误检和漏检的问题,提出一种改进的yolox算法。首先,通过adaptively spatial feature fusion(ASFF)充分利用不同尺度下缺陷和干扰项的特征之间的差异,提高模型的抗干扰能力;接着,通... 详细信息

针对工业干扰环境下金属齿轮表面缺陷自动化检测容易出现误检和漏检的问题,提出一种改进的yolox算法。首先,通过adaptively spatial feature fusion(ASFF)充分利用不同尺度下缺陷和干扰项的特征之间的差异,提高模型的抗干扰能力;接着,通过efficient channel attention(ECA)模块,增加网络的特征提取能力;最后,修改置信度损失函数为Varifocal损失函数,减少困难样本对网络的干扰。实验结果表明,改进的yolox网络与原版相比在召回率、准确率和平均精度均值上分别提升6.1个百分点、4.6个百分点和9.4个百分点。

关键词：机器视觉齿轮缺陷检测 yolox算法注意力机制特征融合

基于改进yolox的小麦不完善粒检测技术研究

在线全文

学校读者我要写书评

暂无评论

河南工业大学学报（自然科学版） 2023年第5期44卷 109-117页

作者：吴兰周永强河南工业大学机电工程学院河南郑州450001 河南工业大学电气工程学院河南郑州450001

针对现有小麦不完善粒检测方法存在适用性差、识别效率低的问题,提出一种基于改进yolox的小麦不完善粒检测算法。在3个小麦品种、不同拍摄高度和不同籽粒数量场景下采集小麦图像数据集。针对籽粒过小难以检测的问题,引入坐标注意力模型... 详细信息

针对现有小麦不完善粒检测方法存在适用性差、识别效率低的问题,提出一种基于改进yolox的小麦不完善粒检测算法。在3个小麦品种、不同拍摄高度和不同籽粒数量场景下采集小麦图像数据集。针对籽粒过小难以检测的问题,引入坐标注意力模型提升图像中不完善粒的显著度,并使用加权双向特征金字塔改进特征融合模块结构,实现了不同尺度不完善粒特征的有效融合。针对多目标检测实时性问题,使用深度可分离卷积模块轻量化特征提取网络,降低网络的计算参数量,提高检测速度。结果表明,改进后的模型检测漏检率小于5%,对不完善粒的平均检测精度达到93.43%,检测速度为37 fps,相较于原yolox网络,检测精度和速度分别提高了2.58百分点和5.78 fps。该方法可以在不同籽粒大小、颗粒数量以及不同密集程度情况下对小麦不完善粒进行有效识别检测,可为进一步的小麦不完善粒实时检测和统计应用提供技术参考。

关键词：小麦不完善粒加权双向特征金字塔 yolox算法坐标注意力机制深度学习

Re-yolox:利用Resizer改进的yolox近岸海域监测目标识别模型

在线全文

学校读者我要写书评

暂无评论

自然资源遥感 2023年第3期35卷 10-16页

作者：王振华谭智联李静常英立上海海洋大学信息学院上海201306 自然资源部海洋环境探测技术与应用重点实验室广州510000

近岸海域监测包括自然环境监测和人类活动监测,其监测目标的高精准识别对海洋经济的健康发展、海洋环境的生态保护以及海洋防灾减灾等都有重要的作用。近岸海域监测目标具有多类型、多尺寸和不确定性等特征,现有识别模型在对近岸海域监... 详细信息

近岸海域监测包括自然环境监测和人类活动监测,其监测目标的高精准识别对海洋经济的健康发展、海洋环境的生态保护以及海洋防灾减灾等都有重要的作用。近岸海域监测目标具有多类型、多尺寸和不确定性等特征,现有识别模型在对近岸海域监测目标识别时,存在精度和效率欠佳、小目标漏检现象严重等问题。针对上述问题,利用可学习的图像调整模型(Resizer model)改进yolox,提出了面向近岸海域监测目标的识别模型(Re-yolox),包括:①利用Resizer model加强模型训练,提升模型的特征学习能力和表达能力,提高模型的召回率;②改进yolox的特征金字塔融合结构,减少小目标识别的漏检问题。用无人机监测的近岸海域视频数据作数据集,以车辆、船只和堆砌物为监测目标,将提出的Re-yolox模型与CenterNet,Faster R-CNN,YOLOv3和yolox等模型进行比较。结果表明,Re-yolox模型的平均预测精准率mAP可达94.23%,平均召回率mR可达91.99%,平均F1值mF1可达89.67%,均高于对比模型。综上所述,文章提出Re-yolox在保证目标识别效率的前提下提高了目标识别的精度,可为近岸海域管理提供技术支撑。

关键词：近岸海域目标识别 yolox算法无人机监测数据

在线全文

学校读者我要写书评

暂无评论

基于yolox改进模型的茶叶嫩芽识别方法

广东农业科学 2022年第7期49卷 49-56页

作者：俞龙黄楚斌唐劲驰黄浩宜周运峰黄永权孙佳琪华南农业大学电子工程学院(人工智能学院) 广东广州510642 国家精准农业航空施药技术国际联合研究中心广东广州510642 广东省农业科学院茶叶研究所/广东省茶树资源创新利用重点实验室广东广州510640 华南农业大学工程学院广东广州510642

【目的】改善茶叶嫩芽识别困难的问题,提高模型的识别准确率。茶叶嫩芽的识别是实现茶叶自动化采摘的核心技术之一,而茶叶嫩芽生长的姿态以及采集图像时的拍摄角度等条件都会对茶叶嫩芽的识别带来困难,造成识别准确率低的问题。【方法... 详细信息

【目的】改善茶叶嫩芽识别困难的问题,提高模型的识别准确率。茶叶嫩芽的识别是实现茶叶自动化采摘的核心技术之一,而茶叶嫩芽生长的姿态以及采集图像时的拍摄角度等条件都会对茶叶嫩芽的识别带来困难,造成识别准确率低的问题。【方法】提出一种改进的yolox茶叶嫩芽检测算法SS-yolox,该方法能准确地对一芽一叶、一芽二叶等茶叶嫩芽进行识别、分类。该方法通过添加注意力模块(Squeeze and excitation,SE)提高模型的特征提取能力,改善小目标漏检问题、引入Soft NMS算法改善检测框重叠度较高时的打分机制,提高模型对不同场景下嫩芽的识别能力。【结果】消融试验表明,引入Soft-NMS算法、SE模块均能提高yolox模型模型的检测精度,以引入SE模块提升较为明显。通过不同嫩芽图像对比验证算法的可行性和准确性,SS-yolox模型的均值平均精度mAP比原yolox模型提高2.2%,达到86.3%,表明经过改进后,模型的识别能力得到提升。在目标嫩芽数量较多的情况下,SS-yolox模型能有效地降低漏检率和错检率。【结论】SS-yolox模型能准确识别茶叶嫩芽,且识别效果更好,可为茶叶智能化采摘提供技术基础。

关键词：茶叶嫩芽识别深度学习 yolox算法注意力机制