检索结果-南通市图书馆

改进YOLOX-S的偏光片表面缺陷检测算法

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 295-303页

作者：陈乐周永霞祖佳贞中国计量大学信息工程学院杭州310018

偏光片是液晶显示器的重要组成部分,其表面缺陷不仅会降低液晶显示器的显示质量,甚至可能造成整个液晶面板的报废。针对偏光片表面缺陷存在尺度差异大、形状变化多样的问题,提出一种改进YOLOX-S的偏光片表面缺陷检测算法。提出自适应平... 详细信息

偏光片是液晶显示器的重要组成部分,其表面缺陷不仅会降低液晶显示器的显示质量,甚至可能造成整个液晶面板的报废。针对偏光片表面缺陷存在尺度差异大、形状变化多样的问题,提出一种改进YOLOX-S的偏光片表面缺陷检测算法。提出自适应平衡特征金字塔(ABFP)模块充分融合主干网提取的多级特征,并通过单个卷积增加检测分支,进一步增强模型的多尺度检测能力。在ABFP中引入注意力模块CBAM关注重要特征。采用CIo U损失函数的同时使用Mish激活函数替代si LU激活函数。实验结果表明,改进的算法在偏光片表面缺陷数据集上的m AP_(50)和m AP_(50:95)分别达到92.97%和55.16%,相比YOLOX-S(FPN)提升了1.86和1.34个百分点,每秒检测帧数(FPs)达到50,基本满足工业实时检测的需求。

关键词：偏光片表面缺陷检测 YOLOX-S 自适应平衡特征金字塔 CIoU Mish

基于改进YOLOX-S的苹果成熟度检测方法

在线全文

学校读者我要写书评

暂无评论

中国农机化学报 2024年第3期45卷 226-232页

作者：黄威刘义亭李佩娟陈光明南京工程学院南京市211167 东南大学南京市210096 南京农业大学南京市210031 江苏省智能化农业装备重点实验室南京市210000

准确检测果园中未成熟与成熟的苹果对果园早期作物的负荷管理至关重要,提出一种能够实时检测苹果成熟度,并估算出整棵果树果实数量的方法。为提高YOLOX-S网络在复杂场景下的检测能力,在FPN(特征金字塔)的残差连接处增加了CoordinateAtte... 详细信息

准确检测果园中未成熟与成熟的苹果对果园早期作物的负荷管理至关重要,提出一种能够实时检测苹果成熟度,并估算出整棵果树果实数量的方法。为提高YOLOX-S网络在复杂场景下的检测能力,在FPN(特征金字塔)的残差连接处增加了CoordinateAttention(位置注意力);为更好地检测图像中生长密集、存在遮挡、尺寸较小的苹果,将位置损失函数IoU_Loss更换为CIoU_Loss。试验结果表明,所提出的改进YOLOX-S检测算法相较于原算法,mAP值提高约1.97%,苹果低成熟度、中等成熟度和高等成熟度的AP值分别为90.85%、95.10%和80.50%。

关键词：苹果 YOLOX-S 目标检测位置注意力成熟度检测

基于改进YOLOX-S的轻量化煤矸石检测方法研究

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

河南理工大学学报(自然科学版) 2024年第4期 133-140页

作者：高如新杜亚博常嘉浩河南理工大学电气工程与自动化学院河南省煤矿装备智能检测与控制重点实验室河南省智能装备直驱技术与控制国际联合实验室

目的为了探索基于现有机器视觉煤矸石检测方法的模型参数量、计算量对检测速度和嵌入式设备的影响，方法提出一种基于改进的无锚框YOLOX-S轻量化煤矸石检测模型。为使模型能提取更真实的煤矸石特征信息，收集分选现场煤矸石样本，保... 详细信息

目的为了探索基于现有机器视觉煤矸石检测方法的模型参数量、计算量对检测速度和嵌入式设备的影响，方法提出一种基于改进的无锚框YOLOX-S轻量化煤矸石检测模型。为使模型能提取更真实的煤矸石特征信息，收集分选现场煤矸石样本，保证实际环境下的煤矸石检测效果，适应实际生产环境。结合CsPNet，将输入的特征图分割成两个分支，实现更丰富的梯度组合，同时减少模型计算量；之后在其中一条分支使用Ghost轻量化卷积，通过少量常规卷积生成一组特征图，达到初次减少计算量和参数量的效果，然后在此特征图基础上经过简单线性变化操作，生成一组新的特征图，将两组特征图进行融合，降低对计算资源需求的同时，也达到了常规卷积相同的特征提取效果；引入LeakyReLU激活函数减弱模型梯度消失的影响，提取更深更多的特征信息；最后融合两个分支特征，保证较高的检测精度，提升模型检测速度。采用CIOU Loss(complete IOU loss)优化目标边界框回归损失函数，使模型回归损失收敛更快，提高模型目标定位能力。结果与原模型相比，本文改进模型在保证较高的平均精度均值90.51%情况下，模型参数减少47%，计算量减少49%，检测速度达到50帧/s。结论轻量化煤矸石检测模型使智能化煤矸石检测在实际生产环境中具有一定的应用前景。

关键词：煤矸石检测 YOLOX-S 轻量化目标定位检测速度

基于改进YOLOX-S的足球比赛视频目标检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高师理科学刊 2024年第1期44卷 30-35页

作者：何妍妍辽宁科技大学理学院辽宁鞍山114015

为了提升足球赛事水平,催生出足球新战术,识别足球巨星梅西和足球的位置,为进一步的跟踪提供良好的基础,提出了一种基于改进YOLOX-S的足球赛事目标检测方法.使用Pseudo-IoU度量,改进了YOLOX-S中的正样本初步筛选机制,将更标准化和准确... 详细信息

为了提升足球赛事水平,催生出足球新战术,识别足球巨星梅西和足球的位置,为进一步的跟踪提供良好的基础,提出了一种基于改进YOLOX-S的足球赛事目标检测方法.使用Pseudo-IoU度量,改进了YOLOX-S中的正样本初步筛选机制,将更标准化和准确的分配规则引入到YOLOX-S无锚检测框架.在损失函数中使用了Focal Loss,以平衡难易样本.实验结果表明,相较于YOLOX-S模型,所提模型具有更好的综合表现,足球类别平均精度为79.8%,梅西类别平均精度为72.6%,平均精度均值为76.2%.

关键词：目标检测 YOLOX-S 足球赛事 Pseudo-Iou度量 Focal Loss

Multi-Equipment Detection Method for Distribution Lines Based on Improved YOLOX-S

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2023年第12期77卷 2735-2749页

作者： Lei Hu Yuanwen Lu si Wang Wenbin Wang Yongmei Zhang school of Computer and Information Engineering Jiangxi Normal UniversityNanchang330022China school of Digital Industry Jiangxi Normal UniversityShangrao334005China Department of science and Technology State Grid Jiangxi Electric Power Research InstituteNanchang330096China school of Information North China University of TechnologyBeijing100144China

The YOLOX-S network does not sufficiently meet the accuracy demand of equipment detection in the autonomous inspection of distribution lines by Unmanned Aerial Vehicle(UAV)due to the complex background of distribution lines,variable morphology of equipment,and large differences in equipment sizes.Therefore,aiming at the difficult detection of power equipment in UAV inspection images,we propose a multi-equipment detection method for inspection of distribution lines based on the YOLOX-S.Based on the YOLOX-S network,we make the following improvements:1)The Receptive Field Block(RFB)module is added after the shallow feature layer of the backbone network to expand the receptive field of the network.2)The Coordinate Attention(CA)module is added to obtain the spatial direction information of the targets and improve the accuracy of target localization.3)After the first fusion of features in the Path Aggregation Network(PANet),the Adaptively spatial Feature Fusion(AsFF)module is added to achieve efficient re-fusion of multi-scale deep and shallow feature maps by assigning adaptive weight parameters to features at different scales.4)The loss function Binary Cross Entropy(BCE)Loss in YOLOX-S is replaced by Focal Loss to alleviate the difficulty of network convergence caused by the imbalance between positive and negative samples of small-sized targets.The experiments take a private dataset consisting of four types of power equipment:Transformers,Isolators,Drop Fuses,and Lightning Arrestors.On average,the mean Average Precision(mAP)of the proposed method can reach 93.64%,an increase of 3.27%.The experimental results show that the proposed method can better identify multiple types of power equipment of different scales at the same time,which helps to improve the intelligence of UAV autonomous inspection in distribution lines.

关键词： Distribution lines UAV autonomous inspection power equipment detection YOLOX-S

基于改进yolox的自然环境下核桃识别算法研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

河南农业科学 2024年第1期53卷 152-161页

作者：钟正扬云利军杨璇玺陈载清云南师范大学信息学院云南昆明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云南昆明650500 云南省林业调查规划院生态分院卫星林业应用中心云南昆明650500

针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题,提出了一种基于swin Transformer多层特征融合改进的YOLOX-S核桃识别算法。首先,在主干特征提取网络中引入基于swin Transformer的多层特征融合模块,借助swin Transforme... 详细信息

针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题,提出了一种基于swin Transformer多层特征融合改进的YOLOX-S核桃识别算法。首先,在主干特征提取网络中引入基于swin Transformer的多层特征融合模块,借助swin Transformer的多头注意力机制对小目标的特征信息进行提取并与特征图进行融合,可以有效解决因网络层数加深导致的高层特征图中小目标特征信息丢失问题;其次,为了提高算法的检测精度,引入更高效的Repblock模块对原网络中的CsP模块进行替换;最后,为了提高下采样效果,使用更为优秀的Transition Block模块作为主干特征提取网络的下采样模块。结果表明,改进后的YOLOX-S模型在采集的自然环境下核桃数据集上平均精度AP50达到96.72%,分别比Faster-RCNN、YOLOv5-s、YOLOX-S算法提高7.36、1.38、0.62百分点,检测速度达到46 f/s,模型参数大小为20.55 M。改进后的YOLOX-S算法具有更好的精度,改善了漏检和误检问题,对自然环境下的核桃有更好的识别效果。

关键词：核桃识别 swin Transformer 多层特征融合模块 YOLOX-S 深度学习

基于改进YOLOX-S的机场跑道冰雪状态感知

在线全文

学校读者我要写书评

暂无评论

上海交通大学学报 2023年第10期57卷 1292-1304页

作者：邢志伟阚犇刘子硕李彪罗谦中国民航大学电子信息与自动化学院天津300300 天津航空机电有限公司天津300308 中国民航局第二研究所工程技术研究中心成都610041

针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-S模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;... 详细信息

针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-S模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;将颈部结构中路径聚合网络替换为双向特征金字塔,以提升特征融合能力;在加强特征提取网络尾部添加自适应空间特征融合结构,进一步增强特征融合效果;使用α-EIoU优化损失函数,提高模型收敛速度与精度.实验结果表明,改进后的YOLOX-S模型在跑道冰雪实验系统所得的冰雪污染物数据集上平均精度达到了91.53%,比原始的YOLOX-S模型提高了4.68%,能够为机场跑道除冰雪作业提供决策支持.

关键词：跑道冰雪状态感知 YOLOX-S 全局上下文模块双向特征金字塔网络自适应空间特征融合结构 α-EIoU损失函数

改进YOLOX-S实时多尺度交通标志检测算法

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 2023年第21期59卷 167-175页

作者：王能文张涛江南大学人工智能与计算机学院江苏无锡214000

交通标志检测对于无人驾驶系统来说是一项具有挑战性的任务。针对交通标志检测过程中,目标小、受背景环境影响等难点,提出一种基于改进YOLOX-S的算法。设计ResNet50-vd-dcn替换原YOLOX-S中的CsPDarknet53主干网络,使用ResNet-D结合可变... 详细信息

交通标志检测对于无人驾驶系统来说是一项具有挑战性的任务。针对交通标志检测过程中,目标小、受背景环境影响等难点,提出一种基于改进YOLOX-S的算法。设计ResNet50-vd-dcn替换原YOLOX-S中的CsPDarknet53主干网络,使用ResNet-D结合可变性卷积,减少了模型的计算量同时也保证了网络的学习能力。提出增强特征图模块,该模块利用特征图连接流和注意力机制流来减少特征图生成过程中的信息丢失,进而提高模型的表示能力。提出一种三通道加权双向特征金字塔网络替换原有特征金字塔结构,可以有效加强特征融合,提高多尺度目标识别能力。为增加模型对正样本的学习,在后处理阶段引入Focal Loss损失函数。实验结果表明,与原YOLOX-S算法相比,在TT100K数据集上小目标精度、小目标召回率以及mAP分别提升了2.8、4.1、2.1个百分点,同时检测速度快了2.3 FPs。在CCTsDB数据上mAP提升了1.1个百分点,检测速度为120 FPs,满足实时检测的要求。

关键词：交通标志检测 YOLOX-S 小目标检测特征增强注意力机制流

在线全文

学校读者我要写书评

暂无评论

改进YOLOX-S模型的施工场景目标检测

计算机科学与探索 2023年第5期17卷 1089-1101页

作者：胡皓郭放刘钊中国人民公安大学信息网络安全学院北京100038 中国人民公安大学研究生院北京100038

现有YOLOX-S模型在施工环境干扰下目标检测平均精准率(AP)偏低,不能较好满足实际应用需要。针对上述问题,从引入结构重参数化模块、引入卷积注意力模块、引入AdamW优化算法三方面对YOLOX-S模型进行改进。首先,利用RepVGGBlock解耦训练... 详细信息

现有YOLOX-S模型在施工环境干扰下目标检测平均精准率(AP)偏低,不能较好满足实际应用需要。针对上述问题,从引入结构重参数化模块、引入卷积注意力模块、引入AdamW优化算法三方面对YOLOX-S模型进行改进。首先,利用RepVGGBlock解耦训练阶段与测试阶段的模型结构,在训练阶段模型的Backbone与Neck中构建更多残差结构,提高模型的特征提取能力。其次,利用LKA模块提取局部特征信息与长距离依赖关系,为后续计算目标边界框位置与大小提供更加有效的注意力指引,提升检测平均精准率。然后,使用AdamW优化算法替代Adam优化算法更新模型参数,进一步改良模型收敛结果,提升模型泛化能力。最后,在建筑工地运动目标数据集(MOCs)上进行实验,结果表明,改进YOLOX-S模型检测所有目标的平均精准率提升3.3个百分点,检测大目标、中目标、小目标的平均精准率分别提升3.2、2.3、2.2个百分点。同时,改进YOLOX-S模型计算代价未明显增加,可在实时运行的同时更好满足施工场景下对目标检测平均精准率的需要。

关键词：目标检测施工场景结构重参数化大核注意力 YOLOX-S