检索结果-南通市图书馆

面向智能变胞车的改进yolov5楼梯目标识别算法

在线全文

学校读者我要写书评

暂无评论

合肥工业大学学报（自然科学版） 2024年第7期47卷 879-886,899页

作者：刘俊张成阮小栋合肥工业大学汽车与交通工程学院安徽合肥230009

针对智能变胞车在室内楼梯环境下自主攀爬过程中的楼梯识别问题,文章提出一种基于改进yolov5的楼梯识别算法。为满足算法模型的实时性要求,利用轻量级网络EfficientNetV2替换yolov5算法的主干网络;使用GSConv模块和VoV-GSCSP模块替换原... 详细信息

针对智能变胞车在室内楼梯环境下自主攀爬过程中的楼梯识别问题,文章提出一种基于改进yolov5的楼梯识别算法。为满足算法模型的实时性要求,利用轻量级网络EfficientNetV2替换yolov5算法的主干网络;使用GSConv模块和VoV-GSCSP模块替换原颈部网络中的Conv模块和CSP模块,在增强目标特征响应的基础上进一步减少计算成本;为弥补算法模型简化带来的精度损失,在颈部网络上添加坐标注意力机制,通过强化目标关注以提升在复杂场景下的目标识别效果;最后将改进的算法模型应用于嵌入式平台进行实验检测。实验结果表明:改进后的算法模型平均检测精度为91.99%,模型大小仅为3.1 MB,相较于其他目标检测算法具有明显的优越性。文章所提算法能够有效地对楼梯进行实时、准确的检测识别,为后续变胞车自主越障奠定了一定的理论基础。

关键词：智能变胞车楼梯目标检测 yolov5算法网络轻量化注意力机制

基于yolov5的液晶屏微弱特征缺陷检测算法

在线全文

学校读者我要写书评

暂无评论

液晶与显示 2024年第6期39卷 790-800页

作者：林峰石艳陈顺龙廖映华赵练赵黎周泽民四川轻化工大学机械工程学院四川宜宾644000

针对液晶屏显示缺陷中微弱特征缺陷经多次卷积与背景纹理同化导致的检测精度低的问题,提出了一种基于yolov5的液晶屏微弱特征缺陷检测改进模型YOLO-Mura。首先,在主干网络中引入Involution算子扩大感受野,增强在空间范围内的微弱特征缺... 详细信息

针对液晶屏显示缺陷中微弱特征缺陷经多次卷积与背景纹理同化导致的检测精度低的问题,提出了一种基于yolov5的液晶屏微弱特征缺陷检测改进模型YOLO-Mura。首先,在主干网络中引入Involution算子扩大感受野,增强在空间范围内的微弱特征缺陷信息,并降低模型的浮点运算次数。其次,采用CARAFE上采样算子优化上采样方式,加强对微弱特征缺陷的关注能力。然后,在颈部网络,通过嵌入BiFormer注意力模块,提升网络在强背景干扰下的特征提取能力。最后,采用BiFPN加权双向金字塔结构,提高不同层级的特征融合利用率。在自制液晶屏Mura缺陷数据集上的实验结果表明,YOLO-Mura模型的精确率、召回率、mAP@0.5分别提高了2.2%、6.6%、2.7%,模型计算量降低了66.5%。通过与主流目标检测算法进行比较,结果表明本文最终改进模型对于液晶屏微弱特征的Mura缺陷有较好的检测性能。

关键词：液晶屏 Mura缺陷 yolov5算法微弱特征检测

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于改进yolov5的X光违禁品检测算法

计算机工程与应用 2024年第16期60卷 217-227页

作者：曾泓翔文志诚湖南工业大学计算机学院湖南株洲412007

针对安检X光图像的违禁品检测效率问题以及小尺寸违禁品的漏检误检问题,提出了一种基于改进yolov5的X光违禁品检测算法。该算法引入了ProFPN的结构,能够在FPN+PAN的基础上增加原始特征信息,提高检测精度;相比于原始yolov5增加了一层160... 详细信息

针对安检X光图像的违禁品检测效率问题以及小尺寸违禁品的漏检误检问题,提出了一种基于改进yolov5的X光违禁品检测算法。该算法引入了ProFPN的结构,能够在FPN+PAN的基础上增加原始特征信息,提高检测精度;相比于原始yolov5增加了一层160×160的小目标检测层,使之拥有四尺度的特征融合,提高对小尺寸目标的学习能力;使用k-means++算法重新生成锚框尺寸,使之更加适合自制数据集的目标框大小,提高检测效率;采用了EIOU Loss作为回归损失函数,使目标框和锚框的宽高差异最小化,进一步提高检测框的定位精度和收敛速度。实验结果表明,改进后的算法在公开X光安检数据集上相比于原始yolov5算法mAP@0.5提高了4.7个百分点;相比于其他主流的目标检测算法,在参数量和运算量最小的情况下mAP@0.5最多提高了28.6个百分点,同样具有一定的优越性。

关键词：深度学习 yolov5算法 X光违禁品检测 ProFPN k-means++ EIOU Loss

基于yolov5的装载机物料细粒度检测优化算法

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1期30卷 239-252页

作者：顾同成徐武彬李冰李志恒惠翔禹何心广西科技大学机械与汽车工程学院广西柳州545006 广西土方机械协同创新中心广西柳州545006 广西柳工机械股份有限公司广西柳州545116

针对装载机智能铲装过程中缺少对物料细粒度方面的高精度检测算法问题,提出基于yolov5改进的物料细粒度目标检测算法。该方法主要利用注意力机制提高模型对细粒度特征的提取能力和对低质量数据的检测能力。为进一步利用注意力优化网络性... 详细信息

针对装载机智能铲装过程中缺少对物料细粒度方面的高精度检测算法问题,提出基于yolov5改进的物料细粒度目标检测算法。该方法主要利用注意力机制提高模型对细粒度特征的提取能力和对低质量数据的检测能力。为进一步利用注意力优化网络性能,提出双线性注意力机制,研究最佳嵌入方案并将软阈值思想与双线性注意力机制结合,以达到缓解低质量数据对模型检测精度影响的目的。实验结果表明,相较于原yolov5,双线性注意力机制改进后的网络在高质量样本上的mAP@0.5为93.2%,提高6.0%,每秒检测帧数(FPS)为52.6;嵌入软阈值后,网络在低质量样本上的mAP@0.5为90.2%,提高9.9%,FPS为50.0,满足装载机智能铲装过程对算法检测精度和实时性的要求。

关键词： yolov5算法智能铲装物料识别细粒度注意力机制目标检测

基于yolov5的车辆目标检测算法轻量化改进

在线全文

学校读者我要写书评

暂无评论

汽车与新动力 2024年第2期7卷 8-14页

作者：梁奕延陈昕郑明祥陈佳雯辽宁工业大学汽车与交通工程学院辽宁锦州121000

针对传统路端车辆目标检测算法参数多、检测速度较慢等问题,提出了基于yolov5的车辆目标检测算法轻量化改进。首先,选用轻量化EfficientnetV2卷积神经网络对原骨干网络进行重构,同时在网络中引入GAM注意力机制;其次,为平衡CIoU损失和Io... 详细信息

针对传统路端车辆目标检测算法参数多、检测速度较慢等问题,提出了基于yolov5的车辆目标检测算法轻量化改进。首先,选用轻量化EfficientnetV2卷积神经网络对原骨干网络进行重构,同时在网络中引入GAM注意力机制;其次,为平衡CIoU损失和IoU损失在损失函数中的权重,引入α-CIoU损失代替原有的CIoU损失;最后,使用soft-NMS算法替换原有的NMS非极大值抑制算法。结果表明:相比原算法,改进后算法的精度提升了2.51%,检测速度提升了8.6%,模型大小降低了31.7%;改进后的模型在提升检测速度的同时,还提高了路端车辆目标的检测性能。

关键词：车辆目标检测深度学习 yolov5算法网络轻量化

维普期刊数据库博看期刊

基于yolov5的茶叶嫩芽图像识别算法研究

在线全文

学校读者我要写书评

暂无评论

湖北工业大学学报 2024年第1期39卷 36-40页

作者：马志艳李辉湖北工业大学农机工程研究设计院湖北武汉430068

现有的机器采茶都需要人工辅助进行采茶,且存在老叶、嫩芽一刀切的情况,会损害一部分茶叶,只适用于低端茶叶的采摘。因此,需要研究出一种精准高效的茶叶嫩芽识别方法。针对茶叶嫩芽图像背景复杂的问题,在yolov5算法的基础上,对算法进行... 详细信息

现有的机器采茶都需要人工辅助进行采茶,且存在老叶、嫩芽一刀切的情况,会损害一部分茶叶,只适用于低端茶叶的采摘。因此,需要研究出一种精准高效的茶叶嫩芽识别方法。针对茶叶嫩芽图像背景复杂的问题,在yolov5算法的基础上,对算法进行多角度的改进,实验结果表明,改进算法的模型的mAP提升了4.1%,Recall提升了4.0%,且改进方法减少了漏检情况的发生。

关键词：茶叶采摘 yolov5算法机器学习嫩芽识别

在线全文

学校读者我要写书评

暂无评论

改进yolov5的路面坑洞检测算法

福建电脑 2024年第1期40卷 16-20页

作者：王耀宗杨洁西南林业大学昆明650224

路面坑洞的检测和识别对于自动驾驶和公路养护至关重要。为了解决在不同光照条件下以及坑洞积水所导致的路面坑洞识别难题,并将其应用于一些资源受限的现场环境中,本文提出了一种改进yolov5的路面坑洞检测算法。该算法利用PConv改进了C... 详细信息

路面坑洞的检测和识别对于自动驾驶和公路养护至关重要。为了解决在不同光照条件下以及坑洞积水所导致的路面坑洞识别难题,并将其应用于一些资源受限的现场环境中,本文提出了一种改进yolov5的路面坑洞检测算法。该算法利用PConv改进了C3模块来实现更快的检测速度,并通过采用动态检测头的不同感知模块来适应路面坑洞的不同特征。同时,将模型的损失函数CIoU改进为SIoU,提高模型的精度和收敛能力。实验的结果表明,改进后的yolov5算法在路面坑洞检测中平均精度值提高了5.19%,模型体积也减小了13%。

关键词：路面坑洞检测 yolov5算法 C3模块动态检测头损失函数

在线全文

学校读者我要写书评

暂无评论

基于yolov5的改进火灾检测算法

信息与电脑 2024年第2期36卷 73-78,82页

作者：曾泓翔文志诚湖南工业大学计算机学院湖南株洲412007

针对火灾场景下现有目标检测算法对起火目标的漏检误检问题,提出一种基于改进yolov5的火灾检测算法。该算法引入Ghost-Atrous模块,能够在不增加卷积核大小和数量的情况下扩大感受野,从而替代普通“卷积+池化层”的组合,以避免特征信息丢... 详细信息

针对火灾场景下现有目标检测算法对起火目标的漏检误检问题,提出一种基于改进yolov5的火灾检测算法。该算法引入Ghost-Atrous模块,能够在不增加卷积核大小和数量的情况下扩大感受野,从而替代普通“卷积+池化层”的组合,以避免特征信息丢失,同时减少参数量和运算量;使用CBAM-Atrous注意力模块强化对重要特征的提取;采用EIOU-NMS进行非极大值抑制,更好地解决误检漏检问题。实验结果表明,改进后的算法在火灾数据集上相比于原始yolov5算法mAP@0.5提高了4.3个百分点;相比于其他主流的目标检测算法,mAP@0.5提高了0.3~8.0个百分点,同样具有一定的优越性。

关键词：深度学习 yolov5算法火灾检测 Ghost-Atrous 空洞卷积

融合Swin Transformer的yolov5口罩检测算法

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2024年第5期14卷 83-92页

作者：徐佩陈亚江浙江理工大学理学院杭州310018

针对口罩佩戴检测算法未平衡模型规模与检测精度的问题,提出了一种口罩佩戴检测改进算法。该算法以yolov5网络为基础框架:首先,应用轻量级Mixup数据增强方式和Mish激活函数以提高模型泛化能力;其次,引入Swin Transformer结构和ECA注意... 详细信息

针对口罩佩戴检测算法未平衡模型规模与检测精度的问题,提出了一种口罩佩戴检测改进算法。该算法以yolov5网络为基础框架:首先,应用轻量级Mixup数据增强方式和Mish激活函数以提高模型泛化能力;其次,引入Swin Transformer结构和ECA注意力机制来增强复杂场景下口罩目标的提取效率;第三,使用SIoU损失函数以提高检测精度;最后,设计了新的Neck网络卷积模块来实现模型轻量化。实验结果表明:相比于原始的yolov5算法,mAP提升2.9%,参数量减少54.2%,模型体积减少52.1%。该算法很好地平衡了模型规模与检测精度,在口罩检测实际场景中更具优势。

关键词： yolov5算法口罩佩戴检测算法注意力机制 Swin Transformer 轻量化

维普期刊数据库博看期刊