期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到346篇文章
< 1 2 … 18 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Night Vision Object Tracking System Using Correlation Aware LSTM-Based Modified Yolo Algorithm 认领 引用
1
作者 R.Anandha Murugan B.Sathyabama 《Intelligent Automation & Soft Computing》 SCIE 2023年第4期353-368,共16页
Improved picture quality is critical to the effectiveness of object recog-nition and tracking.The consistency of those photos is impacted by night-video systems because the contrast between high-profile items and diffe... Improved picture quality is critical to the effectiveness of object recog-nition and tracking.The consistency of those photos is impacted by night-video systems because the contrast between high-profile items and different atmospheric conditions,such as mist,fog,dust etc.The pictures then shift in intensity,colour,polarity and consistency.A general challenge for computer vision analyses lies in the horrid appearance of night images in arbitrary illumination and ambient envir-onments.In recent years,target recognition techniques focused on deep learning and machine learning have become standard algorithms for object detection with the exponential growth of computer performance capabilities.However,the iden-tification of objects in the night world also poses further problems because of the distorted backdrop and dim light.The Correlation aware LSTM based YOLO(You Look Only Once)classifier method for exact object recognition and deter-mining its properties under night vision was a major inspiration for this work.In order to create virtual target sets similar to daily environments,we employ night images as inputs;and to obtain high enhanced image using histogram based enhancement and iterative wienerfilter for removing the noise in the image.The process of the feature extraction and feature selection was done for electing the potential features using the Adaptive internal linear embedding(AILE)and uplift linear discriminant analysis(ULDA).The region of interest mask can be segmen-ted using the Recurrent-Phase Level set Segmentation.Finally,we use deep con-volution feature fusion and region of interest pooling to integrate the presently extremely sophisticated quicker Long short term memory based(LSTM)with YOLO method for object tracking system.A range of experimentalfindings demonstrate that our technique achieves high average accuracy with a precision of 99.7%for object detection of SSAN datasets that is considerably more than that of the other standard object detection mechanism.Our approach may therefore satisfy the true demands of night scene target detection applications.We very much believe that our method will help future research. 展开更多
关键词 Object monitoring night vision image SSAN dataset adaptive internal linear embedding uplift linear discriminant analysis recurrent-phase level set segmentation correlation aware LSTM based yolo classifier algorithm
暂未订购 下载PDF
Improved YOLO algorithm based on multi-scale object detection in haze weather scenarios 认领 引用 被引量：1
2
作者 Junqing Shi Sui Ruan +4 位作者 Yanhong Tao Yingxu Rui Jun Deng Peng Liao Peng Mei 《Chain》 2025年第2期183-197,共15页
Computer vision-based traffic object detection plays a critical role in road traffic safety.Under hazy weather conditions,images captured by road monitoring systems exhibit three main challenges:significant scale vari... Computer vision-based traffic object detection plays a critical role in road traffic safety.Under hazy weather conditions,images captured by road monitoring systems exhibit three main challenges:significant scale variations,abundant background noise,and diverse perspectives.These factors lead to insufficient detection accuracy and limited real-time performance in object detection algorithms.We propose AMC-YOLO an improved YOLOv11-based traffic detection algorithm to address these challenges.In this work,we replace the C3k block's bottleneck module with our novel attention-gate convolution(AGConv),which improves contextual information capture,enhances feature extraction,and reduces computational redundancy.Additionally,we introduce the multi-dilation sharing convolution(MDSC)module to prevent feature information loss during pooling operations,enhancing the model's sensitivity to multi-scale features.We design a lightweight and efficient cross-channel feature fusion module(CCFM)for the path aggregation neck to adaptively adjust feature weights and optimize the model's overall performance.Experimental results demonstrate that AMC-YOLO achieves a 1.1%improvement in mAP@0.5 and a 2.7%increase in mAP@0.5:0.95 compared to YOLOv11n.On graphics processing unit(GPU)hardware,it achieves real-time performance at 376(FPS)with only 2.6 million parameters,ensuring high-precision traffic detection while meeting deployment requirements on resource-constrained devices. 展开更多
关键词 convolutional network object detection self-attention mechanism YOLO algorithm
基于YOLO-BEM的高精度手腕部参照骨区域提取方法 认领 引用
3
作者 戴国勇 张拓 +3 位作者 凌彦 徐瑞吉 毛科技 钱晓峰 《传感技术学报》 CAS CSCD 北大核心 2026年第6期1297-1305,共9页
骨龄是预测成年身高和诊断生长障碍的重要指标之一。精确完成参照骨的提取是确保骨龄评估结果可靠的核心前提。提取错误会影响区域的选择,从而影响参照骨平均提取精度。以目标检测框架YOLOv11作为算法基础,结合ODConv卷积方法、高效多... 骨龄是预测成年身高和诊断生长障碍的重要指标之一。精确完成参照骨的提取是确保骨龄评估结果可靠的核心前提。提取错误会影响区域的选择,从而影响参照骨平均提取精度。以目标检测框架YOLOv11作为算法基础,结合ODConv卷积方法、高效多尺度注意力EMA机制、自适应增强模块AFE提出了一种高效精确的手腕部X线片参照骨提取方法YOLO-BEM模型算法。该算法具备更强的特征提取能力,能够有效捕捉不规则形态参照骨的关键信息,实现小目标精准识别提取,将参与CHN法骨龄评估的14个参照骨准确地提取出来。实验结果表明,与传统检测算法模型相比,YOLO-BEM算法检测速度快,精度高,所有参照骨的检测精度都达到99.9%以上,FPS指数为20.87。 展开更多
关键词 参照骨提取 X射线图像 YOLO算法 目标检测
暂未订购 下载PDF
基于改进YOLOv10的变电站绝缘子及站内架空设备缺陷检测方法 认领 引用
4
作者 张怡冰 王宇峰 +6 位作者 刘佳妮 赵然 薛利花 李茜 刘桑妮 张芙霞 王辉 《农村电气化》 2026年第7期1-5,共5页
变电站安全稳定运行对电力系统至关重要。传统人工缺陷检测存在主观性强、漏检率高、效率低等局限,现有YOLO系列算法在变电站复杂场景下特征捕获能力不足,难以区分相似缺陷。文章提出一种基于改进YOLOv10的变电站设备缺陷检测方法,该方... 变电站安全稳定运行对电力系统至关重要。传统人工缺陷检测存在主观性强、漏检率高、效率低等局限,现有YOLO系列算法在变电站复杂场景下特征捕获能力不足,难以区分相似缺陷。文章提出一种基于改进YOLOv10的变电站设备缺陷检测方法,该方法在YOLOv10算法基础上,采用多尺度卷积与多协作注意力机制,重构检测层颈部模块中的C2f模块,应用改进的C2f模块优化特征提取算法,增强算法对不同尺度目标的辨识能力。最后通过仿真实验验证了所提出方法的有效性和实用性。 展开更多
关键词 YOLO算法 C2f 缺陷检测 变电站
暂未订购 下载PDF
烟叶烘烤阶段不同YOLO算法模型的实时判别性能比较 认领 引用 被引量：1
5
作者 马一鸣 尹爽 +9 位作者 郭瑞 周晴 王志华 张雍 王文杰 张浩 朱娟花 聂庆凯 宋朝鹏 吴俊锋 《河南农业大学学报》 CAS CSCD 北大核心 2026年第4期715-725,共11页
【目的】比较YOLO算法模型在烟叶烘烤阶段的性能,以提高烟叶智能烘烤的实时性,进而提升工艺匹配的精度。【方法】选用YOLOv3、YOLOv5s、YOLOv8s和YOLOv11s等早、中、近期4个版本分别构建模型,并根据模型的判别性能、复杂程度和检测实时... 【目的】比较YOLO算法模型在烟叶烘烤阶段的性能,以提高烟叶智能烘烤的实时性,进而提升工艺匹配的精度。【方法】选用YOLOv3、YOLOv5s、YOLOv8s和YOLOv11s等早、中、近期4个版本分别构建模型,并根据模型的判别性能、复杂程度和检测实时性3个方面进行对比评估。【结果】YOLOv8s模型整体性能表现优于其余3种,其中精确度为95.0%,平均精度均值为97.1%,F1得分为93.0%,3项指标均为最优,而模型召回率为91.1%,也仅略低于YOLOv5s模型的93.3%;此外,YOLOv8s算法检测速度最快,单张图像检测时间仅为5.5 ms。值得一提的是,YOLOv8s算法模型对烟叶状态变化微弱的干筋期相关阶段的判别性能表现突出。从轻量化考虑,YOLOv5s模型最为出色,其参数量为7.04×106,计算量为15.8 G FLOPs,模型体积为13.7 MB;在4种模型运行功耗差距不明显的情况下,YOLOv5s模型的运行内存为1081 MB,仅略高于YOLOv8s模型的916 MB。【结论】通过对比分析,4种版本YOLO算法模型在烟叶烘烤阶段判别性能方面表现出显著差异,其中,YOLOv5s和YOLOv8s表现较好。YOLOv8s整体性能表现最为出色,而YOLOv5s计算量、模型体积等指标较低,更能满足低成本嵌入式设备轻量化的需求。因此,YOLO算法模型适合用于烟叶烘烤阶段的实时判别,但是版本选择应当根据实际需求而定。 展开更多
关键词 烟叶烘烤 阶段判别 YOLO算法 实时判别 图像处理
暂未订购 下载PDF
基于改进YOLO 11n-Pose和Jetson Orin NX的多目标小鼠行为分析方法 认领 引用
6
作者 梁秀英 刘岩 +4 位作者 何磊 赵文瑞 祝梓涵 张恩帅 杨万能 《农业机械学报》 EI CAS CSCD 北大核心 2026年第14期91-101,共11页
针对人工观察小鼠行为存在费时费力、主观性强的问题,提出了一种适用于Jetson Orin NX平台的多目标小鼠行为分析方法。经比较,YOLO 11n-Pose在多个姿态关键点模型中效果最优,精确率为94.1%、召回率为94.5%、平均精度均值为96.4%,单幅图... 针对人工观察小鼠行为存在费时费力、主观性强的问题,提出了一种适用于Jetson Orin NX平台的多目标小鼠行为分析方法。经比较,YOLO 11n-Pose在多个姿态关键点模型中效果最优,精确率为94.1%、召回率为94.5%、平均精度均值为96.4%,单幅图像推理用时36.04 ms。提出WIoU损失函数改进,精确率提升2.1个百分点,平均精度均值提升0.7个百分点。基于结构简化和量化模型并部署到Jetson Orin NX,压缩后模型的精确率、召回率和平均精度均值分别为93.93%、94.18%和95.88%,单幅图像推理用时11.01 ms,缩短69.46%。对比4个多目标跟踪模型,结果表明OC Sort的效果优于其他模型,单幅图像推理用时2.18 ms。基于OC Sort多目标跟踪模型进行改进,改进后的IDF1、MOTA和MOTP分别为83.5%、92.0%和27.6%,ID跳变比原模型减少41.18%,单幅图像推理用时2.32 ms,结果表明改进OC Sort在不影响实时性的同时对于准确性有明显提升;采用基于阈值法的小鼠行为预测,将人工值和预测值对比,结果表明蜷缩、弯曲和伸长行为判断准确率分别达到95.12%、 81.71%和80.49%;采用该方法对比青年鼠与老年鼠24 h的行为活动,结果表明青年鼠的活跃度明显高于老年鼠,青年鼠更多时候处于休息状态,而老年鼠则更多处于睡觉状态。研究表明,改进YOLO 11n-Pose和OC Sort相结合的多目标小鼠行为分析方法,在提升跟踪与关键点准确性的同时,经量化部署后可实现便携、实时的多目标小鼠行为分析。 展开更多
关键词 小鼠 改进YOLO 11n-Pose 多目标跟踪算法 Jetson Orin NX 模型轻量化 行为分析
暂未订购 下载PDF
基于YOLO算法的激光粉末床熔融成形层形貌分类识别与成形质量预测研究 认领 引用 被引量：1
7
作者 李雨露 李俊峰 +1 位作者 万章艺 魏正英 《机械工程学报》 EI CAS CSCD 北大核心 2026年第3期218-234,共17页
激光粉末床熔融(Laser powder bed fusion,LPBF)技术能够高精度制造复杂金属构件,其成形过程的质量波动与缺陷在线监测是目前研究的重点方向之一。本研究面向Ti-6Al-4V合金LPBF过程,构建了一种基于原位视觉感知的成形层形貌在线监测与... 激光粉末床熔融(Laser powder bed fusion,LPBF)技术能够高精度制造复杂金属构件,其成形过程的质量波动与缺陷在线监测是目前研究的重点方向之一。本研究面向Ti-6Al-4V合金LPBF过程,构建了一种基于原位视觉感知的成形层形貌在线监测与分类识别方法,可实现对成形质量的预测。首先,通过单道熔道实验系统分析不同激光功率与扫描速度组合下的熔池行为及成形层光学形貌特征,将成形层形貌依据能量密度划分为低能区、适能区与高能区,为后续分类标注建立实验基准。随后开展9组不同工艺参数的成形实验,并采集逐层成形图像,表征成形质量,构建“工艺参数—成形层形貌—成形质量”之间的定量关联。基于采集的图像数据构建多模态增强数据集(包括几何增强、噪声注入与光照调整),并采用YOLOv5s模型学习成形层光学特征与能量输入状态之间的映射关系,实现对成形质量区间的在线识别与预测。实验结果表明,模型在100个Epoch训练后,可对高、中、低能量密度形貌的识别达到97%以上准确率(m AP>0.90)。研究揭示了成形工艺参数驱动下的成形质量与成形层光学形貌之间的对应关系,为LPBF过程质量在线监测与实时调控提供了可工程化的技术路径。 展开更多
关键词 激光粉末床熔融 在线监测 深度学习 成形层图像分类识别 YOLO算法 成形质量预测
暂未订购 下载PDF
基于YOLO的管道环焊缝裂纹扩展方向识别 认领 引用
8
作者 钟婷 刘少柱 +4 位作者 杨光勇 玄文博 王富祥 杨星晨 有移亮 《材料热处理学报》 CAS CSCD 北大核心 2026年第5期195-202,共8页
针对当前管道失效分析的快速准确要求,提出了一种基于YOLO算法的裂纹扩展方向识别模型。选用开源数据集Crack-Seg和实际管道环焊缝裂纹数据作为模型训练数据集,初步获取YOLO算法框架下的识别模型。后通过对实际管道环焊缝裂纹形态和服... 针对当前管道失效分析的快速准确要求,提出了一种基于YOLO算法的裂纹扩展方向识别模型。选用开源数据集Crack-Seg和实际管道环焊缝裂纹数据作为模型训练数据集,初步获取YOLO算法框架下的识别模型。后通过对实际管道环焊缝裂纹形态和服役环境的观察研究,引入具有物理性约束的辅助特征以完善模型。经实例对比验证,引入特征的模型在裂纹源区和扩展方向的识别上具有更为出色的表现效果,表明特征引入对模型精度存有显著的改善作用。 展开更多
关键词 环焊缝 裂纹 扩展方向识别 YOLO算法 目标检测
暂未订购 下载PDF
基于DC-YOLO算法的砌体古建筑损伤识别 认领 引用
9
作者 赵鲁振 杨永强 +1 位作者 张旭 陈梦阳 《地震研究》 CSCD 北大核心 2026年第3期507-515,共9页
结合图像处理算法和深度学习模型,提出了一种基于计算机视觉的砌体古建筑损伤识别技术,对砌体结构古建筑进行多种损伤的高精度实时分割检测及定位。在YOLOv8算法基础上提出DC-YOLO算法,针对砌体古建筑损伤特点,对砌体古建筑表面损伤进... 结合图像处理算法和深度学习模型,提出了一种基于计算机视觉的砌体古建筑损伤识别技术,对砌体结构古建筑进行多种损伤的高精度实时分割检测及定位。在YOLOv8算法基础上提出DC-YOLO算法,针对砌体古建筑损伤特点,对砌体古建筑表面损伤进行优化识别。该算法通过引入动态蛇形卷积(DSConv)和大核深度可分离卷积(CMUNeXt)模块,提高模型对古建筑损伤的识别能力。通过构建一个包含2600余张砌体古建筑不同损伤图像的数据集进行训练,最终损伤识别精度达到91.2%,并且可以直接对所识别的损伤进行分割,提高了损伤检测的效率及实用性。 展开更多
关键词 DC-YOLO算法 砌体古建筑 损伤识别 深度学习
暂未订购 下载PDF
基于YOLOV5-seg的含能材料晶体形貌图像识别 认领 引用
10
作者 吴小红 万宏伟 +6 位作者 朱舒雨 侯方超 程园芳 方涛 王鸿江 任舵轮 宋亮 《火炸药学报》 EI CAS CSCD 北大核心 2026年第3期262-274,I0004,共13页
为提高含能材料颗粒形貌的品质检测精度和速度,采用基于深度学习的YOLOV5-seg模型的晶体图像目标检测方法,对CL-20、HMX、DNTF等晶体图像检测与识别进行了研究。首先,为通过改进骨干特征提取网络,加深网络结构以获取更多的目标信息,提... 为提高含能材料颗粒形貌的品质检测精度和速度,采用基于深度学习的YOLOV5-seg模型的晶体图像目标检测方法,对CL-20、HMX、DNTF等晶体图像检测与识别进行了研究。首先,为通过改进骨干特征提取网络,加深网络结构以获取更多的目标信息,提高识别含能材料晶形的准确度;其次,通过添加注意力机制以及增加输出层来增强特征提取和特征融合,从而提升含能材料晶形检测效果;再次,通过迁移学习获得预训练权重,并将其用作改进后YOLOV5-seg的训练权重,以加快网络收敛速度;最后,通过YOLOV5-seg模型对含能材料晶体图片进行分割、训练和识别处理。结果表明,YOLOV5-seg模型的平均精度均值在交并比为0.5时(mAP@0.5)达到了85.636%,在交并比阈值为0.5~0.95(步长0.05)下的平均精度均值(mAP@0.5∶0.95)达到了79.258%,精确度达到了89.331%,召回率达到了81.25%。在圆形和六边形含能材料晶体上达到100%的精确识别,训练集与验证集的损失函数曲线均呈现稳定收敛趋势,表明模型具备良好的拟合能力与泛化性能。 展开更多
关键词 含能材料 晶形识别 目标检测 深度学习 YOLO算法 YOLOV5-seg模型
暂未订购 下载PDF
基于无人机影像和改进YOLOv11算法的松材线虫病变色疫木检测 认领 引用 被引量：5
11
作者 陈筱涵 陈广生 +3 位作者 周均瑞 陈利杰 刘闯 陈潇扬 《中国森林病虫》 北大核心 2026年第1期24-33,共10页
为提升基于深度学习的松材线虫病变色疫木检测精度,以YOLOv11为基础算法,将小波卷积(wavelet transform convolution, WTConv)与三重注意力(triplet attention)机制相结合,构建改进的YOLOv11算法,基于无人机可见光遥感影像,将算法应用... 为提升基于深度学习的松材线虫病变色疫木检测精度,以YOLOv11为基础算法,将小波卷积(wavelet transform convolution, WTConv)与三重注意力(triplet attention)机制相结合,构建改进的YOLOv11算法,基于无人机可见光遥感影像,将算法应用于浙江省缙云县松材线虫病变色疫木检测中,对比YOLOv8、YOLOv11和改进的YOLOv11算法对松材线虫病感染木和枯死木的检测效果。结果表明:改进后的YOLOv11算法具有更好的性能,检测平均精度均值达97.7%,精确率达97.4%,召回率为95.4%,均优于YOLOv8和YOLOv11算法;在未训练区域,松材线虫病感染木的F1分数为94.4%,改进的YOLOv11算法模型在未参与训练的区域仍然能准确地识别目标。研究结果提供了一种精度更高的松材线虫病变色疫木检测算法,为松材线虫病变色疫木定位提供了更加准确的工具支持。 展开更多
关键词 松材线虫病 变色疫木 YOLO算法 无人机影像 目标检测
暂未订购 下载PDF
基于改进YOLOv7算法的输电线路异物检测 认领 引用
12
作者 周央 廖斌 《华北电力大学学报（自然科学版）》 CAS 北大核心 2026年第4期104-112,共9页
针对当前输电线路异物检测人工巡检成本高、效率低,检测速度和精度不佳的问题,提出了一种基于改进YOLOv7算法的输电线路异物检测方法。首先,在主干网络和头部网络中分别引入BiFormer注意力机制模块,提升算法对小目标的检测能力;在头部... 针对当前输电线路异物检测人工巡检成本高、效率低,检测速度和精度不佳的问题,提出了一种基于改进YOLOv7算法的输电线路异物检测方法。首先,在主干网络和头部网络中分别引入BiFormer注意力机制模块,提升算法对小目标的检测能力;在头部网络中采用GSConv模块替换原网络中的CBS模块,保持算法准确性的同时降低其复杂度,进而提升算法的检测速度和效率;在预测部分采用Shape-IoU损失函数替换原网络中的CIoU损失函数,使得损失函数更加拟合训练数据,并使边界框回归损失更加精确。实验结果表明,提出的方法在自建的输电线路异物检测数据集中取得了良好的效果,与原模型相比,mAP值提升了7.7%,检测速度提升了2.9%,证明所提出的方法能够有效提升输电线路中异物的检测效果。 展开更多
关键词 异物检测 YOLO算法 BiFormer GSConv Shape-IoU
暂未订购 下载PDF
基于YOLOv8-CPCA的跨模态水下沉船识别算法 认领 引用
13
作者 孙颢桉 王朝莹 王语 《测绘通报》 CSCD 北大核心 2026年第4期73-80,共8页
本文针对水下目标识别中声学数据受噪声影响大、易受干扰,光学数据获取难度随深度增加而显著上升的现象,提出将声学图像与光学图像融合的方法,以提高水下目标识别的精度。由于水下对应声学图像与光学图像数据集稀缺,使用Cycle-GAN网络... 本文针对水下目标识别中声学数据受噪声影响大、易受干扰,光学数据获取难度随深度增加而显著上升的现象,提出将声学图像与光学图像融合的方法,以提高水下目标识别的精度。由于水下对应声学图像与光学图像数据集稀缺,使用Cycle-GAN网络进行数据集样本扩增,并对生成的数据集进行图像增强处理。在目标识别算法领域,将Transformer跨模态注意力模块和通道先验卷积注意力机制引入YOLOv8算法。使用侧扫声呐沉船目标数据集试验的结果表明,跨模态声光融合的目标识别算法相比基于单一声学或光学数据的目标识别算法而言,均值平均准确率分别提高了0.175和0.165。在目标识别算法中,构建的优化主干网络能够实现声学和光学特征的跨模态整合,提升了特征提取效率,解决了水下沉船边缘与周边环境难以区分的难题。 展开更多
关键词 目标识别 声光融合 Cycle-GAN 跨模态注意力 YOLO算法 融合算法 Transformer
暂未订购 下载PDF
寻的修正引信目标识别YOLO算法改进 认领 引用
14
作者 苟瑞 霍鹏飞 王超 《探测与控制学报》 CSCD 北大核心 2026年第2期96-102,共7页
针对寻的修正引信目标识别中存在的漏检率高、小目标检测能力弱、现有方法难以在精度与轻量化之间有效平衡的问题,提出一种基于YOLO-FastestV2算法的轻量化目标识别改进方法。具体改进包括:嵌入SimAM无参注意力机制增强特征表达,增加浅... 针对寻的修正引信目标识别中存在的漏检率高、小目标检测能力弱、现有方法难以在精度与轻量化之间有效平衡的问题,提出一种基于YOLO-FastestV2算法的轻量化目标识别改进方法。具体改进包括:嵌入SimAM无参注意力机制增强特征表达,增加浅层检测分支补充细节信息,采用GSConv优化跨通道交互,并引入ECA注意力机制优化多尺度特征融合。改进算法在FLIR_ADAS_v2数据集中的实验结果表明,该方法在目标识别概率提升、推理速度保持、模型轻量化三者之间实现了有效平衡,识别准确率由30%提高至54%,处理速度低于30 ms,模型参数量小于0.5 M,对寻的修正引信在小算力条件下实现实时高精度目标识别具有参考意义。 展开更多
关键词 寻的修正引信 目标识别 YOLO算法改进 轻量化模型
暂未订购 下载PDF
基于改进YOLOv7的输电铁塔状态检测算法 认领 引用
15
作者 卢泉 何家盛 殷林飞 《计算机工程》 CAS CSCD 北大核心 2026年第6期365-381,共17页
输电铁塔作为输电线路的支撑,其良好的状态对电力系统运行至关重要,但目前研究中尚无输电铁塔状态检测数据集。为实现对铁塔危险状态的检测和预警,首先构建一个包含异物入侵、动物巢穴、塔基遮挡、外力破坏等7种类别的铁塔状态图像数据... 输电铁塔作为输电线路的支撑,其良好的状态对电力系统运行至关重要,但目前研究中尚无输电铁塔状态检测数据集。为实现对铁塔危险状态的检测和预警,首先构建一个包含异物入侵、动物巢穴、塔基遮挡、外力破坏等7种类别的铁塔状态图像数据集,然后提出轻量的输电铁塔状态检测算法CT-YOLO。提出轻量化的骨干网络L-ELANnet,采用L-ELANnet能实现检测精度无明显变化的前提下减少3/4的参数量;提出基于ECA(Efficient Channel Attention)机制的空间金字塔池化(SPP)模块,该模块能以更少的参数量实现不同尺度特征融合;采用k-means++算法优化模型先验框,提升模型对数据集中垃圾、起重机等细长目标的学习能力;引入Wise-IoU作为边框损失函数,Wise-IoU通过为不同质量的数据提供动态非单调的梯度增益,能从整体上提升模型的训练精度和收敛速度。最后开展消融和对比实验,验证改进模型的有效性和优越性。实验结果表明,与原始模型相比,所提基于轻量YOLO k-means++算法的mAP@0.5从94.9%提高到95.4%,检测速度提高了21.5%,每秒帧数(FPS)达到113.6帧/s,并且模型大小仅为14.9 MB,参数数量是原模型的1/5。总体而言,改进后的模型具有更高的检测精度和更快的检测速度,同时与主流目标检测算法相比,所提算法在输电铁塔状态检测方面具有更优越的性能。 展开更多
关键词 输电铁塔状态检测 CT-YOLO算法 L-ELANnet网络 k-means++算法 Wise-IoU损失函数
暂未订购 下载PDF
提示词驱动下MLLM与YOLO的城市内涝车辆淹没识别性能对比 认领 引用
16
作者 李思奇 王涛 +1 位作者 刘颖 张会 《中国防汛抗旱》 2026年第5期22-30,共9页
为满足城市内涝场景下车辆淹没等级识别的技术选型需求,构建了多模态大模型(MultimodalLargeLanguageModel,MLLM)与YOLO(YouOnlyLookOnce)系列算法的对比评估框架。基于涵盖5个淹没等级的1000张车辆影像样本,系统评估了Qwen_VL_Max与GPT... 为满足城市内涝场景下车辆淹没等级识别的技术选型需求,构建了多模态大模型(MultimodalLargeLanguageModel,MLLM)与YOLO(YouOnlyLookOnce)系列算法的对比评估框架。基于涵盖5个淹没等级的1000张车辆影像样本,系统评估了Qwen_VL_Max与GPT-4o在零样本(Zero-shot)及少样本(Few-shot)提示模式下的识别性能,并以YOLOv8s、YOLOv11s及YOLO26s作为监督学习基线模型进行比较分析。结果显示:①YOLO系列算法整体性能优于MLLM,YOLOv11s在等级识别的均衡性和稳定性方面表现较好,而YOLO26s在标准检测指标上更具优势。②少样本提示可显著提升Qwen_VL_Max的识别准确率,较零样本模式提高22.10个百分点,但MLLM对中高淹没等级的细粒度区分能力仍不足。③YOLO系列算法更适用于大批量、高精度的标准化识别任务,MLLM则在小样本、快速部署场景下具有一定优势。研究结果可为智慧防汛场景下车辆淹没识别技术选型提供参考。 展开更多
关键词 城市内涝 车辆淹没 淹没等级识别 多模态大模型 YOLO算法
暂未订购 下载PDF
基于FEMA-YOLO的无人机射频信号识别研究 认领 引用
17
作者 郑涛 王金明 《空天防御》 CSCD 2026年第4期84-95,共12页
针对复杂电磁环境下无人机射频信号识别难题,本文提出一种基于特征增强和多尺度注意力(FEMA)的YOLO无人机射频信号识别算法(FEMA-YOLO)。首先对采集的无人机射频信号进行预处理,通过短时傅里叶变换(STFT)进行图像编码形成时频图;其次通... 针对复杂电磁环境下无人机射频信号识别难题,本文提出一种基于特征增强和多尺度注意力(FEMA)的YOLO无人机射频信号识别算法(FEMA-YOLO)。首先对采集的无人机射频信号进行预处理,通过短时傅里叶变换(STFT)进行图像编码形成时频图;其次通过构建双向特征金字塔网络(BiFPN)和多尺度注意力网络(EMA),提升对射频信号特征细节处理能力及抗背景干扰噪声能力;最后将时频特征输入改进后的FEMA-YOLO模型识别无人机类型。实验结果表明,该算法能够有效识别6种无人机类型,识别准确率达到92.1%,均值平均精度达到93.8%。 展开更多
关键词 无人机识别 目标检测 YOLO算法 射频特征
暂未订购 下载PDF
基于改进YOLO算法的电力设备缺陷识别技术 认领 引用
18
作者 毛磊 李通 +3 位作者 杨瑞波 袁诗雪 张洋 郝珺南 《电子设计工程》 2026年第17期174-178,共5页
针对电力设备红外巡检识别实时性约束强、户外复杂环境易降低识别精度的问题,该文提出一种基于改进YOLOv4的电力设备缺陷识别方法。使用MSRCR算法实现原始红外图像增强处理,并构建滤波器获取高质量图像。将YOLOv4算法作为蓝本,导入处理... 针对电力设备红外巡检识别实时性约束强、户外复杂环境易降低识别精度的问题,该文提出一种基于改进YOLOv4的电力设备缺陷识别方法。使用MSRCR算法实现原始红外图像增强处理,并构建滤波器获取高质量图像。将YOLOv4算法作为蓝本,导入处理后的图像,进行缺陷初筛。设定YOLOv4算法最优目标函数,将目标函数计算结果作为图像分割结果输出。采用置信度损失函数替换原始分类损失函数,约束模型训练梯度,降低复杂环境对识别精度的干扰。构建电力设备缺陷识别模型,在模型中增加CA运算模块,通过坐标信息嵌入内容以及坐标注意力,获取图像分割结果的特征值,将提取的图像特征与历史缺陷样本特征聚类匹配,同步输出缺陷空间位置与缺陷类别。实验结果表明,该方法的识别准确率可达92.6%,较文献[4]方法的准确率87.1%,提升了5.5%,较文献[5]方法的准确率86.4%,提升了6.2%,可为电力设备红外智能巡检提供高精度识别支撑。 展开更多
关键词 改进YOLO算法 缺陷诊断 图像识别 电力系统 电力设备
暂未订购 下载PDF
基于YOLO算法的HUVEC微流控检测系统 认领 引用
19
作者 远昌衡 李世交 +4 位作者 朱明甫 翟明 胡以帆 耿瑞峰 卫荣汉 《微纳电子技术》 CAS 2026年第6期72-79,共8页
针对传统显微镜下脐静脉内皮细胞(HUVEC)人工计数方法存在效率低、主观性强等问题,设计了一套集成化、自动化的细胞检测系统以解决以上问题。该检测系统硬件平台集成自主研制的注射泵、微流控芯片、显微成像模块与上位机控制程序,软件... 针对传统显微镜下脐静脉内皮细胞(HUVEC)人工计数方法存在效率低、主观性强等问题,设计了一套集成化、自动化的细胞检测系统以解决以上问题。该检测系统硬件平台集成自主研制的注射泵、微流控芯片、显微成像模块与上位机控制程序,软件核心采用YOLOv13n深度学习算法开发并用于HUVEC的实时识别与计数。实验结果表明,该检测系统对HUVEC的识别准确率(mAP@0.5)可达0.852,推理速度达27.5 fps,能够实现HUVEC的连续、无人值守观测与统计分析。该微流控检测系统为细胞高通量分析提供了可靠的自动化解决方案,在药物筛选、细胞生物学研究等领域具有应用潜力。 展开更多
关键词 微流控 YOLO算法 脐静脉内皮细胞(HUVEC) 目标检测 细胞计数
暂未订购 下载PDF
基于多模态BLIP+YOLOv11的校园安全监控系统 认领 引用
20
作者 姚文颖 董旻 +3 位作者 王青 王佳伦 李可欣 王大伟 《计算机时代》 2026年第3期70-76,共7页
针对校园安全管理中未知人员识别难、轨迹追踪不及时、宿舍管理自动化程度低、异常行为检测滞后及火灾预警薄弱等突出痛点,本文提出融合多模态BLIP模型与YOLOv11算法的智能化监控系统。该系统包括数据采集预处理、目标检测与人员识别等... 针对校园安全管理中未知人员识别难、轨迹追踪不及时、宿舍管理自动化程度低、异常行为检测滞后及火灾预警薄弱等突出痛点,本文提出融合多模态BLIP模型与YOLOv11算法的智能化监控系统。该系统包括数据采集预处理、目标检测与人员识别等六大核心模块,实现对校园安全全方位、实时化、智能化管控。测试表明,系统未知人员识别准确率达95.2%,平均事件响应延迟0.8 s,系统可用性为99.5%;相较于传统系统,响应时间缩短86.7%、效率提升98.9%、事件处理成功率提高50%,为校园安全提供强有力的技术支撑,应用前景广阔。 展开更多
关键词 校园安全 多模态融合 YOLO算法 轨迹追踪 异常检测
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 18 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈