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26篇文章
< 1 2 >
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：
改进YOLOv8n算法的船舶工业钢材表面缺陷检测 认领 引用
1
作者 刘鹏 侯博文 +2 位作者 王彩霞 姜晓娇 丛海芳 《兵工学报》 EI CAS CSCD 北大核心 2026年第3期35-49,共15页
为提高船舶工业中钢材表面缺陷检测的准确性,针对现有YOLOv8n算法在特征提取能力不足、检测精度低以及特征融合不充分等问题,提出一种基于改进YOLOv8n的钢材表面缺陷检测方法。构建高效视觉空间金字塔池化增强层聚合网络(Efficient Visi... 为提高船舶工业中钢材表面缺陷检测的准确性,针对现有YOLOv8n算法在特征提取能力不足、检测精度低以及特征融合不充分等问题,提出一种基于改进YOLOv8n的钢材表面缺陷检测方法。构建高效视觉空间金字塔池化增强层聚合网络(Efficient Vision Transformer-Spatial Pyramid Pooling with Enhanced Layer Aggregation Network,EfficientViT-SPPELAN),以增强多维度特征提取能力;设计多尺度时空卷积(Multi-Scale Spatial-Temporal Convolution,MSSTConv)实现多尺度特征融合;在此基础上构建多尺度时空(Multi-Scale Spatial-Temporal,MSST)模块以获取丰富的上下文信息,提高缺陷定位精度并降低计算复杂度,从而提升算法的推理效率。基于东北大学表面缺陷数据集(Northeastern University Surface Defect Dataset,NEU-DET)和镀锌钢10类缺陷检测数据集(Galvanized Steel 10-category Defect Detection Dataset,GC10-DET)两个数据集的实验结果表明,所提方法的检测精准度相较于原始YOLOv8n算法分别提升6.8%和5.7%,均值平均精确率mAP@0.5分别提高3.7%和7.9%;每秒帧数(Frames Per Second,FPS)分别达到189帧/s和142帧/s。研究结果表明,该方法在提升检测精度的同时保持较高计算效率,能够有效完成船舶钢材表面缺陷的定位和类别识别,满足工业场景对检测精度与实时性的需求。 展开更多
关键词 缺陷检测 YOLOv8n算法 多尺度时空模块 多尺度时空卷积 分组注意力
暂未订购 下载PDF
小麦播种机种子补给关键技术研究——基于YOLOv8n-OBB 认领 引用 被引量：1
2
作者 李倩文 张云浩 +1 位作者 姬翔 姬江涛 《农机化研究》 北大核心 2026年第1期216-225,共10页
为提高小麦播种机在田间作业中的自动化水平和工作效率,尤其是在补给环节的效率,提出了一种基于YOLOv8n-OBB的小麦种箱检测识别模型。以常见的小麦播种机种箱为检测对象,实地采集大量种箱图像进行标注,并通过多种数据增强技术扩展训练集... 为提高小麦播种机在田间作业中的自动化水平和工作效率,尤其是在补给环节的效率,提出了一种基于YOLOv8n-OBB的小麦种箱检测识别模型。以常见的小麦播种机种箱为检测对象,实地采集大量种箱图像进行标注,并通过多种数据增强技术扩展训练集,提高模型的泛化能力。在原有模型结构上进行改进,将Backbone部分初始输入处的Conv模块替换为FOCUS模块,以保留更多的空间特征信息;并用C3STR(C3 with Swin Transformer)模块替代原有的C2f模块,强化局部与全局特征的融合能力和细节信息提取能力。Neck部分采用深度可分离卷积(Depthwise Separable Convolution)替换传统卷积,显著减小模型参数量和计算成本,从而提升推理速度。试验结果表明,改进后的模型在小麦种箱检测任务中的平均精度均值mAP 50达到95.5%,相较于R3Det、S2A-Net、Gliding-vertex和原始YOLOv8n-OBB分别提升了4.6、5.7、10.4、2.6个百分点,同时降低了参数量和计算量,且保证了较快的检测速度,提升了小麦播种机补给作业效率。 展开更多
关键词 小麦播种机 种箱识别 YOLOv8n-OBB 旋转目标检测 算法优化 小麦种子补给
暂未订购 下载PDF
基于YOLOv8n-Faster-EMA的货车篷布检测算法 认领 引用
3
作者 安海超 谢佳泽 范英 《实验技术与管理》 CAS 北大核心 2026年第2期108-117,共10页
针对YOLOv8n算法在复杂交通环境下对货车篷布覆盖识别效果不佳及模型参数量较大的不足,提出一种基于YOLOv8n-Faster-EMA的改进检测算法。利用FasterBlock模块中的PConv代替常规卷积降低了网络复杂度;引入EMA注意力机制增强了跨通道信息... 针对YOLOv8n算法在复杂交通环境下对货车篷布覆盖识别效果不佳及模型参数量较大的不足,提出一种基于YOLOv8n-Faster-EMA的改进检测算法。利用FasterBlock模块中的PConv代替常规卷积降低了网络复杂度;引入EMA注意力机制增强了跨通道信息交互能力;以基于MPDIoU的边界框回归损失函数替换CIoU损失函数提升了回归预测能力。经实际数据集有效训练和测试,获得了EMA、SE、CA不同注意力机制的适宜添加位置。结果表明:相较于YOLOv8n、YOLOv11和Faster R-CNN算法,改进后算法的参数量和浮点运算数分别降低了26.8%和20.2%、11.8%和11.3%、34.2%和33.8%,每张图片耗时分别降低了8.1%、6.3%和49.3%,精确率P和mAP分别较原算法和YOLOv11提升了5.6%和1.6%、4.3%和1.8%,较Faster R-CNN只是略有下降。综合算法的复杂度和算法性能来看,改进算法能够满足篷布覆盖实时检测场景需求,消融实验和可视化效果检测进一步佐证了改进算法的有效性。 展开更多
关键词 货车篷布 算法改进 YOLOv8n EMA MPDIoU 实时检测
暂未订购 下载PDF
基于改进YOLOv8n的轻量化玉米苗田间检测方法 认领 引用
4
作者 潘博宇 王汉羊 +2 位作者 马永财 娄淞 樊皓宇 《农机化研究》 北大核心 2026年第10期198-204,213,共7页
在实现田间玉米避苗除草的过程中,精准识别玉米苗位置至关重要。目前,尽管基于深度学习的视觉识别方法在农业生产中的应用取得了一定进展,但现有玉米苗检测模型普遍存在结构复杂、计算资源需求高的问题,严重影响了其在资源受限的田间嵌... 在实现田间玉米避苗除草的过程中,精准识别玉米苗位置至关重要。目前,尽管基于深度学习的视觉识别方法在农业生产中的应用取得了一定进展,但现有玉米苗检测模型普遍存在结构复杂、计算资源需求高的问题,严重影响了其在资源受限的田间嵌入式设备中的实际部署效果。为此,提出一种基于改进YOLOv8n的轻量化玉米苗识别方法,在保证检测精度的同时显著降低模型复杂度。首先,将YOLOv8n主干网络中C2f模块替换为DualConv模块,以优化模型轻量化性能;其次,为进一步增强模型对田间复杂环境下玉米苗的识别能力,在特征提取网络中引入轻量级注意力机制CA,以捕捉玉米苗的横向与纵向坐标信息;最后,使用DIoU损失函数替代CIoU,以降低模型损失值。测试结果显示:改进后模型精确率、召回率分别提高2.0%与0.3%,模型体积与浮点计算量分别下降至5.6 MB与7.4×109,平均精度均值提升至95.8%。同时,通过可视化结果对比可知,改进模型YOLOv8n-DCD更能有效地实现田间玉米苗的检测,可为田间移动除草机器人的实时视觉系统提供可行的模型优化方案。 展开更多
关键词 玉米苗田间检测 识别算法 YOLOv8n DualConv模块 CA注意力机制 DIoU损失函数
暂未订购 下载PDF
基于YOLOv8n的罂粟识别改进算法研究 认领 引用 被引量：4
5
作者 陈海涛 王辉 +2 位作者 邓涛 刘永粤 张琪 《西南大学学报（自然科学版）》 CAS CSCD 北大核心 2025年第6期201-212,共12页
针对罂粟检测任务模型存在的小目标识别、背景复杂、目标物体相对尺度变化等问题,提出了一种基于YOLOv8n的罂粟识别改进算法。该算法通过引入iRMB注意力机制以增强罂粟小目标检测能力,通过将upsample模块替换为CARAFE上采样算子以提升... 针对罂粟检测任务模型存在的小目标识别、背景复杂、目标物体相对尺度变化等问题,提出了一种基于YOLOv8n的罂粟识别改进算法。该算法通过引入iRMB注意力机制以增强罂粟小目标检测能力,通过将upsample模块替换为CARAFE上采样算子以提升罂粟在复杂背景中的识别率,通过将损失函数由CIoU替换为MPDIoU以应对罂粟遥感目标相对尺度变化问题。研究结果表明:基于YOLOv8n的罂粟识别改进算法可将传统YOLOv8n算法的mAP从83.1%提升至86.6%,其中罂粟果实识别的AP提升1.0个百分点,罂粟花蕊识别的AP提升6.1个百分点,实现了对罂粟识别综合性能的提升。 展开更多
关键词 罂粟识别 算法改进 YOLOv8n算法 注意力机制
暂未订购 下载PDF
基于多尺度特征融合的改进YOLOv8n车辆与行人目标检测算法 认领 引用 被引量：2
6
作者 雷亮 陈小庆 +4 位作者 周华勇 徐山雯 陈毅 刘学涵 赵锦 《重庆科技大学学报（自然科学版）》 CAS 2025年第3期57-69,共13页
针对YOLOv8n算法在面对复杂多变的多尺度目标时出现的错检、漏检问题,提出了一种基于多尺度特征融合的改进YOLOv8n车辆与行人目标检测算法——BF-YOLOv8n。首先,在空间池化层中设计高级筛选特征提取模块(CA_SPPF),以增强模型对不同尺度... 针对YOLOv8n算法在面对复杂多变的多尺度目标时出现的错检、漏检问题,提出了一种基于多尺度特征融合的改进YOLOv8n车辆与行人目标检测算法——BF-YOLOv8n。首先,在空间池化层中设计高级筛选特征提取模块(CA_SPPF),以增强模型对不同尺度特征的提取能力;然后,设计一种160×160的小目标检测头,以提高模型对小目标的识别精度;接着,提出一种基于4检测头的双向融合特征金字塔网络(BiFPN-4H),以提高模型对不同尺度目标的适应性和检测精度;最后,采用EIoU作为边框损失函数,以增强模型对目标的定位精度。在VOC数据集上的实验结果表明,相较于YOLOv8n模型,BF-YOLOv8n模型的精准率、召回率和平均精度均值分别提升了5.7、5.1和5.0百分点;在COCO数据集上的实验结果表明,BF-YOLOv8n模型的各项评价指标都有不同程度的提升,说明该算法具有良好的泛化性和鲁棒性。 展开更多
关键词 高级筛选特征提取 双向特征融合 YOLOv8n算法 多尺度特征 小目标检测头
暂未订购 下载PDF
基于改进YOLOv8n-Pose的人体关键点检测算法 认领 引用 被引量：3
7
作者 雷亮 陈毅 +4 位作者 刘学涵 赵锦 陈小庆 周华勇 徐山雯 《重庆科技大学学报（自然科学版）》 CAS 2025年第1期83-89,共7页
针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特... 针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特征处理,使得检测头的参数量更少、计算量更低。在COCO-Pose数据集上的实验结果表明,改进后的YOLOv8n-Pose模型在保证检测精度提升的同时,使得参数量降低了19.5%、计算量减少了32.6%,从而提高了模型在边缘场景中的适用性。 展开更多
关键词 YOLOv8n-Pose算法 深度卷积 上下文导引特征融合 姿态估计
暂未订购 下载PDF
改进YOLOv8n的织物疵点检测算法 认领 引用 被引量：2
8
作者 赵鑫 马双宝 《哈尔滨理工大学学报》 CAS 北大核心 2025年第6期51-60,共10页
针对织物疵点检测中因疵点形态各异而存在的漏检或误检问题,提出了基于YOLOv8n改进的织物疵点检测方法。首先,在特征融合部分引入Slim-neck模块,用GSConv替代原有卷积核,使每个特征层可同时考虑深层和浅层特征信息,在提升对小目标疵点... 针对织物疵点检测中因疵点形态各异而存在的漏检或误检问题,提出了基于YOLOv8n改进的织物疵点检测方法。首先,在特征融合部分引入Slim-neck模块,用GSConv替代原有卷积核,使每个特征层可同时考虑深层和浅层特征信息,在提升对小目标疵点检测能力的同时,降低模型复杂度。其次,将三重注意力机制嵌入至骨干网络中,为每个特征通道赋予不一样的权重,提高模型对织物疵点的检测精度。最后,采用形状交并比函数替代网络的交叉熵损失函数,利用边界框本身的形状和尺度来计算损失,提高模型的收敛速度和准确性。在检测8类织物疵点时,改进模型的精确率达到87.1%,召回率达到89.2%,mAP@0.5达到92.2%,mAP@0.5∶0.95达到50.3%。实验结果表明:改进模型可满足织物疵点检测的精度要求。 展开更多
关键词 织物疵点 目标检测 YOLOv8n算法 GSConv 三重注意力机制
暂未订购 下载PDF
基于改进YOLOv8n的轻量化药片缺陷检测算法 认领 引用 被引量：1
9
作者 朱友江 魏鹏郦 +2 位作者 金京 钱淼 张建新 《软件工程》 2025年第9期19-23,72,共5页
为解决药片包装生产中,药片缺陷检测模型存在参数量大和计算复杂的问题,提出一种基于改进的YOLOv8n的轻量化药片缺陷检测算法。该算法用CSPPC结构替换颈部网络中的C2f模块,降低计算复杂度;利用跨尺度特征融合模块CCFM,并将全局注意力机... 为解决药片包装生产中,药片缺陷检测模型存在参数量大和计算复杂的问题,提出一种基于改进的YOLOv8n的轻量化药片缺陷检测算法。该算法用CSPPC结构替换颈部网络中的C2f模块,降低计算复杂度;利用跨尺度特征融合模块CCFM,并将全局注意力机制(Global Attention Mechanism)引入颈部网络,提升特征提取能力;采用WIoU损失函数,加快收敛速度。结果表明,与原算法相比,改进后检测算法的mAP50提高了1.2%,参数量、浮点运算量和模型大小分别降低了40.2%、28.3%和33.3%。研究结果可为药片缺陷检测装备研发提供技术支持。 展开更多
关键词 药片缺陷检测 YOLOv8n算法 注意力机制 轻量化
暂未订购 下载PDF
基于改进YOLOv8n的轻量化蓝莓成熟度检测方法 认领 引用 被引量：2
10
作者 许艳霞 柳江 +2 位作者 李宝刚 尹浩 胡博 《江西农业大学学报》 CAS CSCD 北大核心 2025年第3期764-777,共14页
【目的】复杂果园环境下蓝莓果实存在密集分布、重叠以及叶片遮挡等情况,使用现有的目标检测算法检测存在速度慢、识别准确率低等问题。本研究提出一种基于改进YOLOv8n的目标检测算法,用于识别蓝莓的不同成熟度(成熟、未成熟和半成熟)... 【目的】复杂果园环境下蓝莓果实存在密集分布、重叠以及叶片遮挡等情况,使用现有的目标检测算法检测存在速度慢、识别准确率低等问题。本研究提出一种基于改进YOLOv8n的目标检测算法,用于识别蓝莓的不同成熟度(成熟、未成熟和半成熟)。【方法】首先,采用将COCO2017目标检测数据集作为源域、草莓数据集为辅助域的迁移学习方法训练模型,得到蓝莓数据集的预训练权重。接着基于YOLOv8n模型做以下3个改进:(1)将MobileNetv4中的universal inverted bottleneck(UIB)模块引入主干部分中,在轻量化主干部分的同时提高模型检测性能;(2)添加通道注意力机制(coordinate attention,CA),提高特征提取能力,有效解决因果实重叠导致的漏检、错检问题;(3)提出一种基于HetConv的轻量化共享卷积结构,用于轻量化网络检测头部,增强模型对全局信息的获取能力。【结果】改进的YOLOv8n模型的平均精度均值、精确率、召回率分别能达到98.46%,99.10%,96.96%,同原YOLOv8n模型相比,分别提高了2.94、2.52和3.84个百分点,并且模型的参数量和计算量分别下降了37.54%、40.87%;与其他主流目标检测模型FasterR-CNN、YOLOv5s、SSD相比,本模型在平均精度上分别高了6.26、6.1和7.98个百分点,并且模型参数量和模型复杂度最低。同时,在不同光照条件、重叠遮挡等复杂场景的可视化检测对比试验中,改进后的模型均具有一定的优势和较高的鲁棒性。【结论】本模型以较高的识别精度为前提,同时占用较少的存储空间,具有良好的实时性和鲁棒性,适合部署于采摘机器人的嵌入式设备上,可为蓝莓果实的成熟度评估和小目标检测等研究提供借鉴。 展开更多
关键词 蓝莓果实 目标检测算法 迁移学习 YOLOv8n CA注意力机制 轻量化共享卷积结构
暂未订购 下载PDF
基于偏好信息和改进YOLOv8n的油茶炭疽病图像识别 认领 引用
11
作者 赵嘉梵 李昕 +2 位作者 李立君 钟超 王少力 《中南林业科技大学学报》 CAS CSCD 北大核心 2025年第11期164-176,218,共13页
【目的】油茶炭疽病是影响油茶产量与品质的主要病害之一,其高效、准确的检测对于保障油茶基地的健康运营至关重要。为提高对油茶基地中油茶炭疽病目标的检测率,加强油茶日常维护从而提高生产效率,采用一种改进的偏好YOLOv8n算法对油茶... 【目的】油茶炭疽病是影响油茶产量与品质的主要病害之一,其高效、准确的检测对于保障油茶基地的健康运营至关重要。为提高对油茶基地中油茶炭疽病目标的检测率,加强油茶日常维护从而提高生产效率,采用一种改进的偏好YOLOv8n算法对油茶炭疽病进行检测。【方法】首先,利用炭疽病果实感染部分的颜色特征作为偏好信息进行预处理,增加样本丰富度的同时增强模型的泛化性能;其次,使用轻量化ShuffleNetv2网络代替原始主干网络以优化网络性能,有效降低了模型复杂度,提高检测效率;再次,引入注意力机制ECANet,提高整体特征的质量和表达能力,提高模型的准确性;从次,在颈部网络中使用BiFPN结构代替原始网络结构以提升模型对目标特征的融合速率;最后,在YOLOv8n原始算法中综合选用了DIoU加强对遮挡目标的识别能力,改善对遮挡、重叠等复杂场景下油茶炭疽病目标的识别效果。【结果】经过试验验证,改进后的偏好YOLOv8n算法在油茶炭疽病检测任务中表现出色。在偏好信息预处理后,改进算法的图像识别精确度达到了91.3%,召回率为86.3%,F1分数为85.5%,平均精度均值为81.8%;精确度增加了3.9%,召回率增加了2.4%,F1分数增加了81.5%,平均精度均值增加了1.4%。这些指标均优于传统方法如Faster R-CNN、YOLOv3、YOLOv7、YOLOXs及原始YOLOv8n模型,改进算法综合在检测时间、模型大小和精确度上符合了油茶病害的检测要求,为农林业智能化病害检测的部署及应用提供了有益的参考。【结论】提出的基于改进的偏好YOLOv8n算法在油茶炭疽病检测中取得了显著成效,轻量化模型的同时在检测时间上实现了高效性,更在检测精度上达到了较高水平。该算法的成功应用,不仅为油茶病害的智能化检测提供了有力工具,也为农林业领域其他病害的自动化监测与防控提供了有益参考。 展开更多
关键词 图像识别 油茶炭疽病 YOLOv8n 偏好信息 ShuffleNetv2 BiFPN DIoU
暂未订购 下载PDF
改进YOLOv8n的迷彩伪装目标检测算法 认领 引用 被引量：1
12
作者 杨凡 张洁 蒋安祥 《智能计算机与应用》 2025年第6期7-14,共8页
军事伪装在战争中发挥着至关重要的作用。针对迷彩伪装检测难度大、实时性要求高以及现有的迷彩伪装检测算法计算量大、参数量多等问题,本文提出了一种改进YOLOv8n的轻量化检测算法YOLO-FCL。通过改进主干网络,在原始的C2f网络中融合轻... 军事伪装在战争中发挥着至关重要的作用。针对迷彩伪装检测难度大、实时性要求高以及现有的迷彩伪装检测算法计算量大、参数量多等问题,本文提出了一种改进YOLOv8n的轻量化检测算法YOLO-FCL。通过改进主干网络,在原始的C2f网络中融合轻量化结构PConv,设计出FC2f网络,显著降低了模型的参数和计算量;此外,为强化模型的特征提取能力,引入LSK注意力机制,根据不同的目标对背景环境的需求不同动态调整感受野大小。实验结果表明,在参数量减少23%的前提下,YOLO-FCL算法在公开的迷彩伪装数据集上取得了95.6%的平均精度(mAP)和91.5%的召回率(Recall),相较于当前研究成果有显著的提升。 展开更多
关键词 伪装 迷彩伪装士兵 目标检测 YOLOv8n算法 轻量化
暂未订购 下载PDF
基于改进YOLOv8n的轻量化工地堆放木材异常检测算法 认领 引用
13
作者 王浩宇 《现代信息科技》 2025年第7期58-63,70,共6页
在工地堆放木材物料时,室外环境容易导致木材表面出现受潮变形、干裂等异常状况。针对现有检测算法在木材物料表面异常检测方面精度欠佳、模型计算复杂度高等问题,提出一种以YOLOv8n为基础模型的轻量级小目标检测算法(YOLO-ESN)。该算... 在工地堆放木材物料时,室外环境容易导致木材表面出现受潮变形、干裂等异常状况。针对现有检测算法在木材物料表面异常检测方面精度欠佳、模型计算复杂度高等问题,提出一种以YOLOv8n为基础模型的轻量级小目标检测算法(YOLO-ESN)。该算法引入空间-通道重构卷积(SCConv)模块以及针对小目标检测的归一化Wasserstein距离(NWD)损失函数,同时将基于跨空间学习的高效多尺度注意力模块(EMA)嵌入主干网络,以此减轻遮挡及背景干扰带来的影响。改进后的算法在木材缺陷数据集上进行了实验验证,相较于原算法,其mAP@0.5提升了3.6%,参数量降低了23.3%,实现了对堆放木材物料异常情况的实时准确检测。 展开更多
关键词 改进YOLOv8n算法 工地木材异常检测 轻量化 小目标检测
暂未订购 下载PDF
基于YOLOv8n改进的织物疵点检测算法 认领 引用 被引量：10
14
作者 刘伟宏 李敏 +2 位作者 朱萍 崔树芹 颜小运 《棉纺织技术》 CAS 2024年第10期19-25,共7页
为了解决织物疵点检测中小目标疵点难以检测的问题,提出了一种基于改进YOLOv8n算法的织物疵点检测系统。首先,在特征融合部分,采用了兼顾速度和精度的GSConv替代原有的卷积核,并引入了Slim⁃neck特征融合模块,使每个特征层能够同时考虑... 为了解决织物疵点检测中小目标疵点难以检测的问题,提出了一种基于改进YOLOv8n算法的织物疵点检测系统。首先,在特征融合部分,采用了兼顾速度和精度的GSConv替代原有的卷积核,并引入了Slim⁃neck特征融合模块,使每个特征层能够同时考虑深层特征的语义信息和浅层特征的细节信息,提高了对小目标的特征响应,同时简化了模型并降低了计算复杂度。其次,设计了用于检测小疵点目标的检测层P2,增强了模型对小疵点目标的检测能力,使其更适用于织物疵点检测任务。最后,采用指数滑动样本加权函数(EMA⁃SlideLoss)替代了交叉熵损失函数,以增强模型的类别分类能力,提高训练的稳定性。试验结果表明:在检测20类疵点时,相较于YOLOv8n模型,该研究方法在mAP@0.5方面提高了0.142,同时实现了47.4帧/s的检测速度。改进的YOLOv8n模型对网络的性能提升是有效的。 展开更多
关键词 织物疵点 YOLOv8n算法 Slim⁃neck EMA⁃Slideloss GSConv
暂未订购 下载PDF
无人机视角下的道路损伤检测算法MAS-YOLOv8n 认领 引用 被引量：6
15
作者 王晓燕 王禧钰 +3 位作者 李杰 梁文辉 牟建宏 毕楚然 《光电工程》 CAS CSCD 北大核心 2024年第10期61-74,共14页
针对无人机航拍视角下的道路损伤图像背景复杂、目标尺度差异大的检测难题,提出了一种融合多分支混合注意力机制的道路损伤检测方法MAS-YOLOv8n。首先,设计了一种多分支混合注意力机制,并将该结构添加到C2f结构中,加强了特征的表达能力... 针对无人机航拍视角下的道路损伤图像背景复杂、目标尺度差异大的检测难题,提出了一种融合多分支混合注意力机制的道路损伤检测方法MAS-YOLOv8n。首先,设计了一种多分支混合注意力机制,并将该结构添加到C2f结构中,加强了特征的表达能力,在捕获到更为丰富的特征信息的同时,减少噪声对检测结果的影响,以解决YOLOv8n模型中残差结构易受干扰,导致信息丢失的问题。其次,针对道路损伤形态差异大导致检测效果差的问题,利用ShapeIoU对YOLOv8n模型使用的TaskAlignedAssigner标签分配算法进行改进,使其更适用于形态多变的目标,进一步提高了检测精度。将MAS-YOLOv8n模型在无人机拍摄的道路损伤数据集China-Drone上进行实验,相较于基线模型YOLOv8n,本文模型的平均精度均值提高了3.1%,且没有额外增加计算代价。为进一步验证模型通用性,在RDD2022_Chinese和RDD2022_Japanese两个数据集上进行实验,精度均有所提升。与YOLOv5n、YOLOv8n、YOLOv10n、GOLD-YOLO、Faster-RCNN、TOOD、RTMDet-Tiny、RT-DETR相比,本文模型检测精度更高,性能更为优秀,展现了其较好的泛化能力。 展开更多
关键词 损伤检测 YOLOv8n 注意力机制 标签分配算法
暂未订购 下载PDF
透明萃取管抓取机器人的目标识别算法研究 认领 引用
16
作者 杨平江 何江波 +3 位作者 周吴 胡益豪 陈单千 杜梓忆 《智能计算机与应用》 2026年第2期49-54,共6页
针对透明萃取管抓取机器人识别本文提出了一种改进YOLOv8n模型算法,实现了对环境干扰、复杂多变背景及多尺度特征融合不一致的良好抑制。首先,在主干网络引入DynamicConv模块,通过参数增强函数增加模型容量,提升对复杂背景的鲁棒性;然后... 针对透明萃取管抓取机器人识别本文提出了一种改进YOLOv8n模型算法,实现了对环境干扰、复杂多变背景及多尺度特征融合不一致的良好抑制。首先,在主干网络引入DynamicConv模块,通过参数增强函数增加模型容量,提升对复杂背景的鲁棒性;然后,在SPPF层后添加LSKA注意力机制,通过分解大卷积核扩大感受野,强化对萃取管特征的提取能力;最后,在检测头融合ASFF策略,动态学习萃取管的特征权重,增强尺度不变性。实验结果表明,对比YOLOv8n模型,改进模型在准确率(Precision,P)、召回率(Recall,R)、平均精度(mean Average Precision,mAP),分别提升了5.7%、4.0%、5.5%。该算法显著提升了复杂环境下透明萃取管的识别鲁棒性,为实验智能化升级提供了有效视觉识别方案。 展开更多
关键词 改进YOLOv8n算法 萃取管识别 深度学习
暂未订购 下载PDF
融合注意力机制的轻量化路面裂缝检测方法研究 认领 引用
17
作者 罗瑜 樊赫 《计算机测量与控制》 2026年第2期65-72,86,共8页
针对现有路面裂缝检测精度低、定位能力差和计算量较大等问题,对基于YOLO v8n的轻量化检测模型进行研究;采用GhostNet v2作为主干网络以减少参数量并提升特征提取性能,在特征融合模块引入CBAM增强对路面缺陷特征的关注,将边界框回归损... 针对现有路面裂缝检测精度低、定位能力差和计算量较大等问题,对基于YOLO v8n的轻量化检测模型进行研究;采用GhostNet v2作为主干网络以减少参数量并提升特征提取性能,在特征融合模块引入CBAM增强对路面缺陷特征的关注,将边界框回归损失函数替换为Focal-SIoU以优化边界框重叠度计算;实验结果显示,改进后模型的精确率、召回率和全类平均正确率分别提升4.76%、1.89%和2.77%;模型大小为YOLO v8n的33.33%,推理速度达271.5 frames·s-1,检测1000张图片仅需3.68 s;该模型满足实时性要求,可减少路面裂缝漏检和误检,为路面移动端设备自动检测提供技术支持。 展开更多
关键词 YOLOv8n 路面裂缝 目标检测 注意力机制 轻量化模型
暂未订购 下载PDF
改进YOLOv8n的齿面缺陷检测研究 认领 引用 被引量：2
18
作者 马彬洋 彭龑 《重庆科技大学学报（自然科学版）》 CAS 2024年第6期65-71,共7页
对于粗加工齿轮人工质检存在的检测效率低、检测一致性差等问题,提出了一种基于改进YOLOv8n的YOLO-CHD模型。首先,在骨干网络首层卷积后增加C2f层,以减少后续卷积层对小目标特征细节信息的丢失;其次,在特征融合网络中进一步融合浅层大... 对于粗加工齿轮人工质检存在的检测效率低、检测一致性差等问题,提出了一种基于改进YOLOv8n的YOLO-CHD模型。首先,在骨干网络首层卷积后增加C2f层,以减少后续卷积层对小目标特征细节信息的丢失;其次,在特征融合网络中进一步融合浅层大尺寸特征图,并配合ASFF-4H在更高分辨率的特征图上检测小目标,以提高检测精度;最后,将特征融合网络中深层特征图的C2f替换为Dual-C2f,以进一步提高模型检测精度。实验结果表明,改进模型的平均精度均值达到了73.3%,相较于原始模型提高了3.3个百分点,推理速度达到了42帧∕s,基本能够满足对齿面缺陷的粗加工质检需求。 展开更多
关键词 缺陷检测 粗加工齿轮 特征增强 特征融合 YOLOv8n算法
暂未订购 下载PDF
基于CWD-SPI的铸件表面缺陷检测系统 认领 引用 被引量：2
19
作者 孟丽丽 支明亮 +5 位作者 温金龙 刘然 李宏扬 刘伟民 郑直 李宪林 《钢铁》 EI CAS CSCD 北大核心 2025年第8期238-251,共14页
针对铸件表面缺陷检测存在精度欠佳、检测速率低等问题,提出基于改进YOLOv8n的铸件表面缺陷目标检测算法SPI,并通过通道级知识蒸馏(channel-wise knowledge distillation,CWD)对算法进行蒸馏训练。首先,设计S-FasterNet网络,并将其替换... 针对铸件表面缺陷检测存在精度欠佳、检测速率低等问题,提出基于改进YOLOv8n的铸件表面缺陷目标检测算法SPI,并通过通道级知识蒸馏(channel-wise knowledge distillation,CWD)对算法进行蒸馏训练。首先,设计S-FasterNet网络,并将其替换为YOLOv8n的主干网络,该网络在降低冗余运算和内存访问量的同时,能分别在水平和垂直维度获取丰富的上下文信息,保留铸件细微部分的特征;然后,提出P-C2f模块,在降低信息损失的同时增强网络的特征表达;同时,引入Inner-CIoU边界框回归损失函数,以提升模型的定位性能;此外,以目标检测算法SPI为基础,利用CWD技术进一步提高模型的检测精度;最后,结合CWD-SPI检测算法和MySQL数据库,开发了铸件表面缺陷检测系统,该系统能够实时执行多种缺陷检测任务,并将检测结果进行存储和分析,有助于实时统计铸件的缺陷信息,提高了检测过程的灵活性和适应性,能够更好地应对不同检测需求。试验结果表明,CWD-SPI目标检测算法在铸件缺陷数据集上的平均精度均值A为85.9%,相较于原YOLOv8n算法提高5.9%,其精确率(Precision)提高5%;改进后的算法能够在增强铸件表面缺陷检测性能的同时,满足铸件缺陷检测的实时性要求。 展开更多
关键词 表面缺陷 改进YOLOv8n算法 目标检测 注意力机制 知识蒸馏 机器视觉 缺陷检测系统 损失函数
暂未订购 下载PDF
基于深度学习的管廊仪器设备目标检测算法研究 认领 引用
20
作者 史伟民 阮芳草 +2 位作者 李志强 孙磊 青冬 《软件工程》 2025年第8期48-53,共6页
针对现有仪器设备检测算法在管廊复杂环境下检测精度低、模型复杂等问题,提出一种改进YOLOv8n的SLB-YOLOv8n仪器设备检测算法。首先,构建C2f-star模块并替换主干网络中的C2f,降低模型复杂度;其次,在SPPF模块添加LSKA注意力机制,增强低... 针对现有仪器设备检测算法在管廊复杂环境下检测精度低、模型复杂等问题,提出一种改进YOLOv8n的SLB-YOLOv8n仪器设备检测算法。首先,构建C2f-star模块并替换主干网络中的C2f,降低模型复杂度;其次,在SPPF模块添加LSKA注意力机制,增强低光环境识别能力,并将特征融合方式替换为BiFPN,提高识别精度;最后,将损失函数替换为WIoUv3,加快模型收敛速度。使用管廊自建数据集进行训练,结果表明SLB-YOLOv8n相比YOLOv8n参数量减少了31.9%,而mAP提升了0.9%。改进后的算法在轻量化的同时提高了识别精度。 展开更多
关键词 改进的YOLOv8n算法 StarNet 目标检测 注意力机制 轻量化
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 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈