-
题名一种轻量级道路缺陷检测算法
认领
引用
被引量:1
- 1
-
-
作者
路成龙
庆光蔚
孙勇
倪大进
-
机构
南京市特种设备安全监督检验研究院
-
出处
《汽车工程学报》
2026年第3期395-405,共11页
-
基金
国家市场监督管理总局科技计划项目(2024MK168)
江苏省市场监督管理局科技计划项目(KJ2025049)。
-
摘要
针对现有道路缺陷检测方法精度不足、参数量较大且不利于边缘部署等问题,提出一种轻量级道路缺陷检测算法RDD-YOLOv8。设计主干网络RepHGNetV2,保证检测精度的同时提高轻量化水平。引入SimAM注意力机制,提高算法的整体性能。在Neck中引入GSConv,构建VoVGSCSP模块,形成Slimneck结构,进一步提高算法的轻量化水平。采用RDD-2022数据集进行试验,RDD-YOLOv8相对改进前YOLOv8n算法,mAP0.5及mAP0.5∶0.95均提高0.7个百分点,Flops下降24.7%,Params下降29.2%,增强了实时检测性能。
-
关键词
道路缺陷检测
轻量级算法
无参数注意力机制
Slimneck模块
主干网络
-
Keywords
road defect detection
lightweight algorithm
SimAM
Slimneck
RepHGNetV2
-
分类号
U418
[交通运输工程—道路与铁道工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名多尺度融合的轻量级钢材表面缺陷检测
认领
引用
被引量:3
- 2
-
-
作者
杨本臣
李世熙
金海波
康洁
-
机构
辽宁工程技术大学软件学院
北京工业大学信息学部
-
出处
《计算机系统应用》
2024年第11期58-67,共10页
-
基金
国家自然科学基金(62173171)。
-
摘要
钢材表面缺陷的检测质量直接影响工业生产安全性和机器性能质量,现实工厂钢材质量把控受限于设备条件,在实现高精度强实时的检测效果仍面临着挑战.为了解决这一问题,提出一种多尺度融合的轻量级YOLOv8n检测算法.首先引入一种结合HGnetv2与RepConv的轻量级多尺度融合主干网络(RepHGnetv2),提高Backbone的特征提取能力与泛化能力同时降低了模型的复杂度;在Head部分,利用ADown下采样模块替换原算法的普通卷积(Conv),降低计算量并提高语义保留能力;最后将原算法的Loss函数替换为SlideLoss,改善样本之间不平衡的问题.在NEU-DET数据集上进行消融与对比实验,改进算法与原算法相比, mAP@0.5提升6.7%, Precision提升9.3%,模型大小下降25.5%,计算量下降了17.2%, FPS也有一定的提升;并在VOC2012数据集上进行了通用性对比实验,实验结果表明改进算法可以有效提高缺陷检测精度与效率,同时具有较好的通用性.
-
关键词
钢材表面缺陷检测
轻量级YOLOv8n
RepHGnetv2
ADown
SlideLoss
-
Keywords
steel surface defect detection
lightweight YOLOv8n
RepHGnetv2
ADown
SlideLoss
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TG115
[自动化与计算机技术—计算机科学与技术]
-
使用中文期刊助手 扫描二维码