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10篇文章
< 1 >
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：
基于改进YOLOv5-s的交通场景小目标检测算法 认领 引用 被引量：1
1
作者 王坤 冯康威 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2026年第4期1015-1027,共13页
针对交通标志和交通灯等交通场景小目标特征不明显导致检测困难的问题,提出基于改进YOLOv5-s的交通场景小目标检测算法。设计特征补充模块(FSM),通过进一步获取浅层细节信息对相邻的深层检测层进行特征补充,有效提高了小目标的检测效果... 针对交通标志和交通灯等交通场景小目标特征不明显导致检测困难的问题,提出基于改进YOLOv5-s的交通场景小目标检测算法。设计特征补充模块(FSM),通过进一步获取浅层细节信息对相邻的深层检测层进行特征补充,有效提高了小目标的检测效果,并通过相邻层间的矩阵运算避免了特征冗余;设计有效融合模块(EFM),分别处理特征金字塔融合时的横向浅层特征和上采样特征,缓解二者之间的特征冲突,使其更有效的融合;提出超级增强交并比(SEIOU)损失计算方式,通过添加真实框和预测框主对角之间的距离度量,改善回归效果,提升检测精度。在CCTSDB、S2TLD、TLD和PASCAL VOC数据集上进行实验,结果表明:所提算法在精度上分别提升了2.54%、3.62%、4.33%和2.01%,检测速度达到了113帧/s,适用于实际交通场景下的检测任务。 展开更多
关键词 YOLOv5-s算法 小目标检测 特征补充 特征融合 损失函数
暂未订购 下载PDF
基于YOLOv5-s与AM的绝缘子及缺陷边端检测模型研究 认领 引用
2
作者 李博强 陈沛光 +3 位作者 楚云飞 王勇 王雨薇 姚忆雯 《电力大数据》 2026年第6期44-55,共12页
利用无人机(unmanned aerial vehicle,UAV)等新型巡线设备搭载摄像头采集绝缘子图像,并结合计算机视觉算法完成图像处理,可有效解决人工巡检效率低下、安全隐患突出的问题,是现有绝缘子及其缺陷识别方法的重要补充。当前电力行业已积累... 利用无人机(unmanned aerial vehicle,UAV)等新型巡线设备搭载摄像头采集绝缘子图像,并结合计算机视觉算法完成图像处理,可有效解决人工巡检效率低下、安全隐患突出的问题,是现有绝缘子及其缺陷识别方法的重要补充。当前电力行业已积累海量数据,边缘计算能够避免大量数据的远程传输与集中处理,推动电力行业数据处理架构逐渐向边端倾斜;但边缘计算设备的计算与存储资源相对有限,非轻量型目标检测算法通常难以直接部署在边缘设备中。基于此,以轻量型网络YOLOv5-s为基础,开展适用于边端部署的绝缘子及其炸裂/自爆缺陷检测模型研究;在YOLOv5-s骨干网络与颈部网络的连接处添加注意力机制(attention mechanism,AM),提升颈部网络的特征融合效果;随后在边缘计算设备上测试模型的检测精度与推理速度,并与非轻量型目标检测算法YOLOv3、YOLOv4进行对比。实验结果验证了将改进后YOLOv5-s部署于边缘计算设备的可行性,也证明了添加注意力机制可有效提升YOLOv5-s的检测精度。 展开更多
关键词 UAV 绝缘子 边缘计算 YOLOv5-s AM
暂未订购 下载PDF
基于MSSR-Net和ED-YOLOv5-s的多阶段绝缘子缺陷检测方法 认领 引用
3
作者 吴清华 郭建龙 +3 位作者 熊山 郝腾飞 陈章宝 王磊 《武汉大学学报（工学版）》 CAS CSCD 北大核心 2026年第6期987-995,共9页
针对无人机电力巡检图像中绝缘子缺陷目标小、纹理特征不明显等问题,首先利用YOLOv5-s网络对图像中的绝缘子进行快速识别;其次设计一种多尺度超分辨率网络(multi-scale super-resolution network,MSSR-Net),通过引入了残差结构、归一化... 针对无人机电力巡检图像中绝缘子缺陷目标小、纹理特征不明显等问题,首先利用YOLOv5-s网络对图像中的绝缘子进行快速识别;其次设计一种多尺度超分辨率网络(multi-scale super-resolution network,MSSR-Net),通过引入了残差结构、归一化坐标网格以及采用多尺度数据混合训练策略,对绝缘子图像进行多尺度超分辨率重建以增强绝缘子缺陷小目标的纹理特征;最后构建一种基于YOLOv5-s改进的绝缘子缺陷检测网络,通过引入高效通道注意力(efficient channel attention,ECA)机制和深度可分离卷积,提高了绝缘子缺陷小目标的检测精度和推理速度。在自建数据集上的测试结果表明,该方法的平均检测精度均值和平均检测速度分别达到91.85%、5.97帧/s,有效提高了绝缘子缺陷小目标的检测精度。该方法可广泛用于电力巡检或其他小目标检测场景。 展开更多
关键词 超分辨率重建网络 YOLOv5-s 多阶段小目标检测 绝缘子缺陷检测 高效通道注意力机制 多尺度
暂未订购 下载PDF
基于改进的YOLOv5-s塔筒缺陷检测方法研究 认领 引用
4
作者 王清伟 马雪峰 +2 位作者 苏正雄 王瀚 钱泓 《中国设备工程》 2024年第19期197-199,共3页
针对目前塔筒缺陷检测方法存在检测精度不高、易出现误检、漏检且大量依靠人工检测的问题,本研究提出一种基于改进的YOLOv5-s的塔筒缺陷检测算法。在Neck层中引入CBAM注意力机制,提高整体模型的特征提取能力。实验结果表明,改进后的YOLO... 针对目前塔筒缺陷检测方法存在检测精度不高、易出现误检、漏检且大量依靠人工检测的问题,本研究提出一种基于改进的YOLOv5-s的塔筒缺陷检测算法。在Neck层中引入CBAM注意力机制,提高整体模型的特征提取能力。实验结果表明,改进后的YOLOv5-s塔筒缺陷检测模型可以有效检测其表面缺陷,识别精度P、召回率R、平均检测精度mAP分别达到了99.95%、99.55%、86.35%,比基线模型的平均检测精度提高了2.15%。 展开更多
关键词 YOLOV5-s 缺陷检测 塔筒 注意力机制
暂未订购 下载PDF
基于YOLOv5算法的女性职业装款式自动识别方法 认领 引用 被引量：2
5
作者 焦哲 夏乾龙 +3 位作者 王巧铃 卢致文 路丽莎 刘锋 《毛纺科技》 CAS 北大核心 2023年第6期103-109,共7页
针对目前自动识别方法存在的图像背景处理繁琐、形式单一、轮廓特征提取复杂、单张图片只有一种款式可以识别等问题,运用了一种单阶段目标检测(YOLOv5)算法,实现了基于服装图片的职业装款式分类。以办公室女性职业装为例,首先建立一个... 针对目前自动识别方法存在的图像背景处理繁琐、形式单一、轮廓特征提取复杂、单张图片只有一种款式可以识别等问题,运用了一种单阶段目标检测(YOLOv5)算法,实现了基于服装图片的职业装款式分类。以办公室女性职业装为例,首先建立一个包含衣裤套装、衣裙套装、连衣裙的3类女性职业装经典款式数据集并对图片进行标注,使用Mosaic数据增强操作提升模型的训练速度和网络的精度,选用CIOU_Loss做定位损失的损失函数,最终实现女性职业装3类款式的自动检测识别。实验表明,基于YOLOv5算法的款式识别方法可以实现对复杂背景下的女性职业装的有效分类,可为服装商品的可视化分类识别提供新的思路,提高服装产品相关调研的效率。 展开更多
关键词 YOLOv5算法 女性职业装 款式识别 图片处理 识别效率
暂未订购 下载PDF
Unmanned Aerial Vehicle Target Detection Method Based on Combined Infrared and Visible Light 认领 引用
6
作者 XU Song JI Guipeng +5 位作者 ZHAO Hongsheng YU Tengli WANG Ershen QU Pingping CHEN Yunhao ZHANG Hongxuan 《Transactions of Nanjing University of Aeronautics and Astronautics》 EI CSCD 2026年第3期400-411,共12页
Visible light cameras are excellent at capturing subtle features of moving targets in well⁃wit and stable scenes.However,such cameras may not be able to accurately detect targets when encountering occlusion,fluctuatin... Visible light cameras are excellent at capturing subtle features of moving targets in well⁃wit and stable scenes.However,such cameras may not be able to accurately detect targets when encountering occlusion,fluctuating light intensity,or shadow effects,leading to the occurrence of missed or false alarms.Aiming at the problem of poor anti⁃interference ability of visible light images in complex scenes,a target detection method based on the combination of visible light and infrared images is proposed.The Canny algorithm is used to preprocess the unmanned aerial vehicle(UAV)infrared image,the seed points are obtained through the Sobel operator,and the image segmentation is performed using the maximum inter⁃class variance value of the image as the growth criterion in order to locate the UAV region in the infrared image.Then the corresponding region of the visible image is cropped,and UAV target detection is performed in this region.The joint detection method narrows the scope of detection and effectively reduces the interference of factors such as illumination changes and interfering objects on the detection results.Experimental results show that the proposed method achieves 87.6%precision and 75.9%recall,with mAP0.5 and mAP0.5:0.95 values of 83.9%and 52.9%,respectively. 展开更多
关键词 UAV target detection infrared image visible image image conjunction YOLOv5 algorithm
暂未订购 下载PDF
基于机器视觉的机电设备智能检测与识别技术研究 认领 引用
7
作者 陈莹 《中国高新科技》 2026年第6期87-89,共3页
针对机电设备表面缺陷人工检测效率低、漏检率高的问题,构建了“端-边-云”协同的机器视觉系统,集成自适应照明、轻量化YOLOv5-s与多阈值后处理链。实验结果表明,系统对划痕、锈斑、凹坑的F1分数达0.95,帧率120fps,单帧延迟6.8ms;连续30... 针对机电设备表面缺陷人工检测效率低、漏检率高的问题,构建了“端-边-云”协同的机器视觉系统,集成自适应照明、轻量化YOLOv5-s与多阈值后处理链。实验结果表明,系统对划痕、锈斑、凹坑的F1分数达0.95,帧率120fps,单帧延迟6.8ms;连续30d运行故障率0.08次/24h,维护周期缩短50%,产线年节省损失46万元。现场满意度92%,验证了方案在高速产线中的工程适用性与经济有效性。 展开更多
关键词 机器视觉 机电设备缺陷检测 YOLOv5-s 边缘计算 系统稳定性
暂未订购 下载PDF
Automatic body condition scoring system for dairy cows in group state based on improved YOLOv5 and video analysis 认领 引用 被引量：1
8
作者 Jingwen Li Pengbo Zeng +3 位作者 Shuai Yue Zhiyang Zheng Lifeng Qin Huaibo Song 《Artificial Intelligence in Agriculture》 SCIE EI CSCD 2025年第2期350-362,共13页
This study proposes an automated scoring system for cow body condition using improved YOLOv5 to assess the body condition distribution of herd cows,which significantly impacts herd productivity and feeding management.... This study proposes an automated scoring system for cow body condition using improved YOLOv5 to assess the body condition distribution of herd cows,which significantly impacts herd productivity and feeding management.A dataset was created by capturing images of the cow's hindquarters using an image sensor at the entrance of the milking hall.This system enhances feature extraction ability by introducing dual path networks and convolutional block attention modules and improves efficiency by replacing some modules from the standard YOLOv5s with deep separable convolution to reduce parameters.Furthermore,the system employs an automatic detection and segmentation algorithm to achieve individual cow segmentation and body condition acquisition in the video.Subsequently,the system computes the body condition distribution of cows in a group state.The experimental findings demonstrate that the proposed model outperforms the original YOLOv5 network with higher accuracy and fewer computations and parameters.The precision,recall,and mean average precision of the model are 94.3%,92.5%,and 91.8%,respectively.The algorithm achieved an overall detection rate of 94.2%for individual cow segmentation and body condition acquisition in the video,with a body condition scoring accuracy of 92.5%among accurately detected cows and an overall body condition scoring accuracy of 87.1%across the 10 video tests. 展开更多
关键词 BCS Distribution statistics YOLOv5 Segmentation algorithm Dairy cows
YOLO-Banana:An Effective Grading Method for Banana Appearance Quality 认领 引用
9
作者 Dianhui Mao Xuesen Wang +3 位作者 Yiming Liu Denghui Zhang Jianwei Wu Junhua Chen 《Journal of Beijing Institute of Technology》 EI CAS 2023年第3期363-373,共11页
The increasing trend towards independent fruit packaging demands a high appearance quality of individually packed fruits.In this paper,we propose an improved YOLOv5-based model,YOLO-Banana,to effectively grade banana ... The increasing trend towards independent fruit packaging demands a high appearance quality of individually packed fruits.In this paper,we propose an improved YOLOv5-based model,YOLO-Banana,to effectively grade banana appearance quality based on the number of banana defect points.Due to the minor and dense defects on the surface of bananas,existing detection algorithms have poor detection results and high missing rates.To address this,we propose a densitybased spatial clustering of applications with noise(DBSCAN)and K-means fusion clustering method that utilizes refined anchor points to obtain better initial anchor values,thereby enhancing the network’s recognition accuracy.Moreover,the optimized progressive aggregated network(PANet)enables better multi-level feature fusion.Additionally,the non-maximum suppression function is replaced with a weighted non-maximum suppression(weighted NMS)function based on distance intersection over union(DIoU).Experimental results show that the model’s accuracy is improved by 2.3%compared to the original YOLOv5 network model,thereby effectively grading the banana appearance quality. 展开更多
关键词 YOLOv5 banana appearance grading clustering algorithm weighted non-maximum suppression(weighted NMS) progressive aggregated network(PANet)
暂未订购 下载PDF
基于视觉识别的苹果采摘机械仿真 认领 引用 被引量：11
10
作者 贾刚刚 王兵 赵越 《农机化研究》 北大核心 2024年第12期22-27,112,共6页
为了解决当前苹果采摘设备识别精度差、人工采摘效率低等问题,设计了苹果采摘机械,可以显著提高苹果识别精度,加快苹果采摘效率,使经济效益最大化。通过对苹果树生长环境及生长特性进行分析研究,依据深度学习原理,选择YOLOv5-s算法对苹... 为了解决当前苹果采摘设备识别精度差、人工采摘效率低等问题,设计了苹果采摘机械,可以显著提高苹果识别精度,加快苹果采摘效率,使经济效益最大化。通过对苹果树生长环境及生长特性进行分析研究,依据深度学习原理,选择YOLOv5-s算法对苹果进行目标检测,研制适合苹果采摘的机械设备。采摘机械设备主要由识别装置、伸缩装置、分类装置、传送装置、采摘通道、主体钢结构、采摘机械手及动力源装置等组成。Python仿真实验验证表明:通过YOLOv5-s目标检测后苹果采摘机械对苹果的识别精确度在75%以上,与RCNN、SSD等图像检测模型相比,检测精度提高了10%以上,且占用内存小、识别速度快。 展开更多
关键词 苹果采摘 仿真 视觉识别 深度学习 YOLOv5-s
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 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈