-
题名基于改进YOLOv5算法的绝缘子多缺陷检测
- 1
-
-
作者
伍箴燎
吴正平
孙水发
-
机构
三峡大学电气与新能源学院
三峡大学湖北省输电线路工程技术研究中心
三峡大学计算机与信息学院
-
出处
《高压电器》
CAS
CSCD
北大核心
2024年第12期95-102,112,共9页
-
基金
国家自然科学基金资助项目(61871258)。
-
文摘
针对绝缘子多缺陷检测精度低、检测速度慢的问题,提出一种改进YOLOv5准确判别绝缘子多缺陷检测算法(YOLOv5⁃GSEM)。首先通过引入GhostNet结构替换原始网络YOLOv5主干网络C3模块,提升网络运算速度;并在SPPF后引入无参注意力模块SimAM,增强有效特征,抑制干扰特征;其次引入增强特征金字塔网络(EFPN)和多尺度特征融合网络(multiscale feature fusion network,MFFN),充分融合多尺度特征,提升网络对绝缘子多缺陷的检测精度。实验结果表明,文中提出的模型平均精度均值(mAP0.5)达到87.8%,较YOLOv5算法提升了2.7%,检测速度提升了4.6%,该网络的提出为绝缘子多种缺陷检测问题提供一种更有效的方法。
-
关键词
绝缘子多缺陷检测
注意力机制
增强特征金字塔网络
多尺度特征融合
轻量化
-
Keywords
multiple defect detection of insulator
attention mechanism
enhanced feature pyramid network(EFPN)
multiscale feature fusion
lightweight
-
分类号
TM216
[一般工业技术—材料科学与工程]
TP183
[电气工程—电工理论与新技术]
TP391.41
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进YOLOv5算法的多类苹果叶片病害检测
- 2
-
-
作者
李昱达
吴正平
孙水发
林淼
伍箴燎
沈虹杜
-
机构
三峡大学电气与新能源学院
杭州师范大学信息科学与技术学院
山东财经大学工商管理学院
-
出处
《中国农机化学报》
北大核心
2024年第12期230-237,F0003,共9页
-
基金
国家自然科学基金资助项目(61871258)。
-
文摘
针对多类苹果叶片病害准确率差异大、检测精度不高的问题,提出一种改进YOLOv5准确判别苹果叶片病害的检测算法(YOLOv5-CSEP)。首先,引入C3Ghost模块替换原YOLOv5主干网络C3模块,减少模型的参数量与计算量;其次,将混合注意力模块C-SAM加入主干网络中,提高主干网络的特征提取能力,在颈部网络中加入CA注意力模块,抑制复杂背景干扰关注目标信息;最后,引入增强型路径聚合网络(E-PANet)充分融合多尺度特征,提升网络对多类苹果叶片病害检测的准确性与鲁棒性。试验表明,改进后算法的各项性能指标均有提升,精确率达到93.2%,平均精度均值mAP@0.5达到87.9%,与原YOLOv5算法相比分别提高3.4%与1.7%,计算量减少11%。
-
关键词
苹果叶片
病害检测
注意力机制
增强路径聚合网络
YOLOv5
-
Keywords
apple tree leaf
disease detection
attention mechanism
enhanced path aggregation network
YOLOv5
-
分类号
S661.1
[农业科学—果树学]
TP391.4
[农业科学—园艺学]
-
