期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于深度学习的大田甘蓝在线识别模型建立与试验 被引量:13
1
作者 翟长远 付豪 +3 位作者 郑康 郑申玉 吴华瑞 赵学观 《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期293-303,共11页
针对大田蔬菜对靶施药过程中靶标难以精准识别定位的问题,以甘蓝为研究对象,进行基于深度学习的靶标在线识别方法与模型研究。对比3种当前性能较优的目标检测模型Faster R-CNN、SSD和YOLO v5s,选择YOLO v5s作为田间甘蓝识别迁移学习模型... 针对大田蔬菜对靶施药过程中靶标难以精准识别定位的问题,以甘蓝为研究对象,进行基于深度学习的靶标在线识别方法与模型研究。对比3种当前性能较优的目标检测模型Faster R-CNN、SSD和YOLO v5s,选择YOLO v5s作为田间甘蓝识别迁移学习模型,提出一种MobileNet v3s主干特征提取网络与深度可分离卷积融合的YOLO-mdw大田甘蓝目标识别方法,实现复杂环境下的大田甘蓝实时识别;提出一种基于卡尔曼滤波和匈牙利算法的甘蓝目标定位方法,并将模型部署于NVIDIA Xavier NX开发板上。试验结果表明,YOLO-mdw识别模型在晴天、多云、阴雨天气条件下识别准确率分别为93.14%、94.75%和94.23%,图像处理时间为54.09 ms,相对于YOLO v5s模型用时缩短26.98%;速度不大于0.6 m/s时,识别准确率达94%,平均定位误差为4.13 cm,平均甘蓝直径识别误差为1.42 cm。该靶标识别系统能在大田复杂环境下对甘蓝进行实时识别定位,为对靶施药提供技术支持。 展开更多
关键词 甘蓝 大田环境 识别定位 深度学习 嵌入式部署
下载PDF
基于轻量化Yolov5算法的目标检测系统 被引量:5
2
作者 张利红 蔡敬菊 《计算机技术与发展》 2022年第11期134-139,共6页
针对现有的深度目标检测算法结构复杂、计算量过大,难以直接部署到资源有限的边缘设备进行实时检测应用的问题,以Yolov5算法为基础,针对VOC公开数据集在GPU上进行迭代训练,通过使用MobileNetv2替换Backbone特征提取层中的BottleneckCSP... 针对现有的深度目标检测算法结构复杂、计算量过大,难以直接部署到资源有限的边缘设备进行实时检测应用的问题,以Yolov5算法为基础,针对VOC公开数据集在GPU上进行迭代训练,通过使用MobileNetv2替换Backbone特征提取层中的BottleneckCSP结构、Conv替换Focus模块达到网络轻量化,并结合稀疏训练评价特征提取层中卷积核的重要性后进行减枝的方法进一步实现模型压缩。从模型适应平台硬件加速角度出发,根据瑞芯微Rk3399pro加速芯片MAC单元为3的倍数,提出将网络卷积通道数剪枝后约束为9的倍数,并引入了非对称8位模型量化、CPU-GPU-NPU多核协同工作的策略在嵌入式平台上进行C++算法部署。实验证明,轻量化的Yolov5算法在检测精确度mAP下降6.74的情况下,大幅减少了计算参数量,离线模型部署至Rk3399pro嵌入式平台上理论检测速度达到50 fps/s,相较原Yolov5s未优化改进的部署至平台上的速度提升近1.7倍;满足降低模型参数权重后仍能实时精确检测的效果。 展开更多
关键词 目标检测网络 深度可分离卷积 模型量化 减枝 硬件加速 嵌入式部署
下载PDF
基于改进的YOLOv5算法路面检测设计
3
作者 何凌志 王玉珏 +1 位作者 周月娥 周研逸 《工业仪表与自动化装置》 2023年第4期93-97,共5页
随着大规模的公路建设,公路路面检测对于已建成公路的维护保养尤为重要,但是目前的深度学习网络模型都较大,并且部署到嵌入式端会造成Al算力不足的问题。因此,智能算法检测渐渐进入人们视野,该文设计了基于改进的YOLOv5的路面检测算法... 随着大规模的公路建设,公路路面检测对于已建成公路的维护保养尤为重要,但是目前的深度学习网络模型都较大,并且部署到嵌入式端会造成Al算力不足的问题。因此,智能算法检测渐渐进入人们视野,该文设计了基于改进的YOLOv5的路面检测算法的检测设计。提出了一种通过Network Slimming网络剪枝的方法对稀疏化训练的YOLOv5目标检测算法模型进行剪枝微调,并通过tensorboard网页观察BN缩放因子直方图变化从而确定剪枝微调的比例。经过实际测试对比,相较与正常训练的算法,通过稀疏化处理后剪枝训练的YOLOv5算法模型所占权重减小了6.5 MB,对路面坑洞检测中的平均准确率(mAP)达到了81.4%,相比原始YOLOv5算法提升了2.1%,同时出现漏检现象较少,具有较好的检测精度。 展开更多
关键词 深度学习 YOLOv5算法 路面检测 网络剪枝 稀疏化训练 目标检测算法 轻量化检测网络 嵌入式部署
下载PDF
面向嵌入式设备部署的轻量化织物瑕疵检测算法
4
作者 赵洋 刘雪枫 +2 位作者 赵锦程 苗佳龙 徐森 《毛纺科技》 CAS 北大核心 2024年第7期91-99,共9页
针对现有织物瑕疵检测算法参数量大、计算复杂度高,难以部署在计算资源有限的嵌入式设备上的问题,提出一种基于YOLOv5s改进的轻量化织物瑕疵检测算法SSPY(ShuffleNetv2-S,SimAM-S,Pruning-P,YOLOv5s-Y)。首先,主干特征提取网络采用Shuff... 针对现有织物瑕疵检测算法参数量大、计算复杂度高,难以部署在计算资源有限的嵌入式设备上的问题,提出一种基于YOLOv5s改进的轻量化织物瑕疵检测算法SSPY(ShuffleNetv2-S,SimAM-S,Pruning-P,YOLOv5s-Y)。首先,主干特征提取网络采用ShuffleNetv2网络,实现模型的轻量化。在主干网络和小目标检测层引入SimAM无参注意力机制,在不增加额外参数量的情况下增强算法的特征提取能力。通过结合稀疏训练评价特征提取层中卷积核的重要性进行剪枝的方法,进一步实现模型压缩。最后,将SSPY算法部署到瑞芯微RK3568平台上,完成织物瑕疵实时检测算法在嵌入式设备上的部署。在织物瑕疵数据集上进行多组对比实验。实验结果表明,SSPY与YOLOv5s相比,平均精度均值mAP值提升了0.8%,参数量下降了80.3%。将SSPY部署在RK3568上,检测速度可达49 FPS,满足了织物瑕疵检测算法在工业应用中实时性、嵌入式设备部署等需求。 展开更多
关键词 瑕疵检测 SSPY 轻量化 注意力机制 嵌入式设备部署
下载PDF
雨天变电站设备智能视觉检测算法与实时实现技术 被引量:2
5
作者 杨宁 高飞 +4 位作者 杨洋 喻长峰 李丽华 高维露 黎瑞 《测控技术》 2022年第11期20-27,58,共9页
视频的变电站户外设备监控是保障电力系统安全运维的重要手段,但传统的目视监控效率低、人力成本高,因此无人化智能视觉检测得到广泛关注。变电站户外监控设备在采集图像时,不可避免会遭受雨天等恶劣天气影响,导致设备检测性能严重下降... 视频的变电站户外设备监控是保障电力系统安全运维的重要手段,但传统的目视监控效率低、人力成本高,因此无人化智能视觉检测得到广泛关注。变电站户外监控设备在采集图像时,不可避免会遭受雨天等恶劣天气影响,导致设备检测性能严重下降。针对雨天场景下的变电站设备检测给出了软硬件系统解决方案,主要围绕雨天变电站设备视觉检测算法和嵌入式AI实时部署展开研究。首先,提出一种基于细节增强的图像去雨网络(DERN),利用雨条的高频特性作为注意力权重指导去雨,进一步将其与YOLOv4目标检测算法进行联合优化,从而实现对雨天稳健的变电站设备检测算法;基于昇腾310 AI处理器构建嵌入式边缘端智能计算系统,从算子优化、多线程并行等方面提升计算性能。实验表明,在雨天场景下变电站设施设备目标检测精度从实施前的53.4%提高到82.1%,1080P视频运行速率达到30 f/s,验证了所提算法和系统的有效性,有效提升了变电站设备全天候视觉智能监控能力。 展开更多
关键词 雨天变电站设备检测 图像去雨 去雨-检测联合优化 嵌入式AI部署 实时加速
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部