期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
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9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 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YOLO v5的探地雷达地下空洞与管线图像自动识别技术
1
作者 江路路 尹轶 +1 位作者 孟姿含 许佳毅 《国防交通工程与技术》 2024年第5期7-11,共5页
为了提高探地雷达图像中的病害自动识别的效率和准确度,通过现场实测和正演模拟的方法获得并扩充训练数据集,用于训练YOLO v5模型,以实现对探地雷达图像中地下空洞与管线的快速准确分类。结果表明:①YOLO v5模型能较好的定位和区分地下... 为了提高探地雷达图像中的病害自动识别的效率和准确度,通过现场实测和正演模拟的方法获得并扩充训练数据集,用于训练YOLO v5模型,以实现对探地雷达图像中地下空洞与管线的快速准确分类。结果表明:①YOLO v5模型能较好的定位和区分地下空洞、金属管线和混凝土管线三类地下目标。②使用正演模拟对数据集增广能提升模型的精准度和召回率,但数据增广比例不宜过高。③由于混凝土相对介电常数更接近土壤,因此混凝土管道的识别准确率较低。研究可为地下病害检测和识别工作提供一定参考。 展开更多
关键词 探地雷达 图像识别 YOLO v5模型 地下目标探测 数据增广 病害检测
下载PDF
基于深度学习的教室人数统计方法
2
作者 张培培 吕震宇 闫海波 《电脑编程技巧与维护》 2021年第11期130-132,共3页
为了提高教室视频人数统计的准确率,提出了一种基于深度学习的教室人数统计方法。该方法在使用YOLO v5模型作为基础模型,可以很好地实现快速检测和小物体检测的检测目标,但为了更好地进行交叠、遮挡等情境下的物体检测,对YOLO v5模型进... 为了提高教室视频人数统计的准确率,提出了一种基于深度学习的教室人数统计方法。该方法在使用YOLO v5模型作为基础模型,可以很好地实现快速检测和小物体检测的检测目标,但为了更好地进行交叠、遮挡等情境下的物体检测,对YOLO v5模型进行了改进。主要从3方面进行了改进:(1)在图像预处理阶段进行了畸变矫正;(2)在YOLO v5的损失函数进行了改进;(3)为了实现更好的检测效果,将人头与人脸分开来进行检测,并利用视频多帧图像信息,很好地实现交叠、遮挡的检测问题,再利用教室座位的网格信息将人头、人脸的检测统计结果进行相融合,避免出现人头、人脸重复统计的问题。实验证明,改进的深度学习物体检测模型具有更好的泛化能力,在能够进行快速检测和小物体检测的检测目标的基础上,又可以很好地实现交叠、遮挡等复杂情形下的人数统计。 展开更多
关键词 YOLO v5模型 深度学习 人数统计
下载PDF
基于机器视觉的啤酒金属盖表面缺陷检测方法 被引量：2
3
作者 金怡君 李振宇 杨絮 《包装工程》 CAS 北大核心 2023年第11期259-267,共9页
目的为了提高啤酒金属盖表面缺陷检测的精度和准确率,提出一种基于机器视觉的金属盖表面缺陷检测方法。方法以不同类型的啤酒金属盖表面缺陷为研究对象,利用滤波抑噪和高反差保留算法对图像进行处理,运用YOLO–v5网络完成瓶盖的缺陷检... 目的为了提高啤酒金属盖表面缺陷检测的精度和准确率,提出一种基于机器视觉的金属盖表面缺陷检测方法。方法以不同类型的啤酒金属盖表面缺陷为研究对象,利用滤波抑噪和高反差保留算法对图像进行处理,运用YOLO–v5网络完成瓶盖的缺陷检测。通过添加注意力机制SE模块、改进模型损失函数和预测框筛选方式等技术手段对原YOLO–v5模型作出优化,抑制图像中的不重要特征,提升小目标检测的准确率和模型的特征提取能力。结果改进后的YOLO–v5模型与常用的检测模型的对比结果表明,改进YOLO–v5模型在测试集上的mPA指标为93.10%,检测速度达到了294张/min,优势较为明显。结论针对不同类型的金属盖表面缺陷,基于机器视觉的检测模型均有较高的检测精度和识别准确率,小目标缺陷的漏检率和误检率情况较少,满足生产线实时、高精度的检测要求。 展开更多
关键词 机器视觉 金属盖 表面缺陷 改进的YOLO–v5模型
下载PDF
一种遥感图像车辆检测方法 被引量：2
4
作者 马志龙 倪佳忠 《北京测绘》 2022年第5期547-551,共5页
针对常用的遥感图像车辆检测方法稳定性和效率较差的问题,本文提出一种改进YOLO-V5遥感图像车辆检测方法。首先,使用群归一化层替换YOLO-V5中的归一化层,消除训练数据大小对模型的影响,降低模型训练对显卡显存的需求,增加模型收敛速度;... 针对常用的遥感图像车辆检测方法稳定性和效率较差的问题,本文提出一种改进YOLO-V5遥感图像车辆检测方法。首先,使用群归一化层替换YOLO-V5中的归一化层,消除训练数据大小对模型的影响,降低模型训练对显卡显存的需求,增加模型收敛速度;然后,使软非极大值抑制算法选择车辆目标锚框,可更精确地定位车辆,防止因遮挡漏检车辆。由实验可知:相比原YOLO-V5模型的各类别平均精确度提高了1.53%,帧率提高0.83,表明所提方法稳定性更好、检测效率更高,可应用于遥感图像汽车检测领域。 展开更多
关键词 遥感图像车辆目标检测 YOLO-v5模型 群归一化层 软非极大值抑制算法
下载PDF
触网绝缘子缺陷智能识别方法
5
作者 贺恩龙 《中国高新科技》 2021年第3期80-81,共2页
文章提出一种基于深度学习技术的高铁接触网绝缘子缺陷智能识别方法。首先利用EfficientNet-B3网络对绝缘子状态进行初步判别,再使用YOLO-V5模型实现绝缘子缺陷信息精确检测。同时,构建了正常、缺损、闪络3种状态,共计3000张图像的绝缘... 文章提出一种基于深度学习技术的高铁接触网绝缘子缺陷智能识别方法。首先利用EfficientNet-B3网络对绝缘子状态进行初步判别,再使用YOLO-V5模型实现绝缘子缺陷信息精确检测。同时,构建了正常、缺损、闪络3种状态,共计3000张图像的绝缘子样本集。实验表明,文章方法对绝缘子状态初步识别的准确率为93.1%,召回率为91.2%。在绝缘子缺陷精确检测环节,针对缺损、闪络识别的准确率分别为93.7%、92.3%,召回率分别为92.3%、87.5%。文章方法有效地提高了高铁接触网中的绝缘子缺陷(缺损、闪络)智能识别的准确率,对于进一步研发高铁接触网绝缘子表面缺陷智能巡检系统具有重要意义。 展开更多
关键词 接触网绝缘子 缺损 闪络 EfficientNet-B3网络 YOLO-v5模型
下载PDF
基于YOLO v5-IBX网络模型的公路隧道衬砌裂缝检测方法研究 被引量：7
6
作者 何兆益 常宝霞 +1 位作者 吴逸飞 李冬雪 《沈阳建筑大学学报（自然科学版）》 CAS 北大核心 2023年第5期888-898,共11页
目的 针对传统隧道衬砌裂缝检测效率低、成本高、周期长以及当前基于计算机视觉、图像处理技术的裂缝智能检测方法效率低、精度低、检测结果不准确等问题,提出一种改进的网络模型YOLO v5-IBX对公路隧道衬砌裂缝进行智能检测。方法 在原... 目的 针对传统隧道衬砌裂缝检测效率低、成本高、周期长以及当前基于计算机视觉、图像处理技术的裂缝智能检测方法效率低、精度低、检测结果不准确等问题,提出一种改进的网络模型YOLO v5-IBX对公路隧道衬砌裂缝进行智能检测。方法 在原始YOLO v5网络模型的检测层中新增一个低维尺度和在特征提取层中融入注意力机制,提高特征融合利用和对小目标的检测精度,降低网络参数的计算量,达到减少裂缝细节信息丢失的目的;对采集到的公路隧道衬砌裂缝图像,通过图像翻转、裁剪、调整图像饱和度、对比度等随机转换方式来进行数据增强,增加数据特征样本,建立数据集,以满足模型检测的需求;在建立的隧道衬砌裂缝数据集上进行试验,以精确率、召回率、计算平均精度及平均精度均值作为检测精度的综合评价指标,将笔者提出的网络模型YOLO v5-IBX与原始的YOLO v5等其他网络模型进行对比。结果 采用改进的网络模型YOLO v5-IBX检测隧道衬砌裂缝,在迭代300次的情况下,训练损失可以降到0.014,裂缝检测精度率达到97.8%左右,召回率达到97.7%左右,精度均值达到98.6%左右,均优于其他模型,检测精度得到有效提高。结论 相比较传统的人工检测方法和原始YOLO v5检测算法,改进的网络模型YOLO v5-IBX可以更快速、准确地识别出隧道衬砌裂缝,为隧道衬砌裂缝检测提供新的更加实用的检测方案。 展开更多
关键词 公路隧道 裂缝检测 YOLO v5-IBX模型 隧道衬砌裂缝 注意力机制
下载PDF
基于YOLO v5-Jetson TX2的秸秆覆盖农田杂草检测方法 被引量：5
7
作者 王秀红 王庆杰 +3 位作者 李洪文 何进 卢彩云 张馨悦 《农业机械学报》 EI CAS CSCD 北大核心 2023年第11期39-48,共10页
玉米苗期杂草的实时检测和精准识别是实现精准除草和智能农业的基础和前提。针对保护性耕作模式地表环境复杂、杂草易受地表秸秆残茬覆盖影响、现有算法检测速度不理想等问题,提出一种适用于Jetson TX2移动端部署的秸秆覆盖农田杂草检... 玉米苗期杂草的实时检测和精准识别是实现精准除草和智能农业的基础和前提。针对保护性耕作模式地表环境复杂、杂草易受地表秸秆残茬覆盖影响、现有算法检测速度不理想等问题,提出一种适用于Jetson TX2移动端部署的秸秆覆盖农田杂草检测方法。运用深度学习技术对玉米苗期杂草图像的高层语义信息进行提取与分析,构建玉米苗期杂草检测模型。在YOLO v5s模型的基础上,缩小网络模型宽度对其进行轻量化改进。为平衡模型检测速度和检测精度,采用TensorRT推理加速框架解析网络模型,融合推理网络中的维度张量,实现网络结构的重构与优化,减少模型运行时的算力需求。将模型迁移部署至Jetson TX2移动端平台,并对各模型进行训练测试。检测结果表明,轻量化改进YOLO v5ss、YOLO v5sm、YOLO v5sl模型的精确率分别为85.7%、94%、95.3%,检测速度分别为80、79.36、81.97 f/s,YOLO v5sl模型综合表现最佳。在Jetson TX2嵌入式端推理加速后,YOLO v5sl模型的检测精确率为93.6%,检测速度为28.33 f/s,比模型加速前提速77.8%,能够在保证检测精度的同时实现玉米苗期杂草目标的实时检测,为硬件资源有限的田间精准除草作业提供技术支撑。 展开更多
关键词 杂草检测 秸秆覆盖 YOLO v5s模型 Jetson TX2 模型迁移
下载PDF
基于YOLO v5s改进模型的玉米作物病虫害检测方法 被引量：3
8
作者 施杰 林双双 +3 位作者 罗建刚 杨琳琳 张毅杰 顾丽春 《江苏农业科学》 北大核心 2023年第24期175-183,共9页
针对玉米作物病虫害目标检测中由于图像背景复杂、无关因素干扰较多而导致的对病虫害目标检测效果不理想等问题,采用深度学习技术,提出一种基于YOLO v5s改进模型的玉米作物病虫害检测方法。该方法通过引入无参SimAM注意力机制对YOLO v5... 针对玉米作物病虫害目标检测中由于图像背景复杂、无关因素干扰较多而导致的对病虫害目标检测效果不理想等问题,采用深度学习技术,提出一种基于YOLO v5s改进模型的玉米作物病虫害检测方法。该方法通过引入无参SimAM注意力机制对YOLO v5s模型进行改进,利用该机制能更全面地评估模型特征权重,以增强玉米病虫害的特征,削弱复杂背景和无关信息的干扰,从而提高模型的检测性能。同时,将模型的损失函数由CIOU替换为EIOU,可使病虫害预测框更加接近真实框,以提升模型检测的准确率。通过自建的玉米病虫害数据集对模型进行试验对比,结果表明,YOLO v5s(EIOU+SimAM)改进模型的精确率为94.6%,召回率为83.4%,平均精度均值为90.1%。经比较发现,改进模型比原始模型在上述3个指标方面分别提升了5.4、0.5、1.9百分点,说明YOLO v5s(EIOU+SimAM)模型对玉米病虫害检测具有较强的鲁棒性和泛化性。 展开更多
关键词 玉米作物病虫害 YOLO v5s改进模型 注意力机制 EIOU 目标检测
下载PDF
基于深度学习的农场虫情检测算法研究及实现
9
作者 罗小娟 胡鹏昊 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期732-739,共8页
传统的病虫害防治手段需要消耗大量人力、物力,且达不到很高的精确度,为了更科学、高效地做好农场病虫害防治工作,本文结合深度学习技术和物联网技术研发了虫情检测系统进行病虫害的远程检测,提高防治工作的效率。该系统采用YOLO-v5网... 传统的病虫害防治手段需要消耗大量人力、物力,且达不到很高的精确度,为了更科学、高效地做好农场病虫害防治工作,本文结合深度学习技术和物联网技术研发了虫情检测系统进行病虫害的远程检测,提高防治工作的效率。该系统采用YOLO-v5网络模型,结合迁移学习,训练学习了林业常见害虫和农田常见害虫的特征,实现了高效的检测识别。基于物联网技术实现远程控制拍摄病虫害图像,并通过Wi-Fi传输到计算机端进行识别,通过可视化界面呈现出农田中虫害的种类和数量,对减少人力、物力消耗以及实现科学防虫具有良好的实际应用价值。 展开更多
关键词 农场虫情检测 深度学习 物联网技术 YOLO-v5网络模型 图像处理识别
下载PDF
已选择0条
导出题录 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
使用帮助 返回顶部