2501_94133706-CSDN博客

原创【船舶腐蚀缺陷检测】基于YOLO11-C3k2-MogaBlock的智能检测系统实现与优化_2

本文提出了一种基于改进YOLO11架构的船舶腐蚀缺陷智能检测系统，通过引入C3k2模块和MogaBlock注意力机制，显著提升了检测精度。系统采用多尺度特征融合和优化的损失函数设计，在自建船舶腐蚀数据集上达到90.1%的mAP@0.5，检测速度30FPS。经过轻量化优化后，模型参数量减少65%，适合边缘设备部署。实际应用表明，该系统检测效率比人工提高5倍以上，准确率达92%。未来将进一步结合3D视觉和红外技术，完善腐蚀预测功能，为船舶安全维护提供更智能的解决方案。

2026-01-30 11:59:09 744

原创蓝莓成熟度自动检测与分类_基于YOLO11-C3k2-AdditiveBlock-CGLU的深度学习实现

本研究提出了一种基于改进YOLO11算法的蓝莓成熟度自动检测系统（C3k2-AdditiveBlock-CGLU-YOLO11）。实验表明，该算法在mAP@0.5指标上达到0.941，较原始YOLO11提升5.38%，定位误差降低20.37%，FPS保持在38帧/秒。通过引入C3k2模块、AdditiveBlock模块和CGLU注意力机制，显著提升了特征提取和表达能力。消融实验验证了各模块的有效性，其中CGLU注意力机制在多种注意力机制对比中表现最优。该系统对不同成熟度蓝莓（成熟、半成熟、未成熟）均具有良好

2026-01-30 11:19:10 953

原创泡沫检测与识别_YOLOv8_MobileNetV4改进方案

本文提出了一种基于YOLOv8和MobileNetV4的改进泡沫检测算法，通过特征融合优化、注意力机制增强和损失函数改进等策略，在保持较高检测速度的同时显著提高了检测精度。实验结果表明，改进模型在自建泡沫数据集上取得了89.1%的mAP@0.5，比原始YOLOv8提高了4.9个百分点，同时参数量减少了69%，为泡沫检测任务提供了一种高效、准确的解决方案。🌊在实际应用中，改进模型已成功部署在工业现场设备上，实现了实时泡沫监测。

2026-01-30 10:45:02 837

原创 YOLO11-C3k2-RAB改进模型在航拍军事目标检测中的应用与实现

本文提出了一种基于YOLO11的改进模型YOLO11-C3k2-RAB，通过引入C3k2模块和RAB注意力机制，显著提升了航拍军事目标检测的性能。实验结果表明，改进模型在mAP、召回率和精确度等指标上均优于原版YOLO11和其他主流算法，特别是在小目标检测和复杂背景区分方面表现突出。未来，我们将继续优化模型结构，探索更高效的注意力机制和特征融合方法，进一步提升检测精度和推理速度。同时，我们也将致力于将改进模型部署到实际系统中，为国防安全提供更强大的技术支持。

2026-01-30 10:20:15 834

原创基于YOLO11-C3k2-DeepDBB的台球目标检测与识别系统详解

本文针对台球检测中的小目标、遮挡和复杂背景等问题，提出了一种基于改进C3k2-DeepDBB结构的YOLOv11台球检测算法。通过引入深度双分支结构、优化颈网络、设计专用损失函数和注意力机制，显著提升了模型的检测精度和鲁棒性。实验结果表明，改进后的算法在mAP@0.5指标上达到89.19%，比原始YOLOv11提高了3.87个百分点，同时保持了38.7FPS的实时检测速度。多模态信息融合：结合视觉和声音信息，提高系统在复杂环境下的鲁棒性。3D检测技术。

2026-01-30 09:46:17 1077

原创【卫星遥感】YOLO11-C3k2-SFA太阳能电池板检测详解

本文详细介绍了基于YOLO11-C3k2-SFA的太阳能电池板检测模型。针对现有太阳能电池板检测中存在的复杂光照条件、小目标检测等问题，提出了改进的C3k2模块和SFA空间特征聚合模块。通过数据增强、学习率调度等优化策略，模型在测试集上达到92.3%的平均精度。文章还详细阐述了模型转换至ONNX格式的过程，并提供了ONNX Runtime的环境配置和模型部署方法，为太阳能电池板检测的实际应用提供了完整解决方案。

2026-01-29 18:10:33 634

原创基于YOLOv5的牙齿脱色识别与精准定位系统创新实现

本文提出了一种基于YOLOv5的牙齿脱色识别与精准定位系统。通过引入自适应注意力模块(AAM)和改进损失函数设计，显著提升了模型在复杂口腔环境下的检测性能。实验结果表明，该系统mAP达到89.7%，比基线模型提高5.2个百分点，尤其在召回率方面表现突出。研究还进行了模型轻量化探索，使模型大小缩减至1/5，推理速度提高3倍，同时保持85.2%的mAP。该系统可辅助牙医进行精准诊断，未来可扩展应用于口腔健康评估系统。

2026-01-29 17:37:16 606

原创教室环境物体检测与识别实战：基于YOLOv10n-Goldyolo的高效检测方案

本文提出了一种基于YOLOv10n-Goldyolo的教室环境物体检测方案，针对教室场景下物体种类多、分布复杂、光照变化大等特点，通过改进模型架构和训练策略，实现了高效检测。实验表明，该系统在测试集上达到92.3%的mAP@0.5，推理速度45FPS，优于主流检测算法。文章详细介绍了数据集准备、模型架构优化及训练策略，为智慧校园建设提供了实用的技术解决方案。

2026-01-29 17:03:42 671

原创如何使用YOLOv5-MultiSEAMHead实现露天矿与尾矿坝的自动化目标检测与定位

本文提出了一种基于YOLOv5-MultiSEAMHead模型的露天矿与尾矿坝自动化目标检测方法。通过在YOLOv5框架中引入多尺度注意力机制模块（MultiSEAMHead），显著提升了模型在复杂矿区环境下的检测性能，特别是对小目标的识别精度。研究采集了包含15,000张图像的数据集，覆盖多种天气条件和目标类型。实验结果表明，改进后的模型mAP达到89.6%，比原版YOLOv5提升7.3个百分点，同时在白天、夜晚等不同场景下均保持良好性能。该方法为矿区安全管理提供了高效的自动化监测解决方案。

2026-01-20 14:05:10 684

原创霉菌叶片识别 _ 基于YOLOv5-HSPAN模型的叶片霉菌检测系统完整实现_2

本文提出了一种基于改进YOLOv5-HSPAN模型的叶片霉菌检测系统。通过引入空间注意力机制和位置感知特征提取模块，显著提升了模型对叶片霉菌区域的检测精度。系统采用模块化设计，包含数据采集、预处理、检测和可视化等模块，并应用量化、剪枝和TensorRT加速等优化技术，将推理时间从45.2ms降低至12.6ms。实验结果表明，该系统在不同光照条件下均能保持较高性能，mAP达到89.3%，优于传统目标检测模型。该系统为农业生产提供了高效的病害监测解决方案，具有实际应用价值。

2026-01-20 13:34:15 706

原创茄子病害检测识别：基于Mask-RCNN和RegNetX模型的完整实现指南

在现代农业中，茄子作为一种重要的经济作物，其健康生长直接影响着农民的收益。然而，茄子在生长过程中容易受到各种病害的侵袭，如早疫病、晚疫病、褐纹病等，这些病害若不能及时发现和处理，将严重影响茄子的产量和品质。传统的病害检测方法主要依靠人工经验，存在效率低、主观性强、难以大规模应用等问题。近年来，随着深度学习技术的发展，基于计算机视觉的作物病害检测方法应运而生，为解决这一难题提供了新的思路。本文将详细介绍如何使用Mask R-CNN和RegNetX模型构建一个茄子病害检测识别系统，从数据准备、模型训练到实际部署

2026-01-16 11:46:29 682

原创耳部疾病图像识别与分类：基于FreeAnchor与X101模型的实现

本文提出了一种基于FreeAnchor与X101模型的耳部疾病图像识别方法。该方法通过动态生成锚框（FreeAnchor）与高效特征提取（X101）相结合，在公开数据集上实现了85.7%的mAP@0.5准确率，显著优于传统模型。实验表明该组合模型在保持高效推理（40ms/张）的同时，对光照变化和设备差异具有较强鲁棒性。研究为基层医疗机构提供了一种高效的耳部疾病自动筛查方案，未来可部署于移动设备实现远程诊断，提升医疗服务的可及性。

2026-01-16 11:12:46 697

原创【深度学习】使用YOLO11-SEAMHead实现罗勒幼苗生长状态识别与分类

本文提出了一种基于改进YOLOV11模型的罗勒幼苗生长状态识别方法。通过引入SEAM注意力机制和优化特征融合结构，显著提升了模型对小目标的检测性能。实验结果表明，改进后的YOLOV11-SEAMHead模型在mAP@0.5指标上达到92.3%，比原始模型提升4.7个百分点，推理时间仅15ms。消融实验验证了各改进模块的有效性。该系统已成功应用于田间实时检测，准确率达95.2%，效率是人工检测的15倍以上。未来可进一步扩展至其他作物幼苗检测，为精准农业提供技术支持。

2025-12-19 11:33:30 1179

原创铁路隧道场景中多轨道识别与分类：基于YOLOv3-Tiny的智能检测系统详解_1

本文提出了一种基于YOLOv3-Tiny的铁路隧道多轨道智能检测系统。该系统采用模块化设计，包含数据采集、图像预处理、目标检测和后处理等模块。针对铁路隧道场景特点，对YOLOv3-Tiny网络进行优化，包括特征融合增强、损失函数改进和锚框优化。通过构建5000张标注图像的数据集，采用多种数据增强技术提升模型泛化能力。实验结果表明，该系统能在边缘设备上实现实时检测，准确识别轨道状态。模型量化和剪枝技术使模型体积压缩60%，满足实际部署需求。该系统为铁路隧道安全监测提供了高效的智能化解决方案。

2025-12-16 14:07:11 816

原创基于YOLOv8的七段数码管数字识别：电子设备显示屏检测与分类实战

本文介绍了基于YOLOv8的七段数码管数字识别技术，详细阐述了从数据集准备到模型部署的全过程。通过深度学习模型自动识别电子设备显示屏上的数字，相比传统方法具有自动学习特征、处理复杂场景等优势。文章重点讲解了数据增强、标注格式、模型训练配置、评估指标计算等关键技术，并比较了不同部署方案的适用场景。最后通过数字仪表盘读取系统的案例分析，展示了该技术的实际应用价值。该技术可扩展至各类显示屏识别，在工业自动化、智能监控等领域具有广阔应用前景。

2025-12-16 13:27:37 1201

原创城市道路违停车辆车牌识别yolov10n-MBSMFFPN模型优化实战

本文介绍了基于YOLOv10n优化的城市道路违停车辆车牌识别系统。作者设计了MBSMFFPN（多尺度边界特征融合金字塔网络）架构，通过多尺度特征融合和边界感知机制显著提升了车牌识别准确率（mAP提升5.1%）。实验表明，优化后的模型在保持较高推理速度（42FPS）的同时，识别准确率达到0.893。文章详细阐述了模型架构、数据集构建、训练优化策略（包括多任务损失函数和余弦退火学习率调度）以及部署时的量化优化技术。该系统已成功应用于智能停车管理系统，实现95%以上的检测准确率。未来计划引入注意力机制和更轻量化结

2025-12-14 11:11:39 975

原创基于YOLOv8的海下几何形状垃圾识别与分类系统_改进版LSCD-LQE算法_2

本文提出了一种基于改进版YOLOv8的海下几何形状垃圾检测系统，通过引入LSCD双注意力检测头和LQE量化评估机制，显著提升了算法在复杂水下环境中的检测性能。实验表明，该方法在自建数据集上达到85.6%的mAP，相比原始YOLOv8提升7.4个百分点，同时保持15FPS的实时性。系统已成功应用于海洋垃圾清理、海底考古等场景，在5-20米水深范围内实现85%以上的检测准确率。未来将探索多模态融合和3D检测等方向，进一步提升系统性能。

2025-12-14 10:42:13 1549

原创基于YOLO11-SEG-AIFI的仪表指针位置识别与读取系统_1

本文提出了一种基于改进YOLO11-SEG-AIFI算法的仪表指针识别系统，通过目标检测与实例分割技术实现高精度仪表读数。系统采用AIFI注意力机制和多尺度特征融合优化指针识别性能，在7738张仪表图像数据集上训练验证，测试结果显示其mAP@0.5达0.923，推理速度9.8ms，显著优于传统算法。该系统已成功应用于电力巡检、汽车检测等工业场景，支持PC端、嵌入式及云端部署。未来将优化轻量化网络结构并扩展数字仪表识别功能，为工业自动化提供更高效的解决方案。

2025-12-13 17:39:12 885

原创基于YOLO11-C3k2-MambaOut-FDConv的汗宫建筑检测与识别技术

本文提出了一种基于YOLO11-C3k2-MambaOut-FDConv的汗宫建筑检测方法，通过创新的模型架构实现了高效精准的历史建筑识别。该方法在C3k2模块、MambaOut注意力机制和FDConv卷积设计等方面进行了优化，在WekiXanSaryi数据集上达到85.6%的mAP@0.5，推理速度45FPS。实验表明该模型在文化遗产保护、数字化档案建设和智能导览等场景具有良好应用价值。通过量化压缩和知识蒸馏技术，模型可部署于边缘设备，为历史建筑保护提供智能化解决方案。

2025-12-11 09:17:32 1029

原创【Python】水位测量与水体识别技术实现，基于Cascade R-CNN模型详解_1

本文介绍了基于Cascade R-CNN的水位测量与水体识别技术实现。针对传统水位测量方法成本高、实时性差的问题，提出了一种改进的深度学习方案。详细阐述了数据采集与增强方法、网络架构设计、多任务损失函数和训练策略。实验结果表明，改进后的Cascade R-CNN模型在mAP、IoU等指标上显著优于基准方法，水位线定位误差降至2.8mm。该技术为水利工程和环境监测提供了高效、低成本的非接触式解决方案。

2025-12-11 08:41:58 761

原创轮胎品牌型号识别与分类——基于改进的solov2_r101-dcn_fpn_ms-3x_coco模型详解

本文提出了一种基于改进的solov2_r101-dcn_fpn_ms-3x_coco模型的轮胎品牌型号识别与分类方法。通过引入可变形卷积网络和优化SOLOv2算法，我们的方法在轮胎识别任务上取得了优异的性能，mAP达到91.2%，同时保持了较快的推理速度。实验结果表明，我们的方法在处理不同光照、角度和状态的轮胎图像时具有较强的鲁棒性，能够满足实际工业应用的需求。轻量化模型设计：研究模型压缩技术，进一步减少模型大小和计算量，使其更适合部署在资源受限的边缘设备上。多模态信息融合。

2025-12-08 15:36:08 698

原创水果种类识别与检测_YOLOv8与SwinTransformer结合实现水果图像识别_1

本文提出了一种结合YOLOv8目标检测和SwinTransformer分类的水果识别系统。通过双阶段架构设计，系统先定位水果区域再进行精细分类，在包含10种水果的数据集上取得93%的mAP和94%的分类准确率。实验结果表明，该方法在保持35FPS实时性能的同时，能有效识别不同种类水果。系统可应用于智能零售、农业自动化等场景，具有较高的实用价值。

2025-12-08 14:54:34 747

原创【深度学习实战】基于YOLO13-C3K2-RCB的零售商品货架检测与分类系统_Ariel_Boost_酥油_Harpic_食用油_腌制食品_茶叶七类商品识别详解

本文提出了一种基于改进YOLO13-C3K2-RCB架构的零售商品货架检测与分类系统。该系统针对Ariel洗涤剂、Boost营养饮品等7类商品进行检测，通过C3K2_RCB模块和RepConvBlock重参数化技术优化模型性能。实验表明，该模型在mAP指标上达到0.823，比YOLOv8s提升4.3%，同时保持42FPS的实时检测速度。系统采用边缘计算与云计算相结合的部署方案，实现了商品缺货检测、货架管理等零售自动化功能，为零售行业提供了高效准确的智能解决方案。

2025-12-05 08:37:41 682

原创 YOLO11-SEG-CSP-EDLAN交通标志检测详解：实时识别系统架构与优化实现

本文详细介绍了YOLO11-SEG-CSP-EDLAN模型在实时交通标志检测中的应用。该模型融合CSP结构、EDLAN注意力机制和分割分支，在TT100K数据集上达到89.8%的mAP和45FPS的检测速度。通过多尺度特征融合、轻量化设计和TensorRT加速等优化，模型兼具高精度与实时性，已成功应用于智能交通监控和嵌入式设备部署。实验表明，相比YOLOv7，该模型mAP提升2.2个百分点，同时保持更快的推理速度，为自动驾驶和交通管理提供了有效的技术支持。

2025-12-05 08:12:03 839

原创 YOLOv8-SEAMHead汽车损伤检测与识别：技术实现与应用分析_2

本文提出一种基于YOLOv8框架的汽车损伤检测模型，结合SEAM注意力机制优化检测头设计。模型采用CSPDarknet骨干网络和PANet特征金字塔结构，引入空间与通道注意力增强损伤特征表示。通过解耦检测头和分布焦点损失函数，提升小损伤检测精度。实验表明该方法在保持实时性的同时显著提升检测性能，适用于智能维修和保险定损等场景。模型架构创新包括轻量化Backbone、多尺度特征融合和注意力机制，能有效识别车辆表面的划痕、凹陷等损伤。

2025-12-04 19:22:33 1058 1

原创桨式光传感器设备识别与状态检测：基于RetinaNet-EffB3-FPN模型实现

本文提出了一种基于RetinaNet-EffB3-FPN模型的桨式光传感器设备识别与状态检测方法。该系统采用EfficientNet-B3作为骨干网络，结合FPN进行多尺度特征融合，能够有效识别工业场景中的桨式光传感器并判断其运行状态。项目构建了包含5000张标注图像的数据集，采用多种数据增强技术提升模型泛化能力。训练过程使用Focal Loss和Smooth L1 Loss，采用两阶段训练策略。该方案解决了传统人工巡检效率低下的问题，实现了设备状态的实时自动检测，适用于液体流量监测、液位控制等工业自动化场

2025-12-03 09:22:56 1028

2501_94133706的博客