2501_94225983-CSDN博客

原创基于YoloV8的火箭目标检测改进方法_自研图注意力机制融合图卷积模块

本文提出了一种改进YOLOV8的火箭目标检测算法，通过融合自研图注意力机制和图卷积模块提升检测性能。算法在骨干网络中引入注意力机制增强特征提取能力，设计自适应加权融合和跨尺度注意力模块优化特征金字塔结构。实验结果表明，改进算法在自建数据集上mAP@0.5和mAP@0.5:0.95分别达到0.923和0.812，较原始YOLOV8提升5.4%和6.9%，同时保持58FPS的实时检测速度。消融实验验证了各模块的有效性，特别是在复杂背景和烟雾干扰场景下表现出更强的鲁棒性。该算法可满足航天发射监测等应用对高精度实时

2026-01-09 08:55:25 580

原创【深度学习】基于YOLOv8-StarNet的交通标志检测与识别系统详解

交通标志检测系统研究摘要本文详细介绍了一种基于YOLOv8-StarNet的交通标志检测与识别系统。该系统针对自动驾驶和智能交通管理需求，结合YOLOv8的高效检测能力和StarNet注意力机制，显著提升了复杂环境下的检测准确率。文章阐述了模型架构创新点，包括StarNet注意力模块的嵌入设计，并详细介绍了包含中国交通标志的CCTSDB数据集及其预处理策略。系统采用多任务损失函数和多种优化训练策略，最终模型大小约100MB，在嵌入式设备上可实现30FPS实时检测。性能评估显示，该系统在准确率和处理速度方面

2026-01-09 08:36:57 1015

原创【目标检测】YOLO12实现骑乘人员头盔检测与装备识别：DySample与ASF技术优化

本文介绍了一种基于YOLO12的骑乘人员头盔检测与装备识别系统，结合DySample动态采样和ASF自适应特征融合技术进行优化。研究构建了包含10,000张图像的自建数据集，涵盖多种骑乘场景和装备类型。实验结果表明，该系统在NVIDIA RTX 3090平台上训练300轮后，mAP@0.5达到90.2%，相比基线模型提升4.3个百分点。通过TensorRT加速部署，系统可在边缘设备实现30+FPS的实时检测。实际应用中，该系统显著提升了安全违规发现率，降低了安全事故风险。未来研究将探索更多注意力机制和跨域适

2026-01-08 19:02:58 912

原创 [机械视觉检测] YOLO11-CSP-PTB在机械零件检测中的应用_1

本文提出了一种改进的YOLO11-CSP-PTB算法，用于机械零件自动化检测。该算法结合CSP网络结构和PTB模块，通过优化特征融合策略和引入形状感知损失函数，显著提升了检测精度。实验结果表明，在包含10类机械零件的5000张图像数据集上，YOLO11-CSP-PTB达到89.2%的mAP，比YOLOv8提高3.5个百分点，尤其在光照变化、遮挡等复杂场景下表现出更强的鲁棒性。算法改进包括：1）引入门控机制的自适应特征融合模块，小目标检测精度提升3.7%；2）设计形状感知损失函数，边界框回归精度提高2.8%；

2026-01-05 10:29:42 926

原创基于改进YOLO11-C3k2-MLCA的芒果果面缺陷检测与分类系统_1

摘要本研究提出了一种基于改进YOLO11-C3k2-MLCA的芒果果面缺陷检测系统，通过优化网络结构和引入注意力机制提升检测性能。系统采用包含5000张芒果图像的数据集，涵盖6种常见缺陷类型。核心创新点包括：1）设计C3k2模块结合可变形卷积增强特征表达能力；2）引入多尺度局部上下文注意力机制(MLCA)提升缺陷区域敏感度；3）采用针对性数据增强策略解决样本不均衡问题。实验结果表明，改进模型在mAP@0.5指标上达到92.3%，比原始YOLO11提升4.7个百分点，同时保持30FPS的实时处理能力。该系统

2026-01-05 09:58:22 715

原创 YOLO13-C3k2-DRB改进：高速公路汽车卡车目标检测与分类算法详解

本文提出改进的YOLO13-C3k2-DRB算法，针对高速公路场景下的车辆检测任务进行优化。通过设计C3k2模块（融合空洞卷积与注意力机制）和DRB模块（动态调整感受野），显著提升了小目标检测性能。实验显示，该算法在mAP指标上比原始YOLOv13提高5.4个百分点，达到87.6%，同时保持42FPS的实时性能。消融实验验证了各改进模块的有效性，实际部署测试表明算法在智能交通监控和无人驾驶感知系统中表现优异，具有较好的工程应用价值。

2025-11-13 13:48:51 1131

原创基于深度学习的酒精检测仪数字识别与检测系统

我们的酒精检测仪数字识别与检测系统主要包含三个核心模块：图像采集、数字识别和酒精含量判断。系统采用深度学习模型，特别是改进的YOLOv5算法，实现了高精度的数字识别和检测。通过摄像头采集酒精检测仪的实时图像对图像进行预处理，提高识别精度使用深度学习模型检测并识别数字显示区域提取数字并进行识别，计算酒精含量判断酒精含量是否超标，给出相应提示整个系统实现了从图像采集到结果输出的全流程自动化，大大提高了酒精检测的效率和准确性！🎯。

2025-11-13 13:07:38 157

2501_94225983的博客