ASCxzx78696-CSDN博客

原创【深度学习应用】YOLOv8-SRFD：苹果腐烂检测与分级的创新实现

本文提出了一种基于YOLOv8-SRFD的苹果腐烂检测与分级系统，通过优化模型架构和训练策略，实现了高精度、实时的检测功能。关键创新包括：引入多尺度特征融合增强小目标检测能力，添加CBAM注意力机制聚焦缺陷区域，以及改进损失函数解决样本不平衡问题。实验结果表明，YOLOv8-SRFD在mAP@0.5指标上达到0.912，比原始YOLOv8提升3.3%，推理速度62FPS。该系统为水果加工提供了实用的自动化检测解决方案，能有效识别早期轻微腐烂，减少经济损失。

2026-01-08 09:45:16 988

原创纸箱实例分割：YOLO13与RFAConv优化实践

纸箱实例分割系统基于YOLOv13与RFAConv技术实现，通过多尺度特征融合和自适应注意力机制，显著提升检测精度。系统采用986张标注图像进行训练，结合Focal Loss解决类别不平衡问题，最终达到82.5%的mAP。经过ONNX量化优化后，模型体积减少60%，在边缘设备实现15FPS实时检测。该系统已成功应用于物流自动化分拣场景，在70%堆叠密度下仍保持85%准确率，有效提升了仓储管理效率。关键技术包括：1)YOLOv13的多尺度特征融合；2)RFAConv的自适应感受野机制；3)混合精度量化部署方案

2026-01-08 09:15:19 848

原创药品检测与识别_基于YOLOv8和SwinTransformer的目标检测模型_2

本文提出了一种基于YOLOv8和SwinTransformer的混合架构药品检测模型。该模型结合了YOLOv8的高效目标检测能力和SwinTransformer的全局特征提取优势，通过特征金字塔网络实现多尺度特征融合。实验结果表明，该模型在mAP@0.5指标上达到0.887，推理速度为38.5FPS，优于单一模型性能。研究还分析了相似药品混淆、严重遮挡等典型错误案例，为药品自动化检测提供了有效的技术方案。

2026-01-07 15:37:54 932

原创【农业病害检测】Yolo11-C3k2-ConvFormer实现番茄叶霉病识别系统

本文提出了一种基于改进YOLO11架构的番茄叶霉病智能检测系统。该系统融合C3k2模块和ConvFormer注意力机制，在保持实时检测能力的同时提高了精度。通过1200张图像的数据集训练，采用多种数据增强和优化策略，模型在测试集上达到96.2%的mAP@0.5，优于传统YOLO版本。系统支持PC端和移动端部署，经量化压缩和TensorRT优化后，在Jetson Nano上实现30FPS实时检测。实验表明该方法能有效识别番茄叶霉病，为精准农业提供技术支持。未来将针对早期病变和复杂背景进一步优化模型性能。

2026-01-04 16:43:19 880

原创基于YOLO11-ADown的滑坡灾害检测与识别系统

本文提出了一种基于YOLO11-ADown的滑坡灾害检测系统，通过结合YOLO11目标检测算法和ADown注意力机制，实现对滑坡区域的自动识别。系统采用模块化设计，包含数据采集、预处理、模型训练、评估和预测应用五大模块。利用高分辨率遥感影像构建数据集，并采用多种数据增强方法提高模型泛化能力。YOLO11-ADown模型通过CSP结构、Mosaic数据增强等技术优化性能，ADown注意力机制增强特征提取能力。系统评估采用精确率、召回率、F1分数和mAP等指标，为防灾减灾提供技术支持。该方案显著提高了滑坡检测的

2026-01-04 16:06:57 1124

原创【计算机视觉】基于YOLO11-AFPN的卫星图像智能识别：航空器、建筑设备与交通工具检测_P2345

本文提出了一种基于YOLO11-AFPN的卫星图像智能识别方法，针对航空器、建筑设备和交通工具检测任务进行优化。通过改进的AFPN-P2345特征融合网络，结合自适应权重调整和多路径特征融合策略，显著提升了模型对不同尺度目标的检测能力。实验表明，该方法在复杂卫星图像场景下实现了0.892的mAP@0.5精度，较基线模型提升4.5%，同时保持56FPS的实时处理速度。该技术在军事侦察、城市规划和灾害评估等领域具有重要应用价值，为地理空间情报自动化分析提供了高效解决方案。

2026-01-02 09:00:19 650

原创通用发票处理与关键信息识别：基于YOLOv5-P6的高效识别方案详解

摘要：本文提出一种基于YOLOv5-P6的通用发票识别方案，针对14类关键信息（如发票代码、金额、日期等）进行自动定位与识别。系统采用多尺度训练和优化策略，在精确率(92.3%)、召回率(89.7%)和mAP(95.2%)等指标上表现优异，处理速度达18.5FPS。该方案已成功应用于财务自动化、移动端采集等场景，通过图像预处理、模型量化和多尺度推理等技术实现高效部署。未来将探索端到端信息提取和跨语言支持等方向，进一步提升系统性能。

2026-01-02 08:21:12 741

原创睿智的草坪检测23YOLO11-C3k2-FFCM模型实现边界障碍物识别_1

本文介绍了基于23YOLO11-C3k2-FFCM模型的草坪边界障碍物智能检测方法。该模型融合YOLOv11特征提取能力和创新的C3k2-FFCM模块，通过k-means和模糊聚类的双分支结构提升检测精度5.3%并降低计算量12.7%。详细阐述了数据集构建、数据增强策略、模型配置及训练过程监控方法，使用TensorBoard可视化训练指标。测试结果显示模型在塑料垃圾等五类障碍物检测上表现优异，mAP@0.5达0.92以上，为智能草坪维护提供了高效解决方案。

2026-01-01 20:59:42 1554

原创基于YOLO11-Seg的管道泄漏检测系统实现

本文提出了一种基于YOLO11-Seg的管道泄漏检测系统。通过构建包含5000张管道图像的数据集，采用数据增强技术提高泛化能力。系统优化了YOLO11-Seg模型，引入CBAM注意力机制和多尺度训练策略，显著提升了小泄漏区域的检测精度。实验结果表明，该系统在精确率、召回率和F1值等指标上表现优异，能够有效识别不同工况下的管道泄漏问题，为工业管道安全监测提供了智能化解决方案。

2026-01-01 20:30:03 816

原创鸡只疾病检测与分类识别_fcos_r101_fpn模型实现

【摘要】本文介绍基于FCOS_R101_FPN模型的鸡只疾病检测系统，采用4732张YOLOv8格式标注的图像数据集，包含脚垫炎、传染性鼻炎、禽痘和健康鸡4个类别。模型使用ResNet-101骨干网络和FPN特征金字塔，通过渐进式训练策略优化性能。实验结果显示平均精度(mAP)达0.91，其中健康类别检测最佳(AP=0.95)。通过剪枝和8位量化技术，模型大小减少65-75%，推理速度提升2.5-3倍，mAP仅下降0.8-1.2个百分点。系统支持嵌入式设备和云端部署，为家禽养殖提供高效的自动化疾病检测解决方

2025-12-29 09:02:38 607

原创基于深度学习的鱼类新鲜度自动检测与病害识别系统研究

本文介绍了一套基于深度学习的鱼类新鲜度自动检测与病害识别系统。该系统采用高分辨率工业相机采集图像，通过预处理增强图像质量，并基于ResNet-50和YOLOv5构建了新鲜度检测和病害识别模型。数据集包含10,000张不同种类、新鲜度和病害的鱼类图像，采用分阶段训练策略优化模型性能。实验表明，该系统在测试集上达到92.3%的新鲜度分类准确率和89.5%的病害识别精度，处理速度为25ms/张，为水产养殖和加工提供了高效、准确的自动化检测解决方案。

2025-12-29 08:43:51 873

原创目标检测_YOLOv5-AFPN-P2345_行人摩托车识别系统

本文提出了一种基于改进YOLOv5算法的行人摩托车识别系统，通过引入AFPN特征金字塔网络、P2345结构和SE注意力机制，显著提升了检测精度。系统采用Vue+Flask框架实现，在自建数据集上测试表明，改进模型mAP@0.5达到0.862，比原始YOLOv5提升10.2%，同时保持105FPS的实时性能。消融实验验证了各改进模块的有效性，实际应用表明该系统适用于智能交通监控和自动驾驶等场景，为复杂交通环境下的目标检测提供了高效解决方案。

2025-12-28 21:11:00 973

原创基于YOLO11-C3k2-gConv的茶芽检测与识别系统实现

本文提出了一种基于改进YOLO11模型的茶芽检测系统YOLO11-C3k2-gConv，通过引入C3k2模块增强特征提取能力和gConv模块提升复杂背景鲁棒性。实验表明，该系统在2000张茶园图像数据集上达到0.912 mAP@0.5和92 FPS，优于主流检测模型。消融实验验证了关键模块的有效性，且对不同类别茶芽均保持良好检测性能。该系统实现了精度与速度的平衡，为茶叶智能化生产提供了可靠解决方案。

2025-12-28 20:40:45 935

原创【详细解读DETR，基于transformer的目标检测网络】DETR： End-to-End Object Detection with Transformers

本文详细介绍了Transformer和DETR模型的结构与原理。Transformer的核心模块包括多头自注意力机制、残差连接与层归一化（Add+LayerNorm）以及前馈网络（FFN）。DETR是基于Transformer的目标检测模型，通过CNN提取图像特征后，使用Transformer编码器-解码器结构预测固定数量的目标类别和位置。DETR的关键创新包括二维空间位置编码、无mask注意力机制以及通过匈牙利算法直接匹配预测框与真实框，从而避免了传统NMS后处理。实验表明，DETR特别适合大物体检测，其

2025-11-27 16:25:40 570

ASCxzx78696的博客