DASD123YTasad-CSDN博客

原创 YOLOv5改进YOLO-Goldyolo焊接缺陷检测与分类任务详解：焊接质量评估与质量控制自动化方案

本数据集名为焊接温度数据集(welding-temp-02)，采用YOLOv8格式标注，包含四个主要类别：‘bad’、‘crack’、‘good’和’pores’，分别代表焊接质量不良、裂纹、良好焊接和气孔四种焊接缺陷类型。数据集按照标准划分为训练集、验证集和测试集三部分，采用CC BY 4.0许可证授权。该数据集通过采集半自动电弧焊(MIG焊接)过程中的焊接图像构建，旨在解决焊接质量检测中的自动化问题。数据集的构建为开发基于深度学习的焊接缺陷检测算法提供了基础，有助于提高焊接质量评估的效率和准确性，减少人

2026-01-13 01:46:15 653

原创焊接缺陷检测与分类_YOLOv5改进_GFPN网络应用研究

本文提出了一种改进YOLOv5结合GFPN网络的焊接缺陷检测方法。通过引入分组特征金字塔网络(GFPN)，增强了模型对多尺度焊接缺陷的检测能力。GFPN采用分组卷积和自适应特征融合策略，有效提升了微小气孔和大面积未焊透等缺陷的识别准确率。研究使用包含4100张焊接缺陷图像的数据集进行验证，结果表明该方法在保持实时性的同时显著提高了检测精度。改进的YOLOv5-GFPN模型通过轻量化C3模块优化了计算效率，为工业焊接质量自动化检测提供了可靠解决方案。

2026-01-13 00:10:45 812

原创农田杂草识别与分类：基于YOLOv11-ReCalibrationFPN-P3456的智能检测系统

摘要本研究提出了一种基于改进YOLOv11的农田杂草智能检测系统YOLOv11-ReCalibrationFPN-P3456，通过引入ReCalibrationFPN结构和多种优化策略提升检测性能。系统采用轻量化C3Ghost模块减少23.5%参数量，改进的ReCalibrationFPN结构增强多尺度特征处理能力，结合自适应特征注意力模块(AFAM)动态调整特征权重，并优化损失函数解决样本不平衡问题。实验表明，该算法在自建杂草数据集上达到89.3% mAP@0.5，较原始YOLOv11提升9.46%，同

2026-01-12 21:09:06 829

原创水体类型识别与定位实战：基于RetinaNet的湖泊河流海洋遥感图像检测_2

本文探讨了基于RetinaNet算法的遥感图像水体检测方法及其改进方案。针对水体检测面临的边界模糊、类型差异大等挑战，提出了自适应特征融合模块(AFFM)和跨尺度特征增强模块(CFEM)来优化特征金字塔网络，并改进了损失函数（自适应Focal Loss和多尺度加权损失）。实验表明，改进后的模型mAP达到82.7，小水体检测精度提升9.4个百分点。该方法已成功应用于城市河流污染监测、水库水位监测和洪涝灾害评估等场景。未来将探索引入光谱特征、时序分析和轻量化模型等方向。

2026-01-12 19:40:57 953

原创膝关节滑膜前后部磁共振图像识别·YOLO11-C3k2-SHSA-EPGO-CGLU算法改进原创

本文提出了一种改进的YOLO11算法（YOLO11-C3k2-SHSA-EPGO-CGLU）用于膝关节滑膜MR图像识别。针对医学影像低对比度、边界模糊的特点，算法引入C3k2模块增强特征提取，SHSA注意力机制突出关键特征，EPGO优化策略加速收敛，以及CGLU激活函数提升非线性表达能力。实验结果表明，改进算法在膝关节滑膜识别任务中mAP达到0.946，较原始YOLO11提升7.2%，显著优于现有方法。该算法为关节炎等疾病的早期诊断提供了有效的计算机辅助工具。

2026-01-09 13:06:08 979

原创 YOLO11实战：坏蛋检测与分类系统_1

YOLO11是目标检测领域的一个里程碑式进展，它在保持高精度的同时，大幅提升了推理速度。与传统检测方法不同，YOLO11采用单阶段检测方式，直接从图像中预测边界框和类别概率，无需复杂的后处理步骤。🚀Backbone网络：负责提取图像特征Neck网络：融合不同层次的特征信息Head网络：预测目标的位置和类别这种结构设计使得YOLO11能够在各种复杂场景下保持稳定的检测性能。特别是在我们的坏蛋检测系统中，YOLO11的这种多尺度特征融合能力能够帮助我们更好地捕捉不同大小和形状的目标。🎯。

2026-01-09 12:24:19 1038

原创 YOLOv8-LSDECD 口罩佩戴检测详解

摘要 YOLOv8-LSDECD是一种专为口罩佩戴检测优化的轻量级目标检测模型，基于YOLOv8架构改进，结合了轻量化设计、小目标检测增强和精确分类能力。该模型在COCO口罩子集上达到92.5%的mAP，推理速度达120 FPS（V100 GPU），适用于边缘设备部署。核心创新包括：轻量化骨干网络：采用GhostC2f模块减少40%参数量，保持特征提取能力。小目标检测增强层：通过注意力机制提升浅层特征，显著改善小目标（<32×32像素）检测精度。精确分类分支：细粒度分类口罩佩戴状态（正确/错误/

2026-01-06 14:13:53 1056

原创越南语OCR实战：基于YOLOv8和EfficientViT的字符识别系统

摘要：本文提出了一种基于YOLOv8和EfficientViT的越南语OCR系统，解决了越南语字符结构复杂（含声调符号）、变体多样等识别难题。系统采用两阶段架构：改进的YOLOv8用于文本检测（增强小目标识别和注意力机制），优化的EfficientViT用于字符分类（新增声调感知模块）。通过多任务损失函数和针对性数据增强策略，在自建数据集上实现了显著优于传统方法的性能（字符准确率85.3%→提升约7%），尤其声调识别准确率达86.5%，兼顾了精度与实时性需求（推理速度95ms）。该系统为越南语数字化提供了

2026-01-06 13:25:27 888

原创基于YOLOv10n-MBSMFFPN的袋鼠与沙袋鼠图像识别与检测教程_1

本文提出了一种基于改进YOLOv10n模型的袋鼠与沙袋鼠图像识别方法，通过引入多分支多尺度特征融合金字塔网络(MBSMFFPN)模块，显著提升了检测性能。实验结果显示，该方法在测试集上达到92.5%的mAP，比基线模型提升3.2个百分点，特别是在小目标和遮挡情况下的检测效果突出。系统可部署于野外监控设备，实现15FPS的实时检测，为野生动物保护提供高效的技术支持。未来可扩展至多物种识别和3D姿态估计等研究方向。

2026-01-04 10:52:37 745

原创基于SAR图像的舰船目标检测YOLO11分割与RetBlock改进算法实现_1

本文提出了一种基于RetBlock改进的YOLOv11舰船目标检测算法，针对SAR图像中舰船检测面临的尺度变化大、形态多样和背景复杂等挑战。通过设计包含多尺度并行分支、自适应特征重加权和跨尺度特征融合的RetBlock模块，优化特征提取网络和多尺度特征融合机制，显著提升了检测性能。实验表明，改进算法在mAP@0.5（86.7%）、小目标检测（82.1%）和虚警率（4.3%）方面优于主流算法，同时保持实时检测能力（58FPS）。该算法已成功应用于海洋监测、渔业管理和国防安全等领域。

2026-01-04 10:31:28 780

原创 YOLO13-C3k2-RFCAConv家具目标检测模型优化_椅子沙发桌子识别

本文提出了一种改进的YOLOv13家具目标检测模型，通过引入C3k2模块和RFCAConv注意力机制，显著提升了椅子、沙发和桌子的识别精度。实验结果表明，该模型在自建数据集上达到86.7%的mAP，比基准YOLOv13提升8.5个百分点，同时保持41FPS的实时检测速度。消融实验验证了各改进模块的有效性，可视化结果展示了模型在复杂场景下的鲁棒性。该研究为智能家居和室内设计等应用提供了高效准确的家具检测解决方案。

2026-01-01 16:49:55 650

原创【深度学习】基于改进Grid-R-CNN的香梨新鲜度检测系统_2

本文提出了一种基于改进Grid-R-CNN的香梨新鲜度检测系统。针对传统目标检测算法在小水果检测中的不足，通过优化网格点融合机制和损失函数，显著提升了检测精度。系统采用多阶段训练策略，结合颜色、纹理等多特征融合方法评估新鲜度。实验结果表明，改进算法在mAP指标上提升3.4%，小目标检测AP提高6.7%，新鲜度评估准确率达89.3%。该系统为水果品质自动化检测提供了有效解决方案，具有较高的实用价值。

2026-01-01 16:13:24 959

原创 YOLO11改进版MAFPN架构：织物后整理缺陷检测与分类系统显著提升检测性能小目标缺陷检测必备

本文提出了一种基于改进YOLO11-MAFPN架构的织物缺陷检测系统，通过引入通道和空间注意力机制，显著提升了小目标缺陷检测性能。实验表明，该方法在织物缺陷检测任务上mAP达到89.8%，小目标检测AP提升14.3个百分点，同时保持了14.2ms/张的实时处理速度。系统已成功应用于工业生产线，实现了对污渍、破洞等5类缺陷的高精度检测与分类，分类准确率达92.3%。该研究为复杂纹理背景下的小目标缺陷检测提供了有效解决方案。

2025-12-29 12:40:43 1168

原创睿智的溺水者检测系统_基于YOLOv8与CGA融合算法的智能识别平台

本文提出了一种基于YOLOv8与CGA融合算法的智能溺水检测系统。针对传统人工监控效率低、漏检率高的问题，该系统通过引入上下文引导注意力机制（CGA）增强YOLOv8的特征提取能力，有效提升了复杂水域场景下的检测精度。研究构建了包含10,000张图像的多场景数据集，采用多种数据增强技术提高模型鲁棒性。实验结果表明，融合算法在mAP指标上比原始YOLOv8提升5.3%，达到92.0%的检测精度，同时保持48FPS的实时性能。该系统部署于边缘计算设备，可实现低延迟溺水检测，为水域安全管理提供了智能化解决方案。

2025-12-29 12:09:46 1528

原创 2025高通人工智能创新大赛垃圾分类赛题总结

2021年高通人工智能创新大赛垃圾分类赛题中，参赛团队最终获得第十名（62%准确率），未能晋级决赛。团队主要从数据增强和模型优化两方面进行改进：针对类别不均衡问题，采用过采样方法对少数类样本进行扩增；在数据增强方面应用了随机裁剪、水平翻转等变换。模型选择上尝试了EfficientNet和ResNet等架构，并调整了batch size、epoch等超参数。尽管采取了多项优化措施，但与第一名86%的准确率相比仍存在较大差距，反映出在模型选择和参数调优方面尚有改进空间。

2025-10-03 11:29:44 696