- 博客(132)
- 收藏
- 关注
RSS订阅原创 基于YOLOv10n-BIMAFPN的蝗虫与蚱蜢目标检测系统
本文提出了一种基于YOLOv10n-BIMAFPN的蝗虫与蚱蜢目标检测系统，通过轻量化网络结构和改进特征融合机制，有效提升了检测性能。系统采用双边多特征注意力特征金字塔网络(BIMAFPN)增强多尺度特征提取能力，并优化损失函数以提升小型目标检测精度。实验结果表明，改进算法在mAP@0.5指标上达到92.6%，同时保持45.3 FPS的实时检测速度。该系统适用于农业害虫监测领域，在复杂自然环境下表现出优越的检测性能。
2026-02-22 22:22:53
744
原创 YOLOv11-C3k2-RFAConv在工业控制面板按钮检测与识别中的应用
本文提出了一种改进的YOLOv11-C3k2-RFAConv模型，用于工业控制面板按钮检测任务。该模型通过引入C3k2特征融合模块和RFAConv卷积结构，有效提升了检测精度。实验结果表明，在769张工业控制面板图像数据集上，该模型mAP@0.5达到0.952，优于YOLOv5s、YOLOv7-tiny等对比模型。消融实验证实C3k2和RFAConv模块具有协同效应，能显著提升检测性能。该模型在复杂光照和背景下仍保持稳定表现，已成功应用于工业场景，实现了对控制面板按钮状态的实时监测。
2026-02-22 20:39:57
953
原创 植物叶片病害检测与分割：基于YOLO11-seg-RVB的深度学习实现
本文详细介绍了基于YOLO11-seg-RVB的植物叶片病害检测与分割方法。通过多特征融合和轻量化设计，我们的模型在保持高精度的同时实现了较好的实时性，非常适合农业应用场景。引入更多光谱信息：如多光谱和高光谱图像，提升早期病害检测能力结合气象数据：将环境因素纳入模型，提高病害预测准确性开发移动应用：方便农户随时随地进行病害检测植物病害智能检测是智慧农业的重要组成部分，随着技术的不断进步，我们有理由相信AI将在农业生产中发挥越来越重要的作用，帮助农民朋友们实现精准种植和科学管理！🌾💪。
2026-02-22 17:13:37
1092
原创 YOLO11-C3k2-SFA__车道线检测与分类新突破
本文介绍了一种创新性的YOLO11-C3k2-SFA模型，该模型通过C3k2模块和SFA机制的引入，显著提升了车道线检测与分类的性能。实验结果表明，模型在公开数据集和实际场景下均取得了优异的性能，特别是在复杂环境和恶劣条件下表现出色。模型的轻量化优化使其能够在嵌入式设备上实现实时运行，为智能驾驶和高级驾驶辅助系统提供了可靠的技术支持。随着深度学习技术的不断发展和智能驾驶需求的日益增长，车道线检测技术将继续向着更高精度、更强鲁棒性和更好实时性的方向发展。
2026-02-22 15:35:02
977
原创 实验室垃圾分类识别：基于Fovea R101 FPN GN-Head模型的实现与优化
本文介绍了基于Fovea R101 FPN GN-Head模型的实验室垃圾分类识别系统。该系统通过深度学习技术实现了实验室垃圾的智能分类，解决了传统分类方式效率低、准确率不高的问题。研究内容包括数据集构建、模型训练优化和系统实现，采用了特征金字塔优化、锚框策略调整等技术提升性能。实验结果显示系统mAP达到0.92，FPS为15，相比传统模型在小目标检测上提升8%。该系统已在实际实验室场景中应用，具有推广价值，未来可扩展至其他垃圾分类场景。
2026-02-22 14:01:15
887
原创 服装类别识别与检测系统：基于YOLO11-seg与AKConv的八类服装检测方案
本文提出了一种基于YOLO11-seg与AKConv的八类服装检测系统。该系统采用自适应核卷积模块增强特征提取能力，通过多任务损失函数（分类、定位、分割）优化模型性能。实验表明，该系统在自建数据集（8000张图像）上实现了高精度检测，优于传统方法。关键创新点包括：AKConv模块的动态核调整、余弦退火学习率调度策略和Dice损失函数设计。该系统适用于电商、智能零售等场景，为服装识别与分类提供了高效解决方案。
2026-02-21 18:23:02
759
原创 【AI厨房助手】基于YOLO11-RePViT的厨房用具智能检测与识别系统_1
本文介绍了一种基于YOLO11-RePViT模型的厨房用具智能检测与识别系统。该系统通过深度学习技术，能够高效准确地识别各类厨房用具，解决厨房环境中用具多样性、相似性和背景复杂等问题。文章详细阐述了系统架构、数据集准备、模型训练过程及实验结果，展示了该系统在家庭和商业厨房中的实用价值。实验结果表明，该系统mAP@0.5达到92.3%，FPS为28帧，具备良好的实时性和准确性。未来还将扩展更多功能，如食材识别、智能电器联动等，为用户提供更全面的智能厨房解决方案。
2026-02-21 16:49:28
551
原创 基于CT影像的肾结石钙化检测：Mask R-CNN模型优化实战
本文探讨了基于Mask R-CNN模型的肾结石钙化CT影像自动检测方法。通过500例CT影像数据集(约2000张标注图像)，采用数据增强、损失函数优化等技术提升模型性能。实验显示优化后的模型敏感性达93%，Dice系数0.88，处理时间约1.35秒/张。模型在急诊筛查、体检辅助等临床场景展现良好应用价值，但仍面临小结石检测、钙化灶鉴别等挑战。未来将探索更先进架构与多模态融合以进一步提升检测精度和可靠性。
2026-02-21 15:14:10
1002
原创 户外电力设施跳线连接状态识别与分类_yolo11-C3k2-FasterSFSC实现详解
本文详细介绍了一种基于yolo11-C3k2-FasterSFSC的户外电力设施跳线连接状态识别与分类系统。通过改进的模型结构和算法，系统实现了高精度的实时检测，能够准确识别各种连接状态异常。多模态数据融合：结合红外、紫外等多模态数据，提高检测准确性边缘计算优化：进一步优化模型，使其能够在边缘设备上高效运行预测性维护：基于历史数据分析，预测跳线连接的剩余寿命，实现预测性维护。
2026-02-21 13:40:21
1025
原创 超市货架空置状态检测 - 基于FCOS_HRNetV2P模型的高精度检测算法实现
本文提出了一种基于FCOS_HRNetV2P融合模型的超市货架空置状态检测算法。针对传统检测方法在复杂货架场景下的不足，该算法引入多尺度特征融合和位置感知机制，结合货架结构先验知识，显著提升了检测精度。实验结果表明，在自建数据集上，该算法的mAP达到0.885，优于主流目标检测方法。基于此算法开发的实时监测系统已在超市试点应用，空置检测准确率达92.3%，有效提升了库存管理效率。未来研究可探索多模态信息融合和轻量化模型部署等方向。
2026-02-21 11:51:14
917
原创 基于GA-RetinaNet的胰岛素注射器部件检测与定位研究
本文提出一种基于GA-RetinaNet的胰岛素注射器部件检测方法，通过遗传算法优化RetinaNet网络参数，提高对小型目标的检测精度。研究构建了包含500张图像的注射器部件数据集，采用数据增强扩充至2000张。实验表明，优化后的模型在保持23.8FPS速度的同时，mAP达到0.856，优于传统RetinaNet、YOLOv3等方法。该方法可应用于生产线自动化检测，未来将探索轻量化模型和多任务学习等方向。
2026-02-20 17:11:06
538
原创 基于Grid-RCNN的胎儿脑部异常实例分割系统python源码深度学习训练代码模型优化
本文提出了一种基于Grid-RCNN的胎儿脑部异常实例分割系统，该系统结合目标检测和实例分割技术，通过网格采样策略显著提升了小目标分割精度。系统采用改进的ResNet-50作为特征提取网络，结合多尺度训练、注意力机制等优化方法，在测试集上达到92.3%的平均IoU。预处理流程包括归一化、直方图均衡化和降噪处理，有效提升了影像质量。模型训练采用AdamW优化器和多任务损失函数，通过ReduceLROnPlateau策略动态调整学习率。临床评估显示该系统具有高精度、高效率和良好鲁棒性，能够辅助医生进行胎儿脑部异
2026-02-20 15:35:48
665
原创 远距离昆虫检测与识别RetinaNet-Swin-T-P4-W7-FPN实战
本文介绍了基于RetinaNet-Swin-T-P4-W7-FPN的远距离昆虫检测与识别系统。通过结合RetinaNet的高效检测能力和Swin Transformer的强大特征提取能力，我们实现了对远距离昆虫的高效检测和识别。模型轻量化：进一步减少模型大小，提高推理速度多模态融合：结合声音、红外等多模态信息提高检测精度自适应学习：使模型能够持续学习新出现的昆虫种类实时性优化：提高系统在低资源设备上的实时性能RetinaNet：作为基础检测框架，解决了正负样本不平衡问题。
2026-02-20 14:00:34
750
原创 基于Mask R-CNN_X101-32x4d-SyncBN-GCB-R4-C3-C5_FPN的肝脏肿瘤精准分割与识别
Mask R-CNN是一种强大的实例分割模型，它在Faster R-CNN的基础上添加了分支用于预测掩码。我们使用的Mask R-CNN_X101-32x4d-SyncBN-GCB-R4-C3-C5_FPN版本采用了ResNeXt-101作为骨干网络，具有更强的特征提取能力。使用ResNeXt-101骨干网络，具有更强的特征提取能力采用同步批量归一化(SyncBN)，提高训练稳定性包含GCB(全局上下文模块)增强上下文信息采用R4-C3-C5特征金字塔结构，多尺度特征融合。
2026-02-20 12:23:46
727
原创 医护人员护目镜检测与识别：基于YOLO11与DRBNCSPELAN网络的智能识别系统_1
本文提出了一种基于YOLO11目标检测算法和DRBNCSPELAN网络的医护人员护目镜智能识别系统。该系统通过深度学习技术实现了对医护人员护目镜佩戴情况的实时检测与识别，解决了传统人工检查效率低、易遗漏的问题。系统采用模块化设计，结合YOLO11的高效检测能力和DRBNCSPELAN网络的精细特征提取能力，在测试集上达到了95.6%的准确率和25ms/张的处理速度。实际应用中，系统已成功部署于医院入口、手术室等多个场景，有效提升了医疗防护监测的自动化水平。未来将进一步优化模型轻量化和多模态融合，扩展系统功能
2026-02-20 10:40:53
610
原创 美国白蛾目标检测与识别：基于FCOS模型的改进方案_1
本文提出了一种基于改进FCOS模型的美国白蛾检测算法，通过多尺度特征融合、自适应特征选择和优化损失函数等策略，显著提升了检测性能。实验结果表明，改进后的FCOS模型在mAP、精确率等指标上优于主流算法，同时通过轻量化设计实现了实时检测。该研究为美国白蛾的智能监测提供了高效解决方案，对农林病虫害防控具有重要意义。
2026-02-19 17:59:56
854
原创 洪水灾害下建筑物受灾状态识别与分类——基于YOLO13-C3k2-StripCGLU模型实现
本文提出了一种基于改进YOLOv13模型的洪水灾害建筑物受灾状态识别方法。通过融合C3k2模块、Strip注意力机制和CGLU激活函数，构建了YOLO13-C3k2-StripCGLU模型，显著提升了识别精度。实验表明，该模型在自建数据集上达到92.7%的平均精度，比原始YOLOv13提高5.3个百分点，同时保持41.3FPS的推理速度。模型对不同淹没程度（0-100%）和光照条件均表现出良好的适应性，在实际无人机部署测试中达到89.6%的识别准确率。研究为洪水灾害实时监测提供了高效解决方案，相关代码和数据
2026-02-19 16:17:57
741
原创 马术行为识别与目标检测：基于YOLO11-C2TSSA的跳跃、骑手与奔跑模式识别
本文提出了一种基于YOLO11-C2TSSA算法的马术行为识别方法，通过引入双流空间注意力机制（C2TSSA）增强模型对马匹跳跃、骑手姿态和马匹奔跑等关键行为的识别能力。实验结果表明，该方法在mAP@0.5指标上达到0.893，相比传统算法提升显著，同时保持36FPS的实时性能。研究还详细介绍了数据集的构建、模型训练策略及损失函数设计，并通过消融实验验证了C2TSSA模块的有效性。该技术可应用于马术训练辅助和赛事分析等领域，未来将进一步优化模型轻量化和多视角行为识别能力。
2026-02-19 14:43:15
694
原创 【香草植物叶片识别】基于YOLOv8与HSFPN的分类模型实现
本文介绍了一个基于YOLOv8和HSFPN的香草植物叶片识别系统。该系统使用包含1026张图像的数据集，涵盖普通叶片和香茅叶两类，经预处理后统一为224×224像素。模型采用多尺度特征融合的HSFPN网络结构，结合YOLOv8进行目标检测和分类。实验结果显示，该系统对5种常见香草的平均识别准确率达93%。文章还探讨了图像预处理、数据增强等关键技术，并分析了该技术在农业生产、商业应用等场景中的潜在价值。数据集采用CC BY 4.0许可协议开源共享。
2026-02-19 13:05:45
770
原创 YOLOv10m-MobileNetV4实现工业危险物质自动识别与定位_灭火器气缸减震器检测
本文提出了一种基于YOLOv10-MobileNetV4的工业危险物质自动识别系统，用于检测灭火器、气缸和减震器等设备。该模型结合了YOLOv10的高精度检测能力和MobileNetV4的高效特征提取，在500张多场景图像数据集上达到0.896 mAP@0.5和67.8 FPS的性能。通过Mosaic数据增强、混合精度训练等优化策略，模型在工业场景测试中实现99.2%的检测准确率。消融实验验证了各组件对性能的提升作用，实际应用案例显示该系统可显著提高工厂安全管理效率。未来将探索轻量化量化和端到端状态评估等优
2026-02-19 11:28:52
731
原创 YOLO11-C3k2-DBlock实现建筑工地安全帽佩戴检测系统
本文提出了一种基于YOLO11-C3k2-DBlock架构的建筑工地安全帽佩戴检测系统。系统采用模块化设计，包含数据采集、图像预处理、目标检测和结果输出四个模块。核心创新点在于C3k2-DBlock结构，结合改进的Darknet53骨干网络和PAN-FPN多尺度特征融合，在标准数据集上达到92.3% mAP，并在边缘设备实现25FPS实时检测。系统针对工地复杂环境优化了图像预处理和增强算法，采用多阶段训练策略和Focal Loss解决样本不平衡问题。实验结果表明，该系统能有效检测多种场景下的安全帽佩戴情况，
2026-02-18 18:53:02
996
原创 YOLO11-C3k2-SWC_双手分割与识别任务_人机交互与手势识别应用详解
本文详细介绍了基于YOLO11-C3k2-SWC模型的双手分割与识别技术。该模型创新性地结合了C3k2模块和SWC损失函数，显著提升了双手分割精度。文章从技术背景、模型架构、损失函数设计到数据集准备和训练优化进行了全面阐述，重点讲解了C3k2模块如何利用k-means聚类增强特征提取能力，以及SWC损失函数通过语义加权提升分割性能的方法。实验表明，该技术在虚拟现实、智能家居等应用场景中表现优异，为手势交互系统提供了有效的解决方案。
2026-02-18 17:17:21
609
原创 月球表面地貌特征识别与分类-----基于YOLO11的遥感图像智能分析方法
HONS Lunar AI数据集是一个专为月球表面地貌识别设计的计算机视觉数据集，包含725张标准化处理的YOLOv8格式图像（统一尺寸640×640像素）。数据集涵盖9类主要地貌特征（如陨石坑、月海、山脉等），并划分训练/验证/测试集。通过随机裁剪生成三个增强版本提升模型泛化能力，采用CC BY 4.0协议开放共享。该数据集为月球地质研究、探测任务规划和行星科学教育提供了重要资源支持。
2026-02-18 15:33:50
825
原创 苍鹭检测与识别：基于cascade-mask-rcnn_regnetx的改进方案_技术详解
本文介绍了一种基于改进Cascade Mask R-CNN和RegNetX模型的苍鹭检测识别系统。通过采用多级检测器架构和高效的RegNetX骨干网络，系统实现了高精度检测。关键技术包括：1）多尺度特征融合模块增强特征提取能力；2）引入通道注意力机制提升关键区域关注度；3）构建多样化的苍鹭数据集并采用标准化预处理流程。实验表明，该方案显著提高了苍鹭检测精度，特别是在复杂背景下的识别效果。系统设计兼顾性能与效率，为野生动物监测提供了可靠的技术支持。
2026-02-18 13:51:23
986
原创 肾小球病变检测与分类：基于RetinaNet-R50-FPH-GHM的医学影像分析实战
本文提出了一种基于改进RetinaNet-R50-FPH-GHM模型的肾小球病变自动检测与分类方法。针对医学影像特点，设计了包含FPH模块的多尺度特征提取网络和GHM损失函数，有效解决了样本不平衡问题。实验采用渐进式训练策略，结合数据增强和特定学习率调度，在肾小球病变数据集上取得了良好效果。方法实现了从预处理到模型优化的完整流程，为医学影像分析提供了可靠解决方案。
2026-02-18 12:12:55
928
原创 基于YOLOv5-P6的眼底图像视盘视杯自动检测定位系统原创
本文提出了一种基于改进YOLOv5-P6的眼底图像视盘视杯自动检测系统。针对传统方法效率低、精度不足的问题，该系统引入CBAM注意力机制，通过通道和空间双重注意力增强关键特征提取能力。网络结构上，在深层添加CBAM模块、优化特征金字塔融合方式，并针对小目标改进损失函数。实验采用1000张标注眼底图像，通过归一化、直方图均衡化和数据增强等预处理提升模型泛化性。该系统能准确检测视盘视杯位置并计算杯盘比，为青光眼早期诊断提供可靠支持，具有临床应用价值。
2026-02-17 18:02:33
389
原创 Mask R-CNN实现植物存在性检测与分类详解_基于R50-FPN-GRoIE_1x_COCO模型分析
本文详细介绍了基于Mask R-CNN的植物检测与分类方法。采用ResNet50-FPN作为骨干网络，通过多任务损失函数实现植物实例分割与分类。研究重点包括：1）构建多样化的植物数据集并制定标注规范；2）设计数据增强策略提升模型泛化能力；3）优化训练超参数和评估指标。实验表明该方法在mAP等指标上表现良好，可应用于农田监测、森林普查等场景。未来将探索模型轻量化和多模态融合等方向，进一步提升检测精度和实用性。
2026-02-17 16:39:25
724
原创 中国传统园林建筑检测与识别---RetinaNet_PVT-M_FPN_1x_COCO原创
摘要：本研究提出基于RetinaNet和PVT-M结合FPN的网络架构（RetinaNet_PVT-M_FPN_1x_COCO），用于中国传统园林建筑检测。针对自建的GardenBuildings数据集（含8类4105张图像），采用PVT-M骨干网络捕捉全局特征，FPN处理多尺度问题，Focal Loss解决样本不平衡。实验表明，该模型mAP@0.5达87.6%，较基线提升8.1个百分点，尤其在宫殿、塔等结构化建筑上表现优异。该技术可应用于文化遗产数字化保护、智能导览等领域，为传统园林的智能识别与保护提供有
2026-02-17 13:26:40
919
原创 家具物品检测与识别之Mask R-CNN实现详解
本文详细介绍了使用Mask R-CNN算法实现家具物品检测与识别的全过程。首先阐述了Mask R-CNN的网络结构、损失函数等核心原理，该算法在Faster R-CNN基础上增加了掩码预测分支，能同时完成目标检测和实例分割。接着重点讲解了数据准备环节，包括数据集构建、数据增强策略以及VOC格式转COCO格式的代码实现。最后简要提及了模型训练前的环境配置需求。整套方案为智能家居、家具盘点等应用场景提供了可行的技术实现路径。
2026-02-17 11:39:48
950
原创 YOLO13-C3K2-AdditiveBlock：水果质量智能检测系统_3
本文提出了一种改进的YOLO13-C3K2-AdditiveBlock模型用于水果质量智能检测。通过引入C3K2模块和AdditiveBlock结构，显著提升了水果缺陷检测精度，mAP达到92.5%，比原始YOLO13提高8.3%。实验表明该模型在50,000张水果图像数据集上表现优异，同时通过剪枝和量化实现了轻量化部署，满足实时检测需求。该系统解决了传统人工检测效率低、主观性强等问题，为农业自动化提供了有效解决方案。
2026-02-16 17:14:23
714
原创 YOLOv8实战结合MAN-FasterCGLU-WFU模型实现肋骨骨折检测
本文介绍了一种结合YOLOv8目标检测模型和MAN-FasterCGLU-WFU特征提取模块的肋骨骨折自动检测方法。通过详细讲解数据集准备、预处理流程（包括数据增强技术）以及模型架构设计，展示了如何构建高效的医学影像分析系统。YOLOv8的多任务损失函数设计与MAN-FasterCGLU-WFU模块的多尺度特征提取能力相结合，可有效提升骨折检测精度。文章还提供了关键代码实现，包括数据加载、图像增强和核心模型组件，为医学影像领域的开发者提供了实用参考。
2026-02-16 13:57:57
785
原创 如何使用RetinaNet进行中式菜品识别分类训练使用菜谱数据集炒菜，炖汤，蒸鱼，凉拌，烧烤，煎炸
摘要 本文介绍了使用RetinaNet进行中式菜品识别的完整流程。针对炒菜、炖汤、蒸鱼等6类中式菜品，通过改进RetinaNet网络结构，采用Focal Loss损失函数解决类别不平衡问题。实验结果显示模型平均精确率达0.90，F1分数0.89，其中蒸菜品类的识别效果最佳（mAP 0.92）。训练过程采用AdamW优化器和余弦退火学习率调度，批大小为16，在50个epoch内完成。该方法有效解决了中式菜品识别中的视觉相似性、复杂背景等挑战，为餐饮智能化提供了实用解决方案。
2026-02-16 12:20:29
965
原创 基于Cascade-Mask-RCNN和RegNetX-4GF的果蝇检测与识别系统——COCO数据集训练与优化
摘要：本文提出了一种基于Cascade-Mask-RCNN和RegNetX-4GF的果蝇检测系统，结合COCO数据集进行训练优化。系统采用两阶段训练策略，通过数据增强、模型剪枝和量化技术实现高效检测。评估指标显示，模型在mAP和FPS上表现优异，尤其擅长小目标检测。该系统可应用于农业监测、生物研究等领域，支持实时处理。未来计划扩展至更多昆虫检测并开发移动端应用。文章提供了完整实现细节和预训练模型资源，便于复现和改进。
2026-02-16 10:57:18
1066
原创 城市地标建筑与车辆检测 - 基于YOLOv10n的高效目标检测模型训练与应用
本文基于YOLOv10n模型提出了一种高效的城市地标建筑与车辆检测方法。针对复杂城市场景中的检测挑战，研究通过引入注意力机制、改进特征融合策略和优化损失函数，显著提升了检测性能。实验表明，改进后的YOLOv10n模型在自建数据集上达到87.6%的mAP@0.5，检测速度保持45FPS以上，优于YOLOv8n等对比模型。系统已成功部署于城市智能监控项目，支持实时目标检测与分析。未来工作将聚焦模型轻量化、多模态融合等方向，为智慧城市建设提供更优解决方案。相关数据集和代码均已开源，促进领域研究发展。
2026-02-15 16:46:30
877
原创 苹果叶片火疫病检测识别 —— Faster R-CNN与RegNetX-800MF结合实现
本文提出了一种结合Faster R-CNN和RegNetX-800MF的苹果叶片火疫病检测方法。通过采集5000张叶片图像构建数据集，采用数据增强技术提高模型泛化能力。实验结果表明，该方法在测试集上取得了91%的mAP值，显著优于传统SVM和YOLOv3等方法。该模型具有轻量级、高精度的特点，可实现苹果火疫病的快速准确检测，为农业病害智能识别提供了有效解决方案。
2026-02-15 15:05:11
601
原创 基于Faster-RCNN_C4的绝缘子缺陷检测与分类实现
摘要： 本文介绍了一个基于Faster-RCNN_C4模型的绝缘子缺陷检测系统，使用包含795张图像的数据集（Final_train_and_val）进行训练。数据集涵盖四种绝缘子缺陷类型，采用YOLOv8格式标注。系统通过随机翻转、旋转和亮度调整等数据增强方法提升模型泛化能力，并采用PyTorch框架实现，配置了学习率调度、早停机制等优化策略。最终开发了具备图像/视频检测、结果可视化及数据管理功能的GUI系统，支持多种输入源和结果导出，为电力设备巡检提供了自动化解决方案。系统界面集成检测结果展示、统计分析
2026-02-15 13:25:12
737
原创 基于YOLOv3的液压阀块表面缺陷检测系统实现
本文提出了一种基于YOLOv3的液压阀块表面缺陷检测系统。该系统采用Darknet53骨干网络进行特征提取，结合特征金字塔网络(FPN)实现多尺度特征融合，并通过三个不同尺度的检测头实现缺陷检测。系统架构包含：1)Darknet53骨干网络，提供53层深度卷积特征提取；2)FPN网络，实现多尺度特征融合；3)多尺度检测头，处理不同尺寸缺陷。实验表明，该系统能有效检测液压阀块表面的各类缺陷，包括裂纹、划痕等不同尺寸的缺陷，在保持实时性的同时提高了检测精度。
2026-02-13 17:58:09
1058
原创 Faster-RCNN改进一基于R50-FPG的人脸与垃圾物体检测识别_crop640-50e_COCO
这个改进方案的核心是基于经典Faster R-CNN框架，结合ResNet50-FPN特征金字塔网络，专门针对人脸和垃圾物体检测任务进行了优化。骨干网络优化：采用ResNet50-FPN替代原始的VGG16，提高了特征提取能力数据集定制：针对人脸和垃圾物体特点，对COCO数据集进行了筛选和增强训练策略调整：采用crop640的训练方式和50个训练周期的精细调优损失函数改进：针对小目标检测问题，优化了边界框回归损失函数。
2026-02-13 16:20:35
1018
原创 织物破损检测与分类-YOLO11-C3k2-MSMHSA-CGLU模型详解
本文提出了一种改进的YOLO11织物缺陷检测模型C3k2-MSMHSA-CGLU，通过引入创新的C3k2模块、多尺度自注意力(MSMHSA)和上下文引导单元(CGLU)，显著提升了检测性能。实验表明，该模型在织物缺陷数据集上mAP达到48.2%，比原YOLOv8提升3.3%，同时参数量减少16%，推理速度提升14%。模型已成功部署于实际生产线，实现了高效实时的织物质量检测。未来将探索轻量化设计和多模态融合等优化方向。
2026-02-13 14:42:25
996
原创 工业场景下护目镜佩戴检测与安全合规性评估_Faster_R-CNN_X101-32x4d_FPN_PISA模型详解
Faster R-CNN是一种经典的两阶段目标检测算法，而X101-32x4d FPN PISA则是其改进版本，专为高精度目标检测任务设计。该模型结合了ResNeXt-101骨干网络、特征金字塔网络(FPN)和位置敏感采样注意力(PISA)等技术，在复杂工业场景下表现优异。模型的核心优势在于其强大的特征提取能力和多尺度目标检测能力。通过ResNeXt-101骨干网络，模型能够从输入图像中提取丰富的语义信息；而FPN结构则有效解决了多尺度目标检测问题，使模型能够同时处理不同大小的护目镜目标。
2026-02-13 11:19:14
1159
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人