- 博客(21)
- 收藏
- 关注
RSS订阅原创 【深度学习】基于YOLOv5-LSKNet的西瓜霜霉病与健康状态及花叶病毒病图像识别分类
本文提出了一种基于YOLOv5-LSKNet的西瓜病害检测方法，通过结合YOLOv5目标检测框架和LSKNet大核卷积特征提取能力，实现了对西瓜霜霉病、健康状态及花叶病毒病的高效识别。实验结果表明，该方法在测试集上达到95.6%的平均识别准确率，比传统YOLOv5提高3.2个百分点，同时保持30FPS以上的推理速度。消融实验验证了LSK模块、数据增强和CIoU损失函数的有效性。该方法为西瓜病害的实时监测提供了高效解决方案，未来可进一步优化模型结构并探索移动端部署方案。
2026-01-16 08:15:45
1035
原创 基于YOLO11的排水管道缺陷检测与分类系统_2
本文介绍了一种基于YOLO11的排水管道缺陷检测与分类系统的数据预处理模块。该模块包含数据集构建、数据增强和图像预处理三部分：数据集包含5类常见管道缺陷共7675张标注图像；数据增强采用几何变换（旋转、翻转、缩放）和颜色调整（亮度、饱和度、色调）技术；图像预处理包含去噪（高斯滤波、中值滤波）和增强（直方图均衡化、锐化）等步骤。通过多种图像处理技术，该模块有效提高了输入数据质量，为后续模型训练提供了多样化的高质量数据支持。
2026-01-15 09:16:09
589
原创 【深度学习】陨石坑检测与识别_YOLO13-Seg-ContextGuided网络详解
摘要： 本文提出一种改进的YOLO13-Seg-ContextGuided网络用于陨石坑检测，通过融合注意力机制、多尺度特征融合和自适应增强模块，显著提升复杂天体表面的陨石坑识别性能。实验表明，该模型在自建数据集上mAP达79.9%，小目标召回率提升至89.3%，较基准算法提高8.7%。消融实验验证了各模块的有效性，尤其在低对比度图像和小陨石坑检测方面优势明显。该技术为行星地质研究提供了高效自动化工具，未来可扩展至多天体检测和三维重建应用。
2026-01-15 08:11:58
1023
原创 钢绞线缺陷检测与识别_Cascade-Mask-RCNN_RegNetX模型训练与应用实战
本项目成功实现了基于Cascade Mask R-CNN和RegNetX的钢绞线缺陷检测系统，在实际应用中取得了良好的效果。高精度：mAP达到89.2%，能够准确识别各种缺陷高效率：实时检测速度达到15FPS，满足工业应用需求鲁棒性强：对不同光照条件和背景环境具有良好的适应性部署灵活：支持云端和边缘两种部署方式，适应不同场景需求扩大数据集规模：收集更多样本，特别是罕见缺陷的样本引入自监督学习：减少对标注数据的依赖开发3D检测能力：实现对钢绞线立体结构的缺陷检测结合多模态数据。
2026-01-14 08:50:32
868
原创 基于Faster R-CNN的酵母细胞检测与计数算法实现
本文提出一种基于Faster R-CNN的酵母细胞检测与计数算法，针对传统人工计数方法效率低、主观性强的问题。研究采用ResNet-50作为骨干网络，结合区域提议网络(RPN)和两阶段检测框架，在包含1000张酵母细胞图像的数据集上实现了92.3%的mAP。实验表明，该方法在精确率(94.5%)、召回率(90.1%)和F1分数(92.3%)上均优于传统方法，尤其对密集排列细胞检测效果显著。通过消融实验验证了各组件贡献，并开发了基于检测结果的自动计数系统，与人工计数结果相关系数达0.98。该技术可广泛应用于食
2026-01-13 18:40:44
539
原创 基于YOLOv8-Seg-RepHGNetV2的银耳缺陷检测与分类实现
本研究提出了一种基于YOLOv8-Seg与RepHGNetV2混合架构的银耳缺陷检测方法，通过多尺度特征融合和重参数化技术有效提升了小目标缺陷的识别能力。构建了包含5000张标注图像的专用数据集，涵盖霉变、虫蛀等6类缺陷。采用多任务损失函数和多种数据增强策略，模型在测试集上达到92.3%的mAP，显著优于传统方法。该方法为银耳品质自动化检测提供了可靠解决方案，对农产品质量评估具有重要应用价值。
2026-01-13 18:15:44
743
原创 水下管道检测与识别_YOLOv8-Slimneck模型优化实战
本文介绍了基于YOLOv8-Slimneck模型的水下管道检测优化方法。针对水下环境复杂多变的特点，构建了包含5000张不同场景管道图像的数据集，并设计了专门的数据增强策略。通过优化YOLOv8模型结构，引入Slimneck颈部网络和注意力机制，在保持检测精度的同时降低了模型复杂度。详细阐述了模型训练策略和超参数调优方法，最终实现了高效准确的水下管道检测系统。该方法为水下工程检测提供了可靠的自动化解决方案。
2026-01-12 09:04:07
570
原创 YOLOv10n实战：姜黄叶片病害与根部特征识别新突破
本文全面介绍了目标检测与实例分割的主流模型，重点解析了YOLO系列（包括YOLOv11、YOLOv8和YOLOv9）的技术特点与性能表现，以及两阶段检测器（Faster R-CNN、Cascade R-CNN）和单阶段检测器（RetinaNet、GFL）的核心原理。YOLO系列凭借实时性优势适用于工业检测等场景，两阶段检测器在精度要求高的任务中表现优异，而单阶段检测器通过创新损失函数解决了样本不平衡问题。文章提供了各模型的架构配置、性能指标和实际应用建议，为开发者选择合适模型提供了全面参考。
2026-01-12 08:39:19
839
原创 基于YOLO12-AFPN-P345的卡车场景目标检测与识别：底盘车与堆垛机定位技术详解
YOLO12-AFPN-P345作为一种专门针对卡车场景优化的目标检测算法，在底盘车和堆垛机检测与定位任务中表现出了优异的性能。通过自适应特征融合和多尺度检测策略，该算法能够有效处理卡车场景中的各种挑战，为物流自动化系统提供了可靠的技术支持。多模态融合：结合视觉、激光雷达等多源信息，进一步提高检测精度和鲁棒性自监督学习：减少对标注数据的依赖，降低数据采集成本端到端优化：将检测与下游任务（如路径规划、调度决策）联合优化，提升整体系统性能。
2026-01-11 19:51:15
767
原创 YOLOv8-GhostHGNetV2实战：野生动物监测与识别系统开发_1
摘要 本文提出了一种基于YOLOv8-GhostHGNetV2的野生动物监测与识别系统。该系统采用轻量化的GhostHGNetV2网络架构，结合YOLOv8目标检测算法，实现了高效的野生动物检测。文章详细介绍了系统架构设计，包括数据采集、预处理、模型训练和部署模块。实验结果表明，该方法在保持高精度的同时显著降低了计算成本，适用于资源受限的野外监测设备。系统采用CIoU损失函数优化边界框回归，能够准确识别不同体型的野生动物，为生态研究和保护工作提供了有效的技术支持。 (148字)
2026-01-11 19:24:40
874
原创 电阻元件检测与识别_Yolo12-A2C2f-DFFN-DYT模型实现与应用
文章展示了四张未命名的图片，内容未明确说明。从CSDN平台发布信息来看，这是一篇原创技术类文章，阅读量达5.9k次。图片可能涉及编程示例、界面截图或技术图解，但具体主题需查看原文确认。文章于2025年7月23日更新，适合开发者或技术爱好者参考。
2026-01-08 16:18:30
158
原创 电池检测与识别_yolo12-C3k2-ODConv模型实现详解
本文提出了一种基于改进C3k2-ODConv的YOLOV12电池检测算法，通过优化特征提取和多尺度特征融合策略，显著提升了电池检测精度。针对传统YOLOV12在电池检测中的局限性，设计了结合通道注意力机制和动态卷积的改进C3k2-ODConv模块，并优化了特征金字塔网络和损失函数。实验结果表明，改进算法在保持轻量化的同时，mAP提升3.2个百分点，推理速度提高10%，验证了该方法的有效性。该研究为智能制造中的电池质量检测提供了高效可靠的解决方案。
2026-01-08 15:56:09
942
原创 激光目标检测之YOLOv8注意力机制详解_万字图文原创
本文探讨了如何通过引入注意力机制提升YOLOv8在激光目标检测中的性能。首先介绍了注意力机制的基本原理及其数学表达，然后回顾了YOLOv8的基础架构。重点分析了三种注意力机制在YOLOv8中的应用：通道注意力、空间注意力和CBAM注意力。实验结果表明，引入注意力机制的YOLOv8在mAP@0.5指标上达到0.893，比原始模型提升3.6%，同时保持了42FPS的实时检测速度。消融实验验证了不同注意力模块的协同效应，而多场景测试显示该方法在室内、户外、强光和弱光环境下均表现良好。该研究为激光目标检测提供了一种
2026-01-03 11:09:44
798
原创 改进YOLOv8__手部姿势识别篇__YOLOv8结合MAN、FasterCGLU和WFU提升姿态分类精度
本文提出了一种改进的YOLOv8模型，结合MAN（多尺度注意力网络）、FasterCGLU（高效非线性激活函数）和WFU（基于窗口的特征更新）三种技术，显著提升了手部姿势识别精度。改进后的模型在HandPose和OneHand10K数据集上达到91.2%的mAP@0.5，比原始YOLOv8提升7个百分点，同时保持40FPS的实时性能。该模型特别解决了手部多尺度变化、非线性特征表达和遮挡问题，适用于手势控制、手语识别等应用场景。文章还提供了模型量化、TensorRT加速等部署优化方案，使其能在边缘设备上高效运
2026-01-03 10:39:02
1068
原创 基于改进MS-RCNN的手部卫生状况自动检测与分类系统-指甲感染识别-指甲长度评估-手部状态判断-汗水状况分析
本文提出了一种基于改进MS-RCNN的手部卫生状况自动检测与分类系统。该系统采用PySide6框架构建模型训练模块，支持多种深度学习框架（MMDetection、Ultralytics），实现了可视化训练过程监控、数据集管理和模型配置等功能。系统采用组件化设计，包含标题、图片显示、曲线图、文本输出等可视化组件，并通过多线程架构确保训练过程不阻塞UI。重点介绍了训练管理器的工作流程，包括训练条件验证、工作线程创建和信号连接机制。系统还提供了严格的数据集验证功能，自动检查数据集结构和完整性，确保手部卫生检测任务
2026-01-02 20:51:36
616
原创 YOLO11实战之MultiSEAMHead健身器材目标检测与识别系统
本文介绍了基于YOLO11和MultiSEAMHead的健身器材目标检测系统。系统通过深度学习技术自动识别跑步机、哑铃等健身器材，助力健身房智能化管理。采用CSPDarknet作为主干网络，结合改进的MultiSEAMHead检测头，融入可变形卷积和空间注意力机制，提升多尺度目标检测精度。实验使用5000张标注图像，通过数据增强和8:1:1划分训练集/验证集/测试集。训练采用Adam优化器和余弦退火学习率策略，评估指标包括精确率、召回率和mAP等。该系统能有效监控器材使用状态，为健身房运营提供数据支持。
2026-01-02 20:17:44
649
原创 基于YOLO11-AIFIRepBN的蚕茧健康状态检测系统
本文提出了一种基于YOLO11-AIFIRepBN的蚕茧健康状态智能检测系统。该系统通过改进的批归一化技术(AIFIRepBN)增强了YOLO11模型的特征提取能力，实现了95.7%的检测准确率。实验表明，该方法能有效识别健康、轻微病害和严重病害三类蚕茧状态，检测速度达28fps。系统支持多种部署方式，包括PC端、移动端和边缘设备，可广泛应用于蚕茧分级、病害预警等场景。未来将优化模型对轻微病害的识别能力，并拓展至其他农产品检测领域。
2025-12-30 12:00:04
885
原创 基于Yolov10n的人体跌倒检测系统实现与优化
本文提出了一种基于Yolov10n的人体跌倒检测系统，针对老龄化社会需求设计。系统采用轻量级Yolov10n模型，通过CSPNet和PANet结构实现高效多尺度特征提取。研究重点包括：1)数据预处理与增强策略；2)模型轻量化改进（通道剪枝、量化压缩）；3)基于Focal Loss的损失函数优化。实验结果表明，系统在保持85.2% mAP的同时，模型大小仅0.8MB，推理速度提升3倍。该系统可部署于家庭、养老院等场景，实时检测跌倒事件并触发报警，具有重要的社会应用价值。
2025-12-30 11:37:04
1042
原创 YOLOv10n-EfficientRepBiPAN起重机类型检测模型优化与应用
摘要 本文提出了一种基于YOLOv10n和EfficientRepBiPAN网络的起重机类型检测模型优化方案。针对工业场景下起重机检测面临的复杂背景、光照变化和类间相似性等挑战，研究通过融合YOLOv10n的高效检测框架与EfficientRepBiPAN的轻量级特征提取网络，构建了一个实时、精准的检测系统。文章详细介绍了网络结构适配、特征融合优化及模型量化加速等关键技术，并构建了包含6类起重机的专用数据集，采用多种数据增强策略提升模型鲁棒性。实验结果表明，该方案在保持高精度的同时显著提升了检测速度，适合在
2025-12-25 15:46:15
660
原创 深入理解木结构物体计数与识别：从树木横截面到木材堆叠检测的完整实现方案
本文提出了一套完整的木结构物体计数与识别解决方案，涵盖从树木横截面分析到木材堆叠检测的全流程。系统采用计算机视觉与深度学习技术，包括边缘检测、霍夫变换和Faster R-CNN等算法，实现了年轮计数、木材定位和体积估算等功能。针对实际应用中的光照变化、遮挡等问题，提出了自适应直方图均衡化、3D重建等优化策略。实验表明，该系统在林业调查和木材加工管理中表现优异，检测精度达92.3%。未来将进一步结合3D视觉和多模态融合技术，提升系统的智能化水平。
2025-12-25 15:17:01
872
原创 手把手教会Bytetrack跑通第一个demo（附常见问题解决办法）
ByteTrack是一种高性能多目标跟踪算法，适用于智能监控和自动驾驶等场景。本文介绍了其项目部署流程：1）下载源码并创建Python 3.8虚拟环境；2）安装依赖库和预训练权重；3）解析项目目录结构。重点解决了yolox模块导入失败的问题，通过修改demo_track.py添加路径导入代码。最后给出了运行跟踪演示的命令，帮助开发者快速部署和测试该算法。
2025-11-27 15:13:50
351
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