首页
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻动态
全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
首页>
根据【关键词:
YOLOv5
】搜索到相关结果
7
条
按文献类别分组
学位论文
(4)
期刊
(3)
按栏目分组
学位论文
(4)
期刊
(3)
按年份分组
2023
(3)
2022
(3)
2021
(1)
按来源分组
中国民用航空飞行学院
(2)
北京航空航天大学学报
(2)
激光与光电子学进展
(1)
长安大学
(1)
电子科技大学
(1)
关键词
融合注意力和多尺度特征的航空发动机缺陷检测
作者:
赵崇林
朱江
胡永进
李祖泽
王鹏举
谢涛
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
YOLOv5
深度学习
缺陷检测
描述:
航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率,提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法,以辅助孔探工作。首先,针对原始孔探图像中缺陷样本的类别不平衡问题,采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法,丰富小样本图像并构建缺陷数据集。然后,在基准网络YOLOv5中融入协调注意力模块(CA),以强调缺陷特征的提取,增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN),以完成更高层次的特征融合,提升对多尺度目标的表达能力。最后,将边界框回归损失函数定义为EIOU损失,实现对缺陷目标快速、准确地定位和识别。实验结果表明,本文算法检测缺陷的平均精确度达到了89.7%,较基准网络提升了6.3%,训练后的模型大小仅为14.0M。因此,所提方法可以有效地检测航空发动机的主要缺陷。
基于CNN的航空图像目标检测算法研究
作者:
刘瑞
来源:
电子科技大学
年份:
2021
文献类型 :
学位论文
关键词:
航空图像
CNN
YOLOv5
目标检测
无人机
描述:
基于CNN的航空图像目标检测算法研究
基于HoloLens的航空发动机典型部件识别关键技术研究
作者:
朱俊名
来源:
中国民用航空飞行学院
年份:
2022
文献类型 :
学位论文
关键词:
航空发动机部件识别
YOLOv5
增强现实
深度学习
HoloLens
描述:
基于HoloLens的航空发动机典型部件识别关键技术研究
基于多传感器的飞机行李火灾智能识别技术研究
作者:
朱博
来源:
中国民用航空飞行学院
年份:
2022
文献类型 :
学位论文
关键词:
火焰检测
k近邻算法
YOLOv5
分类算法
多传感器
描述:
基于多传感器的飞机行李火灾智能识别技术研究
基于YOLOv5模型的遥感影像飞机目标检测
作者:
刘昕迪
来源:
长安大学
年份:
2022
文献类型 :
学位论文
关键词:
YOLOv5
高分辨率影像
小目标检测
光学遥感
模型剪枝
描述:
基于YOLOv5模型的遥感影像飞机目标检测
基于改进YOLOv5的航空发动机表面缺陷检测模型
作者:
李鑫
李香蓉
汪诚
李秋良
李卓越
来源:
激光与光电子学进展
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
机器视觉
YOLOv5
表面缺陷检测
描述:
针对目前航空发动机表面人工缺陷检测效率低的问题,本文提出了一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先在网络中融合数据增强策略搜索算法,自动为当前数据集搜索最佳的数据增强策略,实现训练效果的提升;其次在Backbone网络中引入坐标注意力机制,在通道注意力的基础上嵌入坐标信息,提高对小缺陷目标的检测能力;最后将YOLOv5的定位损失函数改进为EIoU loss,在加快模型收敛的同时提高预测框回归精度。实验表明,本文提出的YOLOv5-CE模型,相比原YOLOv5s网络,在检测速度几乎没有下降的情况下m AP值提高了1.2%,达到了98.5%,能够实现对航空发动机四种常见类型缺陷的高效智能检测。
融合注意力和多尺度特征的航空发动机缺陷检测
作者:
赵崇林
朱江
胡永进
李祖泽
王鹏举
谢涛
来源:
北京航空航天大学学报
年份:
2023
文献类型 :
期刊
关键词:
注意力机制
航空发动机
YOLOv5
深度学习
缺陷检测
描述:
航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率,提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法,以辅助孔探工作。首先,针对原始孔探图像中缺陷样本的类别不平衡问题,采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法,丰富小样本图像并构建缺陷数据集。然后,在基准网络YOLOv5中融入协调注意力模块(CA),以强调缺陷特征的提取,增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN),以完成更高层次的特征融合,提升对多尺度目标的表达能力。最后,将边界框回归损失函数定义为EIOU损失,实现对缺陷目标快速、准确地定位和识别。实验结果表明,本文算法检测缺陷的平均精确度达到了89.7%,较基准网络提升了6.3%,训练后的模型大小仅为14.0M。因此,所提方法可以有效地检测航空发动机的主要缺陷。
<
1
>
Rss订阅
订阅地址: