期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv5的小龙虾品质检测方法
1
作者
鲁濠
王淑青
+2 位作者
鲁东林
张子蓬
汤璐
《湖北工业大学学报》
2023年第4期76-81,共6页
小龙虾质量检测是其生产加工中的重要环节,针对当前目标检测模型在不同数据集上存在拟合性能不佳、冗余错误等问题,提出了一种基于改进YOLOv5网络的小龙虾质量检测方法。首先在主干网络采用DP-Conv卷积改进CNN卷积,利用高维过度参数化...
小龙虾质量检测是其生产加工中的重要环节,针对当前目标检测模型在不同数据集上存在拟合性能不佳、冗余错误等问题,提出了一种基于改进YOLOv5网络的小龙虾质量检测方法。首先在主干网络采用DP-Conv卷积改进CNN卷积,利用高维过度参数化提高拟合效果和检测速度。其次在残差块Res_unit中嵌入SENet模块加强上下文的语义联系,减少冗余信息的干扰。最后设计一种小龙虾数据采集方法。与3种目标检测算法实验对比,结果表明,改进后的算法检测精度达到97%,速度为60帧/s,模型性能优于其他3种算法,具有高检测精度和高速度的应用效果。
展开更多
关键词
目标检测
小龙虾检测
YOLOv5网络
深度学习
下载PDF
职称材料
基于轻量化人工神经网络的PCB板缺陷检测
被引量:
7
2
作者
王淑青
鲁濠
+2 位作者
鲁东林
刘逸凡
要若天
《仪表技术与传感器》
CSCD
北大核心
2022年第5期98-104,共7页
PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型。首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解...
PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型。首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解决特征提取中分辨率与感受野不合的问题。最后使用PReLU激活函数代替ReLU,防止神经元崩坏。实验结果表明,改进的算法参数减少91%,每s浮点运算次数减少70%,检测精度达到95%,能够在小型计算平台完成快速精确的PCB板表面缺陷检测。
展开更多
关键词
深度学习
轻量化网络
YOLOv5
PCB板检测
目标检测
下载PDF
职称材料
一种改进Faster R-CNN的太阳能电池片缺陷检测方法
被引量:
6
3
作者
鲁东林
王淑青
+3 位作者
鲁濠
张鹏飞
刘逸凡
要若天
《激光杂志》
CAS
北大核心
2022年第3期50-55,共6页
针对传统太阳能电池片检测方法中检测时间过长,检测精度不高等缺点,提出了一种改进Faster R-CNN的太阳能电池片缺陷检测方法。以Faster R-CNN为框架,以ResNet50为网络主干,针对小目标缺陷,融入了基于FPN的多尺度检测网络,并应用了GA-RP...
针对传统太阳能电池片检测方法中检测时间过长,检测精度不高等缺点,提出了一种改进Faster R-CNN的太阳能电池片缺陷检测方法。以Faster R-CNN为框架,以ResNet50为网络主干,针对小目标缺陷,融入了基于FPN的多尺度检测网络,并应用了GA-RPN结构,实现对太阳能电池片缺陷的检测。实验结果表明,较原始的Faster R-CNN算法,所提出的针对太阳能电池片表面缺陷检测方法的均值平均精度提高了6%,检测时间也有所提升。
展开更多
关键词
太阳能电池片
Faster
R-CNN
缺陷检测
FPN
GA-RPN
下载PDF
职称材料
面向无人机巡检的农村输电线螺栓锈蚀检测
被引量:
2
4
作者
黄剑锋
王淑青
+3 位作者
王年涛
张鹏飞
顿伟超
鲁濠
《湖北工业大学学报》
2022年第1期54-58,共5页
针对农村地区输电线路螺栓锈蚀情况严重且不易检测的问题,提出一种利用深度学习目标检测网络的螺栓锈蚀检测方法,首先自制无人机图像数据集,然后利用二阶微分锐化和暗通道去雾对螺栓图像进行锐化和去雾处理,最后使用YOLOv5网络模型进行...
针对农村地区输电线路螺栓锈蚀情况严重且不易检测的问题,提出一种利用深度学习目标检测网络的螺栓锈蚀检测方法,首先自制无人机图像数据集,然后利用二阶微分锐化和暗通道去雾对螺栓图像进行锐化和去雾处理,最后使用YOLOv5网络模型进行数据集的训练与测试,相比其他网络模型检测精度更高,其平均精度均值达93.6%。结果表明,所提方法能够有效实现无人机巡检图像中螺栓部件的识别与锈蚀检测。
展开更多
关键词
农村输电线
无人机图像
深度学习
螺栓
锈蚀检测
下载PDF
职称材料
题名
基于改进YOLOv5的小龙虾品质检测方法
1
作者
鲁濠
王淑青
鲁东林
张子蓬
汤璐
机构
湖北工业大学电气与电子工程学院
武汉奋进智能机器有限公司
出处
《湖北工业大学学报》
2023年第4期76-81,共6页
文摘
小龙虾质量检测是其生产加工中的重要环节,针对当前目标检测模型在不同数据集上存在拟合性能不佳、冗余错误等问题,提出了一种基于改进YOLOv5网络的小龙虾质量检测方法。首先在主干网络采用DP-Conv卷积改进CNN卷积,利用高维过度参数化提高拟合效果和检测速度。其次在残差块Res_unit中嵌入SENet模块加强上下文的语义联系,减少冗余信息的干扰。最后设计一种小龙虾数据采集方法。与3种目标检测算法实验对比,结果表明,改进后的算法检测精度达到97%,速度为60帧/s,模型性能优于其他3种算法,具有高检测精度和高速度的应用效果。
关键词
目标检测
小龙虾检测
YOLOv5网络
深度学习
Keywords
crayfish detection
target detection
yolov5 network
deep learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于轻量化人工神经网络的PCB板缺陷检测
被引量:
7
2
作者
王淑青
鲁濠
鲁东林
刘逸凡
要若天
机构
湖北工业大学电气与电子工程学院
华中科技大学武汉光电国家研究中心
武汉大学电气与自动化学院
出处
《仪表技术与传感器》
CSCD
北大核心
2022年第5期98-104,共7页
基金
国家自然科学基金(61873195)。
文摘
PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型。首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解决特征提取中分辨率与感受野不合的问题。最后使用PReLU激活函数代替ReLU,防止神经元崩坏。实验结果表明,改进的算法参数减少91%,每s浮点运算次数减少70%,检测精度达到95%,能够在小型计算平台完成快速精确的PCB板表面缺陷检测。
关键词
深度学习
轻量化网络
YOLOv5
PCB板检测
目标检测
Keywords
deep learning
lightweight network
YOLOv5
PCB board detection
target detection
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种改进Faster R-CNN的太阳能电池片缺陷检测方法
被引量:
6
3
作者
鲁东林
王淑青
鲁濠
张鹏飞
刘逸凡
要若天
机构
湖北工业大学电气与电子工程学院
华中科技大学武汉国家光电研究中心
武汉大学电气与自动化学院
出处
《激光杂志》
CAS
北大核心
2022年第3期50-55,共6页
基金
国家自然科学基金(No.61873195)。
文摘
针对传统太阳能电池片检测方法中检测时间过长,检测精度不高等缺点,提出了一种改进Faster R-CNN的太阳能电池片缺陷检测方法。以Faster R-CNN为框架,以ResNet50为网络主干,针对小目标缺陷,融入了基于FPN的多尺度检测网络,并应用了GA-RPN结构,实现对太阳能电池片缺陷的检测。实验结果表明,较原始的Faster R-CNN算法,所提出的针对太阳能电池片表面缺陷检测方法的均值平均精度提高了6%,检测时间也有所提升。
关键词
太阳能电池片
Faster
R-CNN
缺陷检测
FPN
GA-RPN
Keywords
solar cell
Faster R-CNN
defect detection
FPN
GA-RPN
分类号
TN249 [电子电信—物理电子学]
下载PDF
职称材料
题名
面向无人机巡检的农村输电线螺栓锈蚀检测
被引量:
2
4
作者
黄剑锋
王淑青
王年涛
张鹏飞
顿伟超
鲁濠
机构
湖北工业大学电气与电子工程学院
出处
《湖北工业大学学报》
2022年第1期54-58,共5页
文摘
针对农村地区输电线路螺栓锈蚀情况严重且不易检测的问题,提出一种利用深度学习目标检测网络的螺栓锈蚀检测方法,首先自制无人机图像数据集,然后利用二阶微分锐化和暗通道去雾对螺栓图像进行锐化和去雾处理,最后使用YOLOv5网络模型进行数据集的训练与测试,相比其他网络模型检测精度更高,其平均精度均值达93.6%。结果表明,所提方法能够有效实现无人机巡检图像中螺栓部件的识别与锈蚀检测。
关键词
农村输电线
无人机图像
深度学习
螺栓
锈蚀检测
Keywords
Rural transmission lines
UAV images
deep learning
bolts
corrosion detection
分类号
TM726.2 [电气工程—电力系统及自动化]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv5的小龙虾品质检测方法
鲁濠
王淑青
鲁东林
张子蓬
汤璐
《湖北工业大学学报》
2023
0
下载PDF
职称材料
2
基于轻量化人工神经网络的PCB板缺陷检测
王淑青
鲁濠
鲁东林
刘逸凡
要若天
《仪表技术与传感器》
CSCD
北大核心
2022
7
下载PDF
职称材料
3
一种改进Faster R-CNN的太阳能电池片缺陷检测方法
鲁东林
王淑青
鲁濠
张鹏飞
刘逸凡
要若天
《激光杂志》
CAS
北大核心
2022
6
下载PDF
职称材料
4
面向无人机巡检的农村输电线螺栓锈蚀检测
黄剑锋
王淑青
王年涛
张鹏飞
顿伟超
鲁濠
《湖北工业大学学报》
2022
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部