基于改进YOLOX网络的雾天绝缘子缺陷检测

绝缘子作为输电线路中重要的元器件,对绝缘子缺陷的识别和定位在电网巡检方面有重要意义。为了对雾天情况下绝缘子状态进行准确定位识别,改进了YOLOX目标检测网络。首先,为了加快网络的训练速度,改进了激活函数;其次,为了解决小目标样本相较于整体样本较少和样本不均衡的问题,改进了图像增强方法和损失函数;最后,将改进的YOLOX网络在数据集上与4种目标检测网络进行比较。实验结果表明,在雾天数据集上,改进后YOLOX的准确度、平均准确率和每秒处理图片张数都有一定提升,符合无人机巡检的要求。

基于改进YOLOX的变电站工人防护设备检测研究

为解决电气工人防护设备检测问题,通过改进YOLOX算法,提出检测工作人员防护设备的模型。首先在预测部分改进损失函数,为解决损失函数计算存在的缺陷,对IOU损失的计算方法进行改进,根据防护设备任务特性,通过调整各种类型损失函数的权重,增加对模型误判的惩罚,对模型进行优化;其次在算法主干网络中引入CBAM注意力模块提高神经网络对工人防护设备的感知能力;最后在算法Neck部分,将UpSample结构用于多尺度特征融合,加强网络的细节表达能力,从而提升对小目标困难样本的检测精度。研究结果表明:改进后的YOLOX模型平均精度均值达到87.24%,与已有YOLOX模型相比提升2.46%,具备有效性,适用于变电站工人防护设备检测。研究结果可为电气工人提供更高的防护装备检测精度。

基于改进YOLOX模型的柑橘木虱检测方法

【目的】黄龙病被称为柑橘的“癌症”,是一种毁灭性病害,而木虱是黄龙病传播的主要媒介,对木虱的监测和精准消杀是防控黄龙病及抑制其传播的一种有效途径。【方法】传统方式消灭木虱主要是靠人工喷洒药物,人力成本高但防控效果并不理想。采用基于改进YOLOX的木虱边缘检测方法,在主干网络加入卷积注意力模块CBAM(Convolutional block attention module),在通道和空间两个维度对重要特征进行进一步提取;将目标损失中的交叉熵损失改为使用Focal Loss,进一步降低漏检率。【结果】本研究设计的算法契合木虱检测平台,木虱数据集拍摄于广东省湛江市廉江红橙园,深度适应农业农村实际发展需要,基于YOLOX模型对骨干网络和损失函数做出改进实现了更加优秀的柑橘木虱检测方法,在柑橘木虱数据集上获得85.66%的AP值,比原始模型提升2.70个百分点,检测精度比YOLOv3、YOLOv4-Tiny、YOLOv5-s模型分别高8.61、4.23、3.62个百分点,识别准确率大幅提升。【结论】改进的YOLOX模型可以更好地识别柑橘木虱,准确率得到提升,为后续实时检测平台打下了基础。

基于改进YOLOX算法的给水管道内缺陷智能识别与定位

针对给水管道内缺陷难以快速实时自动化检测的问题,本文基于实际工程项目中采集到的管道缺陷数据集,通过增加注意力模块,得到改进后的新型YOLOX算法模型,从而提出了一种给水管道智能识别与定位方法。利用视频抽帧的方式制作数据集并进行算法模型的训练与预测。测试结果表明:①基于注意力机制的YOLOX算法模型可以达到平均94%的测试精度,均值平均精度达到84%,平均识别速度为16 m/s;②新模型与其他2种常用算法模型(YOLOV3和Fast R-CNN)的训练结果进行对比,其综合性能最好。本文所提出的算法模型同样可以应用于视频实时检测,为给水管道内缺陷智能识别定位提供了一种高效精确的检测技术和方法。

基于深度学习的汽车轮胎受损检测方法研究

针对汽车轮胎受损尺度小、特征与背景相似导致检测困难等问题,提出一种基于改进YOLOX(YOLOX-O)的深度学习轮胎受损检测方法.以YOLOX模型为框架,对原YOLOX网络进行下采样层剪枝,使最小特征图尺度增加以实现对小尺度受损目标检测;为解决目标特征和背景相似导致受损难以检测的问题,在主干网络CSP结构中添加最大池化层和1×1卷积层,以保留最突出的目标特征;为平衡受损样本不均衡问题,将原网络中用于计算损失函数的BCE-loss函数替换为Focal-loss.利用Aidlux平台对模型进行压缩和优化,并将其部署到手机上实现移动端目标检测.试验结果表明:本文方法能够检测尺度小、特征和背景相似的受损轮胎,检测平均准确率均值达到90.8%,而且能够在手机端实现快速检测,适于推广应用.

基于重叠视域的跨相机多目标跟踪

针对短道速滑运动员检测难度大,难以准确进行跨相机目标交接等问题,提出了基于重叠视域的跨相机多目标跟踪算法.通过使用Global context network(GCnet)注意力模块、Funnel ReLU(FReLU)激活函数和Distance-IoU非极大值抑制(DIoU-NMS)改进YOLOXs算法,提高对粘连目标的检测精度.依据平面单应性原理将相机图像坐标映射至统一世界坐标以关联相邻相机,提出基于目标质心位置相似性与检测框空间相似性关联权重的改进型匈牙利匹配算法,实现跨相机目标一致性判定.实验结果表明:YOLOXs-GFD算法的平均准确率在Skater数据集和INRIA数据集上分别提升2%、1.1%.MOT-skater数据集上,跨相机多目标跟踪指标MCTA和IDF1分别为80.6%、83.7%.所提出的算法对短道速滑运动员的跨相机跟踪具有更优的准确性与鲁棒性.