《电子测量技术杂志》发表论文赏析

基于DSCI-Yolov8的纺织品材质分类方法

来源:电子测量技术杂志2024年第18期北京时间:

作者:王敏,许永琪,曹小萌,曹冉,欧翔

单位:1.南京信息工程大学电子与信息工程学院 南京 210044; 2.安徽建筑大学电子与信息工程学院 合肥 230601

摘要:为了实现工厂的无人化生产,需要高效地对纺织品进行分类。针对传统纺织品生产厂的人工分类方法存在着效率低下、难以满足大规模生产需求的问题。将人工智能和计算机视觉先进技术应用到纺织品材质分类中,提出了一种基于DSCI-YOLOv8的纺织材质分类算法。在YOLOv8模型原有分类网络的基础上添加坐标信息注意力模块,增强模型对不同尺度纺织品材质特征的提取能力,提高了网络分类的准确率,同时减少了计算所需的一部分计算量和参数量;其次将分布偏移卷积加入到C2f网络模块,改进了分类神经部分的网络结构,从而存储器的使用得到降低,计算速度也得到提高。实验结果表明,在自制的纺织品材质分类数据集FMCD上进行测试,改进后的模型相较于YOLOv8模型准确率提高了2.09个百分点,每秒处理图片数提高13.5%。大幅减少计算成本的同时,有效提高了纺织品材质分类的精度和速度。可以满足纺织工业对产品类别分类和质量的检测需求。

关键词:深度学习;纺织品分类;注意力机制;YOLOv8;分布偏移卷积

基金资助:国家自然科学基金(41775165,41775039)、安徽省高校杰出青年科研项目(2023AH020022)资助

2024年18期其他文献查阅:

基于改进TCN的上扣扭矩序列数据分类

基于复数神经网络的双视角视觉转角测量方法

基于BO优化SVM轴承故障的静电信号识别方法

多域特征融合的脑电信号肢体运动特征提取与动作识别

基于机器视觉的双光源烟用香精外观质量检测仪

智能网络中基于流量预测的加权公平调度算法

基于蚁群算法和蝙蝠算法的多点路径规划

基于ORB-SLAM2的改进特征匹配与稠密地图算法

基于IViT的锂离子电池健康状态估计

基于PCA的金属工件表面线激光中心提取算法

基于多特征融合的图像修复算法

基于FPGA的多接口视频编解码系统

基于FPGA的智能在线升级存储系统设计

交通速度预测时空图卷积网络及其FPGA实现研究

基于深度特征提取残差网络的高光谱图像分类

基于DSCI-Yolov8的纺织品材质分类方法

基于改进YOLOv8的绝缘子自爆缺陷检测

基于轻量级算法的水上垃圾小目标检测研究

基于改进RT-DETR的浅水海洋生物识别方法

融合多尺度特征及注意力机制的食品图像识别

基于改进RT-DETR的车门内拉手表面缺陷检测方法

基于图像识别的联锁人机界面检测方法研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!