文献检索-宁波市创意产业特色资源库

限定检索结果

基于机器学习的铝熔体夹渣自动检测技术: 收藏
分享
引用; 《特种铸造及有色合金》2024年第4期44卷 477-484页; 作者：白蕊胡勇金泽发刘宏泉闫志杰太原科技大学材料科学与工程学院太原030024 宁夏大学材料与新能源学院银川750021 栋梁铝业有限公司湖州313000 中北大学材料科学与工程学院太原030051 特殊环境先进金属材料山西省重点实验室太原030051; 根据现有夹渣图像的特点,提出基于YOLOv5模型的夹渣目标检测算法,以减少获取图像的角度、光源等不确定因素对测试结果所造成的负反馈影响,提高检测精度。利用Mosaic数据增强、自适应锚框计算、自适应图像缩放等技术,融合Focus和CSP结构...; 根据现有夹渣图像的特点,提出基于YOLOv5模型的夹渣目标检测算法,以减少获取图像的角度、光源等不确定因素对测试结果所造成的负反馈影响,提高检测精度。利用Mosaic数据增强、自适应锚框计算、自适应图像缩放等技术,融合Focus和CSP结构,设计出基于YOLOv5的自动化识别夹渣图像和自动计算夹渣率的优化算法。结果表明,相对于人工采集照片计算夹渣率水平的方法,改进后的YOLOv5s模型,有效提高了断面夹渣图像目标检测的精确度,由改进前的83%提高至97%。; 来源：详细信息评论

限定检索结果