Jun, 2023

基于改进深度学习模型的海上风电场鸟类快速识别

PDF
TL;DR为了解决风力发电机叶片损伤的健康和生态问题，本文提出了一种新的基于 YOLOv5 的鸟类检测模型，该模型使用了 CBAM 注意机制和 RetinexNet 网络来提高网络性能，实验结果表明，该模型检测鸟类的准确度可以达到 87.40％，且该模型可以在夜晚，雨天和震动环境下表现出强的稳定性，证明了该模型能够确保风力发电机的安全稳定运行。
发现论文，激发创造
  • 基于改进神经网络算法的近海风力发电机组实时断裂检测

    通过引入 YOLOv8 目标检测模型的高级版本，结合卷积块注意力模块（CBAM）来改善特征识别，进一步优化损失函数，本研究在 Saemangeum 海上风力发电场和公开可用的数据集上进行了严格测试，结果显示缺陷检测稳定性显著提高，对于高效的涡轮维护迈出了重要一步，为未来的研究提供了启示，有可能革新可持续能源实践。

    Jul, 2023

  • 风力涡轮机叶片视觉损伤自动检测系统

    针对风能产业中风力发电机叶片破损的问题，提出了一种基于机器学习的破损检测模型，并探讨该模型在生产中实际运用的性能和效果，借助该模型可以降低风能发电的运营成本。

    May, 2022

  • 利用摄像机陷阱图像和深度学习消除在鸟类分类中的人为瓶颈

    本文介绍了一种通过利用深度学习技术实现鸟类在野外自动监测的方法，基于摄像机捕捉数据，使用 Faster-RCNN 架构实时分类图像，并通过 GPU 进一步处理数据，从而有效地减少了手动观测的需要，并取得了较为显著的监测鸟类的准确率

    May, 2023

  • 使用 YOLOv7 和测试时增强的方法进行小鸟检测

    本文提出了一种针对 2023 年小鸟目标检测挑战的小鸟检测方法，采用了 YOLOv7 模型和测试时间增强，通过增加输入分辨率、多尺度推断、在推断过程中考虑翻转图像以及使用加权框融合来改进检测效果，并在实验中对每种技术的影响进行了深入研究，实验证明了显著的检测精度提升。该方法在 Development 类别中取得了最高分，在 IoU=0.5 时，公共 AP 为 0.732，私有 AP 为 27.2。

    Dec, 2023

  • 利用虚拟现实技术和深度学习进行风力涡轮叶片缺陷检测的新方法

    通过使用两步深度学习方法，本文试验缺陷检测准确性，在风力涡轮片背景中生成真实感图像并训练定制的 U-Net 架构来分类和分割缺陷，为无人机等航空器的自主和远程检查提供合理的缺陷检测准确性。

    Dec, 2023

  • 基于注意力机制的卫星监测海洋垃圾检测

    通过结合 YOLOv7 的实例分割和不同的注意机制，本研究在卫星图像中探讨了寻找海洋垃圾的最佳模型，并发现 CBAM 在探测海洋垃圾方面具有最佳适用性。

    Jul, 2023

  • 利用基于无人机的检测图像学习识别风力涡轮机叶片表面的裂缝

    本文使用深度学习构建了一个可靠的风力涡轮机叶片损伤检测模型，降低了风电成本并增加了可持续风能发展。

    Jul, 2022

  • 用于濒危动物种群监测的多物种目标检测无人机图像系统

    动物种群数量急剧下降，精确计数濒危物种的技术对于长期监测种群变化至关重要。本研究侧重于优化用于无人机图像的目标检测模型，以创建准确的动物物种计数。通过使用无人机拍摄的数百张图片和大量可获取的无人机图像数据集，我们将传统的 YOLOv8 架构进行了优化。我们训练了 30 个不同的模型，其中最大的模型具有 4370 万个参数和 365 个层，并利用超参数调整和数据增强技术来提高准确性。尽管最先进的 YOLOv8 基线在野生动物数据集上只有 0.7％的准确性，但我们的模型在相同数据集上达到 95％的准确性。最后，我们将模型部署在 Jetson Orin Nano 上，演示了低功耗实时物种检测，便于在无人机上进行推断。

    Jun, 2024

  • FlightScope: 卫星图像中飞机检测算法的深度综合评估

    评估和比较适用于识别卫星图像中飞机的一套先进目标检测算法，并使用 HRPlanesV2 数据集和 GDIT 数据集进行验证，研究表明 YOLOv5 是特定情况下从遥感数据中识别飞机的最佳模型，具有高精度和适应性。

    Apr, 2024

  • BirdNet: 基于 LiDAR 信息的 3D 物体检测框架

    本文提出了一种基于 LiDAR 的三维物体检测算法，包含三个阶段：将激光信息投影到鸟瞰图上、通过卷积神经网络估计物体在平面上的位置和朝向、以及在后处理阶段计算 3D 物体检测。实验结果表明该算法在 KITTI 数据集上达到了与同类方法相当的最优结果，并能在不同实际场景下应用于多个 LiDAR 传感器。

    May, 2018