Answers are grounded in this paper and cite their sources.
该研究展示了RSME-YOLO算法在LED灯泡外观缺陷检测中的应用,表明其有效性与效率。
为解决现有LED灯泡外观缺陷检测算法计算资源需求大和精度低的问题,设计一种RSME-YOLO算法。首先,提出一种重构的轻量化RD-HGNet主干,降低计算冗余的同时增强梯度稳定。其次,采用Slim-Neck模块,减少冗余计算,同时保留跨通道交互,高效维持多尺度特征融合。然后,设计一种融合多头自注意力机制的MSA-Detect检测头,增强特征交互能力和模型表达能力。最后,通过更换长宽分别解耦的EIoU损失函数,解决不平衡优化对模型带来的负面影响。与YOLOv8n基础算法相比,RSME-YOLO的参数量下降了33.2%,GFLOPs降低40.7%,权重文件大小仅为4.2 M,在验证集和测试集上mAP50分别达到87.1%和86.8%。该算法检测精度更高,同时实现了轻量化,更加适用于中小型企业对LED缺陷检测的智能升级。
No takes yet. Share an insight, caveat, or question.
Zhang et al. (2026) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: