Rapid screening method of ICF capsule based on improved YOLO-V5 deep learning model

doi:10.13741/j.cnki.11-1879/o4.2023.05.012

您当前的位置：

首页 >

文章列表页 >

Rapid screening method of ICF capsule based on improved YOLO-V5 deep learning model

更新时间：2025-09-01

- Rapid screening method of ICF capsule based on improved YOLO-V5 deep learning model
- Vol. 49, Issue 5, Pages: 591-595(2023)
- 作者机构：
  
  1:北京理工大学光电学院“复杂环境智能感测技术”工信部重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2023.05.012
  CLC： TL62;TP391.41
- Published：2023
- 稿件说明：
移动端阅览
Rapid screening method of ICF capsule based on improved YOLO-V5 deep learning model[J]. 2023, 49(5): 591-595.
DOI：

Rapid screening method of ICF capsule based on improved YOLO-V5 deep learning model[J]. 2023, 49(5): 591-595. DOI： 10.13741/j.cnki.11-1879/o4.2023.05.012.

摘要

针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题，提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像，并将图像拼接在一起以获得其清晰图像；同时引入通道注意力机制来增强模型的特征提取能力，建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型，并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%

每秒可检测到约50张靶丸图像(分辨率3072×4096)

为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。

Abstract

关键词

Keywords

references

Views

114

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research on rapid screening method and technology of ICF shells

Objects recognition based on the multi-angle polarization D-value curve

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

Segmentation of lung lobes based on 3D full convolution neural network

The analysis of sensitivity spatial distribution of large area rectangular detection light screen with L-shaped light source

Related Author

李少白

赵维谦

马仙仙

王龙肖

王允

罗杨洁

吕朝凤

朱俊

Related Institution

1:北京理工大学光电学院光学测量研究中心

1:内江师范学院资源与环境科学学院

2:厦门大学

1:内蒙古农业大学机电学院

1:上海理工大学医疗器械与食品学院医学影像处理实验室

⁰