算法论文8

GCEA - YOLO：油田抽烟检测精度提升20.8%

机器学习AI算法工程2026-08-05

AI 摘要

科研人员：油田抽烟检测难题多，基于YOLOv11n构建GCEA - YOLO，四个模块针对性解决问题，精确率提升20.8%，兼顾计算量与实时性，为AI应用提供可行路径。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

边鑫：HyDEA加速粘性不可压流动求解

2026年8月，第十四届全国流体力学学术会议在青岛举行，智能流体力学专题研讨会展示了人工智能与流体力学交叉领域进展。边鑫作《混合深度学习与迭代方法的粘性不可压流动加速求解》报告，介绍HyDEA求解框架。

工厂质检工作累且易出错，用摄像头加AI检测，需模型在复杂车间环境识别微小缺陷。论文对YOLOv11改进，插入三个即插即用模块，降低漏检率、提升精度，还做了公平实验，公开数据。

文章围绕系统了解AI需搞清楚的四件事展开，介绍了AI理论基础层的机器学习和深度学习，感知交互层的计算机视觉等，应用实践层的机器人学等，还提及伦理社会层的AI伦理和社会影响研究。

文章指出传统绝缘子检测方法面临人工巡检效率低、小目标检测难等挑战，现有YOLO系列算法也有局限。为此提出RDA - YOLO网络，在YOLOv8基础上有三项创新，实验显示其精度、速度和极端天气鲁棒性表现出色。