精密なバブル検出は化学工学や海洋学におけるプロセス制御にとって基本的であるが、ハードウェアの制約により、エッジデバイスでの重い深層学習モデルの展開はしばしば実用的でない。そこで、我々は高速度の産業検査に最適化されたYOLO11nの合理化された進化版であるLGA-YOLOを提案する。ゴースト畳み込みとチャネルシャッフルを融合させ、新しいトリプレットアテンションに基づく特徴強化を組み込むことで、我々の設計は識別力を損なうことなく冗長性を体系的に排除する。アーキテクチャは、LightShuffleGhostConv、C3k2Ghost、LSPPF、およびLightC2fPSAという4つの専門コンポーネントを統合し、効率を最大化する。我々のカスタムサイド照明バブルデータセットにおいて、LGA-YOLOは89.0%の高いmAP@50と67.0%のmAP@50–95を維持し、精度90.1%および再現率85.1%を達成した。重要なのは、ベースラインと比較してパラメータ数を67%、FLOPsを56%削減し、リアルタイム埋め込みモニタリングのための実行可能で高性能なソリューションとしての地位を確立したことである。
Wenda et al.（金曜日）はこの問題を研究した。