改进YOLOv5s的旋转框工业零件检测算法
摘要
在工业场景应用中，对于紧密排列分布的工业零件，采用水平框目标检测，会存在零件错选漏选及边界方向丢失的问题，因此提出一种基于改进YOLOv5s的旋转工件目标检测算法。首先，引入无参的SimAM网络，在不增加模型参数量的基础上，使网络更聚焦于关键信息，提高在复杂背景下的特征提取能力并抑制噪声干扰。其次，将原来的完全交并比（CIoU）回归函数替换为引入角度因子的SIoU函数，更加符合旋转框检测要求，将激活函数替换为Mish函数，提高模型收敛速度与精度。最后，引入移相编码法和改进的HardL-Tanh激活函数，实现角度和回归角度余弦值的预测，解决五参数表示法带来的角度多一性和边界问题，实现工件的旋转框检测。所提算法的平均精度均值达97.4%。实验结果表明所提算法权重文件小、平均准确率高、预测用时少，满足工业实时性要求。
引用本文（GB/T 7714）
魏瑶坤 Wei Yaokun, 康运江 Kang Yunjiang, 王丹伟 Wang Danwei, 等. 改进YOLOv5s的旋转框工业零件检测算法[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。