基于改进YOLO v5的机床刀具识别方法 |
| |
引用本文: | 闵筱萌,杜文华,段能全,曾志强,刘莞尔.基于改进YOLO v5的机床刀具识别方法[J].工具技术,2024(3):156-160. |
| |
作者姓名: | 闵筱萌 杜文华 段能全 曾志强 刘莞尔 |
| |
作者单位: | 中北大学机械工程学院 |
| |
基金项目: | 国家自然科学基金(52275139); |
| |
摘 要: | 针对目前机床刀具分类应用较少、预处理复杂、目标检测适用范围小且识别精度不高的问题,提出基于改进的YOLO v5机床刀具图像识别算法,利用卷积神经网络在特征提取层加入CBAM注意力模块,可以更清晰地提取图像特征,在特征融合层加入CARAFE上采样模块,使刀具的表面特征恢复更好,可以减少特征融合时部分特征的丢失。实验结果表明,改进后的算法使机床刀具等小目标检测精度和检测速度明显提升,且改进后的模型平均精度为96.8%,比YOLO v4模型提高了14.96%,比YOLO v5模型提高了2%。本方法能对不同刀具进行识别,为工业制造中机械零件的识别提供了新的算法支持。
|
关 键 词: | 机床刀具检测 注意力机制 YOLO v5 目标检测 特征提取 |
|
|