改进YOLOv5s的纱管目标检测方法

为解决传统纱管分类方法效率低下、误差较高的问题，提出一种基于改进YOLOv5s算法的纱管目标识别方法。该算法融合了坐标注意力模块(CA)和Transformer模块，提出了新的SPP模块(SPP+)替换传统的SPP模块，使用加权双向特征金字塔网络(BiFPN)思想增强特征融合，并使用WIoU损失函数替代原有的损失函数。为验证改进算法性能，制作了一套纱管数据集，并基于改进YOLOv5s算法进行了纱管检测实验。实验结果表明改进的算法具有更好的识别效果。