| 基于改进YOLOv4-Tiny的机械零件目标检测算法 |
| |
| 引用本文： | 杜保帅,房 桐,赵燕成,赵景波.基于改进YOLOv4-Tiny的机械零件目标检测算法[J].传感技术学报,2024,37(2):303-309. |
| |
| 作者姓名： | 杜保帅 房 桐 赵燕成 赵景波 |
| |
| 作者单位： | 青岛理工大学信息与控制工程学院 |
| |
| 基金项目： | 国家自然科学基金项目(51475251)；山东省自然科学基金(ZR2013FM014)；山东省高等学校科技计划项目(J12LN37)；青岛市科技计划项目(15-9-2-109-nsh)；青岛市民生计划项目（22-3-7-xdny-18-nsh） |
| |
| 摘 要： | 随着智能化生产的普及，机械零件的智能装配技术受到广泛关注，为了改善传统特征提取算法中检测误差大、精度低等问题，以常见机械零件为研究目标，结合深度学习算法中的轻量级网络为基础模型进行优化，使用YOLOv4-Tiny中的CSP-Darknet53作为特征提取网络，在特征提取网络后添加改进后的MA-RFB模块，引入多分支卷积和空洞卷积加强感受野。并对颈部网络进行改进，选择PANet代替FPN,并添加注意力模块CBAM,形成CM-PANet对零件目标进行多尺度检测，在自制的零件数据集AP达到96.47%,检测速度达到0.001 38 s每样本。相比于原版YOLOv4-Tiny网络AP提高了2.80%,改进后的算法在速度和精度达到了一个平衡，体现了研究的理论和应用价值。
|
| 关 键 词： | 图像分类 轻量级网络 深度学习 机械零件 感受野 |
|
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
