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 |
|