基于改进YOLOv5的电子元器件实例分割算法(英文) |
| |
引用本文: | 杨祎宁,魏鸿磊.基于改进YOLOv5的电子元器件实例分割算法(英文)[J].测试科学与仪器,2024(1):23-32. |
| |
作者姓名: | 杨祎宁 魏鸿磊 |
| |
作者单位: | 大连工业大学机械工程与自动化学院 |
| |
基金项目: | supported by 2021 General Project Scientific Research Funds of Education Department of Liaoning Province(Nos.LJKZ0535,LJKZ0526); |
| |
摘 要: | 为解决电子元器件组装中不同类型电子元器件难以自动区分的问题,利用改进的YOLOv5网络对电子元器件进行了实例分割,实现了不同元器件的自动识别分类。首先,使用三通道直方图均衡化对图像进行预处理。其次,在不增加模型复杂度的前提下,使用SE-Net通道注意力模块增强网络的特征提取能力,压缩无用信息;利用GhostNet实现网络轻量化;采用BiFPN增强网络特征融合能力。实验得出,采用改进的YOLOv5方法对电子元器件实例分割,其mAP为96.7%,单图的检测时间平均为45.5 ms.试样结果表明,该实例分割方法优于同类方法,对提高电子元件的自动化检测水平具有实用意义。
|
关 键 词: | 实例分割 深度学习 YOLOv5 元器件识别 |
|
|