面向废旧电缆检测的轻量化网络模型

目前我国废旧电缆回收主要依靠人工分拣,存在耗时耗力、准确性低的问题。为了更好地将模型部署至小型化硬件设备并提高检测实时性,提出基于改进YOLOv5s的废旧电缆检测网络模型。首先,将主干网络中的标准卷积模块替换为轻量化的幻象(Ghost)模块以减小网络的复杂度,并且在快速空间金字塔池化(SPPF)模块前引入卷积块注意力模块(CBAM),提高了特征提取和融合的效率。其次,将网络中Neck部分的C3模块结合有效通道注意力模块(ECA),实现了跨通道的信息交互,提高了网络特征融合能力。最后,在损失函数的计算部分使用Wise-交并比(WIoU)作为新的边界框损失函数以提升回归效果,加快模型的收敛速度。实验结果表明:改进模型的平均检测精度为96.3%,相比单点多框检测器(SSD)提高了1.2个百分点;参数量为5.15×10^(6),相比YOLOv5s模型减少了27.0%;在小型嵌入式设备LubanCat-1上的推理速度达到8.49帧/s,具有良好的实时性,适用于废旧电缆的实时检测与分类。