-
题名基于YOLOv5的零件识别轻量化算法
- 1
-
-
作者
刘想德
马昊
-
机构
重庆邮电大学国家信息无障碍工程研发中心
重庆邮电大学先进制造工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2024年第5期100-104,107,共6页
-
基金
国家自然科学基金项目(61673079)。
-
文摘
为了解决现有的基于深度学习的零件识别模型参数量过大、检测速度慢、检测精度低的问题,以YOLOv5模型为基础,提出了结合轻量级网络和Transformer的零件识别算法。首先,设计了一种轻量级主干特征提取网络,以减少网络的参数量和计算量,并提升推理速度;其次,将Transformer模块与C3模块融合构成C3TR模块,以增强小目标的检测能力;最后,引入噪音净化模块,通过过滤噪音来提高零件识别模型的准确率。模型的检测平均准确率和平均召回率分别达到了86.7%和85.5%,相较原模型分别提升了和24.2%和17.4%。实验结果表明,改进后的模型在实现模型轻量化的同时,具有更快的检测速度和更高的识别准确率。
-
关键词
零件识别
模型轻量化
YOLOv5
Transformer模块
噪音净化模块
-
Keywords
part identification
model light-weighting
YOLOv5
Transformer module
noise cleaning module
-
分类号
TH16
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-