改进YOLOv5s的旋转框工业零件检测算法

在工业场景应用中,对于紧密排列分布的工业零件,采用水平框目标检测,会存在零件错选漏选及边界方向丢失的问题,因此提出一种基于改进YOLOv5s的旋转工件目标检测算法。首先,引入无参的SimAM网络,在不增加模型参数量的基础上,使网络更聚焦于关键信息,提高在复杂背景下的特征提取能力并抑制噪声干扰。其次,将原来的完全交并比(CIoU)回归函数替换为引入角度因子的SIoU函数,更加符合旋转框检测要求,将激活函数替换为Mish函数,提高模型收敛速度与精度。最后,引入移相编码法和改进的HardL-Tanh激活函数,实现角度和回归角度余弦值的预测,解决五参数表示法带来的角度多一性和边界问题,实现工件的旋转框检测。所提算法的平均精度均值达97.4%。实验结果表明所提算法权重文件小、平均准确率高、预测用时少,满足工业实时性要求。