人机协同装配多目标检测的改进YOLOv7算法

针对人机协同装配环境复杂多变且装配零件尺度差异大、部分零件相似度高的特征,为保证人机协作装配过程中机器人准确抓取装配零件,提出了一种改进的YOLOv7模型来提高装配场景中多零件目标检测效果。首先,采用ODConv(Omni-dimensional dynamic convolution)替换YOLOv7主干网络中的卷积层,使其能够自适应调整卷积核的权值,提取不同形状、大小的装配零件的特征。其次,在YOLOv7主干网络中引入SimAM(Selective image attention mechanism)模块来减轻复杂多变的装配环境背景对零件检测准确率的影响。最后,使用Efficient-IOU替换原始的CompleteIOU来加速收敛,同时降低部分装配零件相似度高对检测准确率的影响。实验结果表明,该模型的平均准确率为93.4%,改进后的网络优于原始网络和其他目标检测算法。所提出的改进YOLOv7算法在保持高精度的同时具有较高的FPS,模型参数和计算量也相对较低,适合动态人机协同装配场景下实时目标检测要求。