面向机器人的轻量化多目标检测算法
来源：电子测量技术杂志2026年第7期北京时间：
作者：熊鸣，李宏燚，吕科霖，刘雨鑫
单位：北京信息科技大学自动化学院 北京 100192
摘要：针对工业机器人自动化应用场景下，现有目标检测算法存在处理尺度变化大的目标时检测准确度低、遮挡处理效果差及实时性不足等问题，以YOLOv11n为基准模型设计并提出YOLOv11n-RLW算法。具体改进包括：采用RepViT主干网络替代传统特征提取网络，增强特征提取能力；加入LA-CBAM注意力机制解决SE模块缺乏空间特征的问题，提升多尺度特征融合；用Wise-IoU损失函数替代CIoU，提高回归精度。在VisDrone2019和KITTI数据集上，该模型以260 fps速度实现38.4%的mAP50，参数量仅2.24 M。相比基准模型，实时性上提升6%，识别率上提升5%，参数量减少了13.6%。该算法有效解决了多尺度目标检测、遮挡处理及实时性不足的问题。满足工业场景对检测速度和检测精度的要求，适用于高精度工业机器人目标检测系统的工程化应用。
关键词：目标检测;YOLO;轻量化;注意力机制
基金资助：国家自然科学基金(62071469）项目资助
