基于改进YOLOv5的仓储物体检测研究

来源：电子测量技术杂志2024年第14期北京时间：

作者：刘庭浔，王飞，刘旭，蔡晨文

单位：1.贵阳人文科技学院大数据与信息工程学院 贵阳 550025; 2.贵州省模式识别与智能系统重点实验室 贵阳 550025

摘要：针对仓储复杂多样的环境以及对仓储物体传统检测模型性能较低的问题，本文基于PaddlePaddle框架，提出一种改进YOLOv5的仓储物体检测模型YOLOv5-CE。首先，为提高在复杂多样环境下对仓储物体检测，采用ConvNeXt网络替换原YOLOv5的主干网络，以提高对中小型仓储物体的特征提取能力；其次，为提高模型的收敛速度和物体的检测精度，采用EIoU Loss代替原模型的损失函数；最后，通过利用自制仓储训练集进行多模型对比实验。实验结果表明，在对货物（cargo）、托盘（tray）、叉车（forklift）进行检测时，改进后的模型平均检测精度均值（mAP@0.5:0.95）达到89.8%，相比原YOLOv5提升1.1%，其中在小尺度仓储物体上，提升4.2%；在中、大尺度仓储物体检测上，皆提升1%；对于小仓储物体检测的平均召回率由61.1%提升至66.8%。与YOLOv6、YOLOX、YOLOv7、Faster R-CNN等其他模型相比，YOLOv5-CE均体现出更好的精度。同时，相比上述模型，YOLOv5-CE在模型参数量、检测速度以及检测精度上，也取得良好的平衡，能够较好地满足对不同大小、不同种类仓储物体的精准检测。

关键词：仓储物体检测;YOLOv5;PaddlePaddle;ConvNeXt;EIoU Loss

基金资助：教育部产学合作协同育人项目（221001766110209）、贵州省教育厅青年科技人才成长项目（黔教合KY字［2021］115）、贵阳人文科技学院科研基金项目（2022rwjs034,2023rwxs038）、贵阳人文科技学院教学改革研究项目（20211365116）资助