基于YOLOv5的角度优化抓取检测算法研究

来源：计算机工程与应用杂志2024年第6期北京时间：

作者：陈春朝, 孙东红

单位：河南理工大学 机械与动力工程学院，河南 焦作 454000

摘要：针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角，降低抓取检测精度，甚至导致抓取失败的问题，提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取框坐标及抓取角度。对抓取角度进行更细致的划分，同时引入环形平滑标签以适应角度的周期性，建立相邻角度之间的联系，将YOLOv5检测头进行解耦，并对损失函数进行优化，提高检测精度。在Cornell数据集上进行实验验证。实验结果表明，与经典的抓取检测方法相比，所提算法能够更好地预测抓取角度，提升抓取检测精度；在Cornell数据集上，此模型达到了97.5%的准确率以及71?FPS的检测速度。

关键词：抓取检测,YOLOv5,环形平滑标签,检测头解耦