AA-GM-YOLO:基于改进YOLO的机加工切屑监测方法

来源：计算机集成制造系统杂志2025年第12期北京时间：

作者：刘若斐, 陈子杰, 沈燮勇, 贾内利, 朱俊江

单位：1.浙江大学建筑设计研究院有限公司2.浙江大学 平衡建筑研究中心3.浙江省公众信息产业有限公司4.中国计量大学机电工程学院

摘要：识别出机加工图像中的切屑对于监控加工工艺具有重要意义。但由于切屑尺寸小、形状多样化,导致传统的识别算法难以捕捉其关键特征。本文在YOLOv11的基础上进行了改进,提出一种新型AA-GM-YOLO模型:首先,引入了Ghost模块以降低计算量;其次,增加了代理注意力机制以增强全局视觉特征捕捉能力;最后,设计了一种新型损失函数,该损失函数通过在CIoU框回归损失中加入边界框大小偏差项来平衡目标尺寸和形状关系。采用车削视频数据集对所提模型进行了测试,结果表明,相比于YOLOv11n模型,AA-GM-YOLO的mAP@0.5值提升2.41%,F1值提升3.52%。AA-GM-YOLO模型结构紧凑、参数量小,具有应用在资源受限嵌入式设备的潜力。

关键词：幽灵模块,切屑检测,YOLOv11,代理注意力机制,损失函数

基金资助：浙江大学平衡建筑研究中心科研资助项目(K-20203312C);浙江省建设科研资助项目(2018K068)。