基于深度学习的纱管识别方法研究

来源：机械与电子杂志2023年第12期北京时间：

作者：王青;吕绪山;党帅;姜越夫;梁高翔;赵恬恬;薛博文

单位：西安工程大学机电工程学院,陕西 西安 710048

摘要：为提高自动络筒机的工作效率,视觉检测准确率的提升尤为重要,在 YOLOv5 的基础上提出了一种改进的纱管识别方法。将网络原有的 SiLU 激活函数替换为表现力更好的 Mish 激活函数。将 CIoU 定位损失函数替换为考虑了真实框和预测框之间方向匹配性的 SIoU 损失函数,使网络更快速地收敛。将原有的 C3 模块替换为嵌入了 CA 注意力机制的 CCA 模块,使网络在提取特征上具有更好的表现力。制作纱管数据集,并对数据集进行数据增强使模型具有更好的鲁棒性和泛化能力。通过试验得出,所提的改进 YOLOv5 网络在识别准确率上达到了 97.30% ,召回率达到了 98.17% , mAP_0.5 达到了 98.58% ,改进后的网络相较于原网络,在识别性能上有显著提升。

关键词：纱管识别;注意力机制;深度学习; YOLOv5

基金资助：陕西省重点研发计划项目( 2022GY-307 )