基于改进 YOLOv4 的工业棒料识别算法

来源：机械与电子杂志2022年第01期北京时间：

作者：王琪璇;管声启;胡璐萍

单位：1. 西安工程大学机电工程学院,陕西 西安 710048 ; 2. 绍兴市柯桥区西纺纺织产业创新研究院,浙江 绍兴 312030

摘要：针对工业棒料存在遮挡干扰时难以快速有效识别的问题,提出了一种基于改进 YOLOv4 的棒料识别算法。首先对 YOLOv4 进行轻量化改进,将改进的 Mobilenetv3 作为 YOLOv4 的主干网络,以减少模型参数量,提高算法的检测速度。然后提出在 YOLOv4 原损失函数基础上串联 Repulsion 损失函数,此新增损失函数包含 2 部分: RepGT 损失和 RepBox 损失,RepGT 损失函数计算目标预测框与相邻真实框所产生的损失值,用来减少棒料误检;RepBox 损失函数计算目标预测框与相邻的其他目标预测框所产生的损失值,用来减少棒料漏检。实验结果表明,改进算法的检测速度为 63 帧/ s ,比原 YOLOv4 算法提升了20 帧/ s ;识别准确率达到 97.85% ,比原 YOLOv4 算法提升了 1.62% 。

关键词：棒料识别; YOLOv4 ; Mobilenetv3 ; Repulsion 损失函数

基金资助：绍兴市柯桥区西纺纺织产业创新研究院 2019 年度产学研协同创新项目( 19KQYB13 )