基于改进YOLOv5的工业棒料识别研究
胡宏升
叶树林
张仁冬
佛山大学机电工程与自动化学院,广东佛山 528225
摘要：为提高制造业中棒料自动上料的效率,提出了一种改进的Gs-YOLOv5s模型.将YOLOv5s的骨干网络替换为MobileNetV3的block模块,减少了模型参数并提高了检测速度.在颈部网络中嵌入GSConv模块,丰富输出特征图并增强模型对棒料特征的捕捉能力,同时减少了参数量.采用MPDIoU损失函数,通过引入距离惩罚和面积惩罚,使得模型在复杂背景下的棒料检测更加准确.实验结果表明,Gs-YOLOv5s模型的精度仅下降0.2％,但检测速度达到81帧/s,提高了 45.3％,参数量减少了 57.6％.该改进模型在保持精度的同时,实现了显著的轻量化和检测速度提升,适合在实际生产中部署使用.
关键词：棒料识别目标检测YOLOv5sMobileNetV3GSConvMPDIoU
分类号：TP391.41(计算技术、计算机技术)TH16(机械制造工艺)
论文发表日期：2025-03-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 43-48 )
英文信息