基于改进YOLOv4-tiny的零件目标检测
殷宇翔
徐顺清
何坚强
蒋成晨
陆群
唐乾榕
盐城工学院电气工程学院 盐城 224000
摘要：针对无序多角度零件视觉识别准确率不高,定位精度低的问题,提出一种基于YOLOv4-tiny的改进神经网络算法.改进的算法主要是将CBAM注意力机制引入到YOLOv4-tiny网络,使特征提取网络关注重要特征区域,并过滤无关信息.采用K-means算法对数据集进行聚类,重新得到anchor的对应参数.在零件数据集上进行对比实验,测试结果表明:所提算法在满足实时性的基础上,准确率相比原网络提高了3.4％,平均精确率提高了1.8％,具有较好的综合检测能力.该研究可为工业机器人的零件智能分拣提供技术参考.
关键词：目标检测深度学习零件识别注意力机制
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(62003292)
论文发表日期：2022-09-20
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( 1945-1949,2029 )
英文信息