面向少儿木工教育场景的小物体目标检测方法研究
廖员1
黎润霖1
杨昌2
1.吉利学院智能科技学院 四川成都 6414232.四川工商学院艺术学院 四川成都 611745
摘要：针对少儿木工教学场景中工具种类多、小目标识别难、遮挡干扰强等问题,文章提出了一种改进的YOLOv11目标检测模型,用于实现木工工具的高精度识别.首先,构建了一个覆盖五类典型工具(锤子、锯子、螺丝刀、锉刀、木工夹具)的图像数据集,涵盖多种光照、角度与遮挡情况.在模型设计方面,在YOLOv11基础上引入SimAM注意力机制以增强局部特征感知,增加高分辨率检测分支以提升小物体检测能力,并采用Focal Loss优化类别不平衡问题.实验结果表明,改进模型在mAP@0.5:0.95上达到74.1％,在所有类别上均取得90％以上的mAP@0.5,显著优于YOLOv5m、YOLOv8m等主流模型.结论表明,所提方法在精度、鲁棒性与实时性方面具有良好表现,具备在实际教学辅助系统中部署应用的潜力.
关键词：目标检测YOLOv11SimAM注意力机制小物体识别少儿木工教育Focal Loss
资助基金：虚拟现实技术与系统全国重点实验室开放课题(VRLAB2025E02)吉利学院校级科研项目(2024xzkzd028)
论文发表日期：2025-11-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 58-62 )