改进YOLOv5s的室内喷涂机器人的窗户检测算法

摘要：

室内窗户检测对喷涂机器人实现自动化喷涂作业有着重要意义.现有的窗户检测模型受光照环境影响较大,且无法识别局部窗户图像,参数量多、计算量大,难以部署在算力有限的喷涂机器人上.针对以上问题,本文提出一种改进YOLOv5s网络的轻量级室内窗户检测算法,在YOLOv5s网络的基础上引入PP-LCNet和GhostNetv2两个轻量级网络,降低模型的参数量和计算量,提升模型的实时检测速度;再将基于Transformer编码的C3TR模块添加到主干网络,增强模型的特征提取能力,并使用SIoU损失函数加快网络的收敛速度,保留有利特征.实验结果表明,本文改进的算法相较于原算法参数量降低了77.7％,权重文件减小了75.7％,检测速度提高了77.8％,平均精度均值提升了2.9％.

关键词：喷涂机器人、室内窗户检测、YOLOv5s、轻量级网络、损失函数

所属期刊栏目：14

分类号：TP391.4(计算技术、计算机技术)

资助基金：中国博士后科学基金;深圳市优秀科技创新人才培养项目

在线出版日期：2024-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：22-28