基于YOLOX-Nano网络的废旧产品螺钉检测方法研究

摘要：

拆卸目标的自动检测是自动化拆卸的关键.针对基于深层神经网络算法的拆卸目标自动检测算法参数量大,导致的模型部署困难等问题,提出基于轻量级的YOLOX-Nano网络的目标组件智能检测方法.以十字螺钉为对象,构建数据集;提出基于迁移学习的YOLOX-Nano网络训练方法,基于试验法分析目标框回归损失和目标置信度损失对网络检测精度的影响规律,确定了最优的目标框回归损失和目标置信度损失组合,实现了网络检测精度的优化.最后,以某品牌插排为案例,对所提方法进行了实验验证.结果表明:使用轻量级网络实现十字螺钉检测,不仅得到了较为理想的检测效果,也大量减少了模型的部署时间,同时也为部署其他目标检测的轻量级网络提供了实验基础.

关键词：自动化拆卸、轻量级网络、深度学习、迁移学习、螺钉检测

所属期刊栏目：51

分类号：TP242.2(自动化技术及设备)

资助基金：国家自然科学基金;内蒙古自治区关键技术攻关计划项目;内蒙古自治区高等学校创新团队发展计划

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：75-80