多尺度分离的实时性餐具目标检测技术研究

摘要：

餐桌清理机器人能够对餐具进行自动分类与定位,并通过机械臂抓取回收,实现自动清理餐桌的功能.针对餐桌清理机器人硬件性能的局限性和餐具目标的多尺度特点,文中提出一种基于多尺度分离的改进YOLOv4-Tiny实时性餐具检测模型.设计HS-CSP(Hierarchical-Split Cross Stage Partial)模块增强模型的多尺度特征提取能力;应用Mish激活函数改进Leaky ReLU激活函数;应用AdaBelief优化器改进Adam优化器,在自建的餐具数据集上进行训练.通过对比实验得出3个改进点可有效提升模型的检测精度.最后,对比YOLOv3算法、CenterNet算法和YOLOv4-Tiny算法的检测准确性与检测速度.实验结果表明:文中的改进模型有较好的综合性能,准确率达到86.13％,检测帧数达到176 f/s;与另外两种算法相比,参数量相近时,YOLOv4-Tiny算法的检测精度有所提升,且检测速度可以满足实时性要求.该模型在餐桌清理机器人的餐具检测方面具有较好的应用价值.

关键词：餐具检测、多尺度分离、餐桌清理机器人、YOLOv4-Tiny、计算机视觉、卷积神经网络、激活函数

所属期刊栏目：45

分类号：TN931-34;TP249

资助基金：国家自然科学基金51575185

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：171-175