文献类型：期刊文章

作　　者：董红召[1] 方浩杰[1] 张楠[1]

DONG Hong-zhao;FANG Hao-jie;ZHANG Nan(ITS Joint Research Institute,Zhejiang University of Technology,Hangzhou 310014,China)

机构地区：[1]浙江工业大学智能交通系统联合研究所,浙江杭州310014

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(61773347);浙江公益技术研究项目(LGF19F030001)。

年　　份：2022

卷　　号：56

期　　号：1

起止页码：16-25

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统目标检测算法未考虑实际分拣场景目标物形态尺度的多样性,无法获取旋转角度信息的问题,提出基于YOLOv5的改进算法MR;-YOLOv5.通过添加角度预测分支,引入环形平滑标签(CSL)角度分类方法,完成旋转角度精准检测.增加目标检测层用于提升模型不同尺度检测能力,在主干网络末端利用Transformer注意力机制对各通道赋予不同的权重,强化特征提取.利用主干网络提取到的不同层次特征图输入BiFPN网络结构中,开展多尺度特征融合.实验结果表明,MR;-YOLOv5在自制数据集上的均值平均精度(mAP)为90.56%,较仅添加角度预测分支的YOLOv5s基础网络提升5.36%;对于遮挡、透明、变形等目标物,均可以识别类别和旋转角度,图像单帧检测时间为0.02~0.03 s,满足分拣场景对目标检测算法的性能需求.

关 键 词：再生物品检测  YOLOv5  旋转框检测  环形平滑标签  特征金字塔  注意力机制  

分 类 号：TP391] X705[计算机类]