多尺度分离的实时性餐具目标检测技术研究

作者：陈康杰; 郭慧^*; 周邵萍

来源：现代电子技术, 2022, 45(10): 171-175.

DOI：10.16652/j.issn.1004-373x.2022.10.032

• 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

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。

• 单位
  华东理工大学