基于改进YOLOv5算法的密集遮挡零件检测

作者：张新伟; 陈东^*; 闫昊; 马兆昆

来源：工具技术, 2023, 57(10): 150-155.

• 目标检测
• YOLOv5
• 卷积注意力机制模块
• DIoU-NMS

针对零件在密集遮挡等复杂场景下存在视觉识别难度大、检测精度低和实时性差的问题，提出YOLOv5零件目标检测的改进算法。在YOLOv5的主干网络中添加卷积注意力机制模块，进而增强算法对零件的特征提取能力；将抑制准则改为考虑真实框与预测框重叠区域且同时计算两个框之间中心点距离的DIoU-NMS,并以此作为后处理方法，进而提高零件检测精度。试验结果表明，相比原始YOLOv5算法，本改进算法将mAP@0.5提升1.6%,识别速度达58.8帧/s,可以更好地完成检测密集遮挡零件的任务，同时保证了实时性。

• 单位
  机电工程学院; 青岛科技大学