基于YOLOv5的装载机物料细粒度检测优化算法

作者：顾同成; 徐武彬; 李冰; 李志恒; 惠翔禹; 何心

来源：计算机集成制造系统, 2022, 1-20.

• YOLOv5
• 智能铲装
• 物料识别
• 细粒度
• 注意力机制
• 目标检测

针对装载机智能铲装过程中缺少对物料细粒度方面的高精度检测算法问题，提出基于YOLOv5改进的物料细粒度目标检测算法。该方法主要利用注意力机制提高模型对细粒度特征的提取能力和对低质量数据的检测能力。为进一步利用注意力优化网络性能，提出双线性注意力机制，研究最佳嵌入方案并将软阈值思想与双线性注意力机制结合，以达到缓解低质量数据对模型检测精度影响的目的。实验结果表明，相较于原YOLOv5，双线性注意力机制改进后的网络在高质量样本上的mAP@0.5为93.2%，提高6.0%，检测速度为52.6FPS；嵌入软阈值后，网络在低质量样本上的mAP@0.5为90.2%，提高9.9%，检测速度为50FPS，满足装载机智能铲装过程对算法检测精度和实时性的要求。

• 单位
  广西科技大学; 广西柳工机械股份有限公司