基于改进YOLOv4的工件识别

作者：张建华; 赵维; 赵岩^*; 王唱; 李克祥

来源：组合机床与自动化加工技术, 2022, (08): 109-113.

DOI：10.13462/j.cnki.mmtamt.2022.08.025

• 工件识别
• YOLOv4
• Moblienetv3
• 深度学习

针对传统装配机器人工件自动识别速度慢、精度低等问题，提出一种基于改进YOLOv4的工件识别方法。首先，采用简化Moblienetv3替换YOLOv4框架的特征提取网络；其次，将YOLOv4深层网络的标准卷积层替换为深度可分离卷积层；最后，增加104×104的特征检测尺度，并使其与另外三个尺度(52×52,26×26,13×13)进行融合。搭建了螺栓、螺母、轴等典型工件的图像数据采集平台，构建训练样本集并进行网络训练。测试结果表明，在工件识别任务中，与传统YOLOv4算法相比，网络参数规模减小87.10%,检测速度提高39.86%,初步满足实际生产中工件自动检测需求。

• 单位
  河北工业大学