采用改进 YoloV4 算法的连接件识别方法

作者：李翠明^*; 王龙; 徐龙儿; 王华

来源：机械科学与技术, 2023, 1-8.

DOI：10.13433/j.cnki.1003-8728.20230133

• 目标识别
• 工业零件
• YoLoV4
• GhostNet

为实现连接件的自动化装配与分拣，本文提出了一种改进的YoloV4算法用于连接件的识别。首先在YoloV4的基础上，将YoloV4中的主干网络CSP-Darknet53替换为轻量级的GhostNet网络，同时把YoloV4中用到的普通卷积替换成深度可分离卷积来进一步减少参数量，并通过K-means++聚类算法来避免K-means聚类算法中的缺点，生成先验框尺寸。试验结果表明，改进后的YoloV4算法的平均精度值高达100%，识别速度得到大幅提高，参数量较YoloV4减少了82%，可提高在嵌入式设备的应用范围，为智能制造提供了技术支持。

• 单位
  机电工程学院; 兰州理工大学