典型文献
基于改进YOLOv5的整车原木数量检测方法
文献摘要：
针对整车原木检测中存在密集小目标难检测、原木被遮挡易被漏检、目标检测模型复杂度太大难以部署等问题,提出一种基于YOLOv5的整车原木数量检测方法TWD-YOLOv5,来探究目标检测在整车原木场景下进行快速精准检测的可行性,从而实现智能检尺,提高检尺效率.本研究在原始YOLOv5模型的基础上通过修改模块数量、加入注意力机制和Transformer模块的操作来优化主干网络,结合新的检测尺度与基于Ghost卷积设计特征融合网络,提升网络检测小目标的能力,降低模型复杂度,选用CIoU作为边界框回归的损失函数和DIoU-nms作为边界框筛选算法,提高边框的回归精度和解决物体被遮挡的问题.本研究算法TWD-YOLOv5进行4组试验,从平均精度均值(mAP)、每秒传输帧数、原木真检率多种尺度指标进行评估,同时通过预测框完成对原木根数的计数.试验结果表明,本研究方法的mAP达到0.731,每秒传输帧数为7.33,模型参数降低了 40.5％,且测试集原木真检率达到了 99.551％,误检率为0.22％.该方法不仅大幅减少了模型复杂度,还保持了较高的检测精度.本研究的模型能对整车原木场景下的原木有良好的检测效果,解决了原木被遮挡的问题,且检测速度快,能做到实时检测,另外该算法有较强的鲁棒性且模型较小,可以满足部署至移动端进行目标检测的轻量化需求.
文献关键词：
YOLOv5;目标检测;原木检测;特征融合;轻量化网络;原木计数;遮挡目标
中图分类号：
作者姓名：
余鸿晖;郑积仕;张世文;周文刚;孔令华;丁志刚;杨水保
作者机构：
福建工程学院交通运输学院,福州350118;福建金森林业股份有限公司,三明353300;福建工程学院机械与汽车工程学院,福州350118
文献出处：
引用格式：
[1]余鸿晖;郑积仕;张世文;周文刚;孔令华;丁志刚;杨水保-.基于改进YOLOv5的整车原木数量检测方法)[J].林业工程学报,2022(04):135-143
A类：
原木检测,原木计数
B类：
YOLOv5,整车,数量检测,密集小目标,漏检,目标检测模型,模型复杂度,太大,TWD,精准检测,高检,注意力机制,Transformer,主干网络,检测尺度,Ghost,设计特征,特征融合网络,网络检测,CIoU,边界框回归,损失函数,DIoU,nms,筛选算法,边框,平均精度均值,mAP,每秒,秒传,测试集,误检率,检测精度,检测效果,检测速度,实时检测,足部,移动端,轻量化网络,遮挡目标
AB值：
0.357604
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
