-
题名基于改进YOLOv5的机床刀具识别方法
被引量：1
- 1
-
-
作者
闵筱萌
杜文华
段能全
曾志强
刘莞尔
-
机构
中北大学机械工程学院
-
出处
《工具技术》
北大核心
2024年第3期156-160,共5页
-
基金
国家自然科学基金(52275139)。
-
文摘
针对目前机床刀具分类应用较少、预处理复杂、目标检测适用范围小且识别精度不高的问题,提出基于改进的YOLO v5机床刀具图像识别算法,利用卷积神经网络在特征提取层加入CBAM注意力模块,可以更清晰地提取图像特征,在特征融合层加入CARAFE上采样模块,使刀具的表面特征恢复更好,可以减少特征融合时部分特征的丢失。实验结果表明,改进后的算法使机床刀具等小目标检测精度和检测速度明显提升,且改进后的模型平均精度为96.8%,比YOLO v4模型提高了14.96%,比YOLO v5模型提高了2%。本方法能对不同刀具进行识别,为工业制造中机械零件的识别提供了新的算法支持。
-
关键词
机床刀具检测
注意力机制
YOLO
v5
目标检测
特征提取
-
Keywords
tool detection
attention mechanism
YOLO v5
object detection
feature extraction
-
分类号
TG71
[金属学及工艺—刀具与模具]
TH164
[机械工程—机械制造及自动化]
-
