-
题名高密度垃圾分类场景下的改进型YOLOv7算法研究
- 1
-
-
作者
马文静
曹永刚
张慧
-
机构
江苏工程职业技术学院江苏省智能机器人工程技术研发中心
南通天生港发电有限公司
-
出处
《机械设计与制造》
北大核心
2025年第6期23-27,共5页
-
基金
江苏高校哲学社会科学研究课题(2023SJYB1759)
第五期江苏省职业教育教学改革研究课题(ZYB625)
国家级职业教育教师教学创新团队课题研究项目(ZI2021020406)。
-
文摘
为了解决机器视觉在高密度场景下进行垃圾分类时,出现的微小目标、堆叠目标和遮挡目标漏检、错检等问题,提出了一种专注于高密度垃圾分类的改进型YOLOv7算法,即MicroStackYOLO。该算法在YOLOv7基础上引入了微小目标检测预测头,采用Swin Transformer替代了主干和颈部网络中的卷积块,能更准确地定位高密度场景中的微小目标。同时,集成了CBAM和空洞卷积核,优化了遮挡、堆叠目标的检测效果。实验表明,本算法在高密度场景下平均检测精度为98.3%,相较于YOLOv7提升了6.2%,且检测速度满足实时性要求。
-
关键词
MicroStackYOLO算法
Swin
Transformer模块
CBAM模块
DW-Conv模块
-
Keywords
MicroStackYOLO
Swin Transformer
CBAM
DW-Conv
-
分类号
TH16
[机械工程—机械制造及自动化]
-
