文章详情
| 稿件标题： | 基于改进YOLOv5的复杂环境下小目标弹孔识别 |
| 稿件作者： | 吴飞,李纶 |
| DOI： | 10.11809/bqzbgcxb2024.01.039 |
| 科学编辑： | 宫华 博士（沈阳理工大学 教授） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 深度学习；实例分割；YOLOv5；弹孔识别；复杂环境 |
| 文章摘要： | 为实现能够在不同光照、阴影遮挡、弹孔重叠等复杂环境下对靶面弹孔的高效精准地识别，提出一种基于改进YOLOv5的实例分割算法。模型以YOLOv5主干网络为基础，融合了含有ASPP模块的分割解码器，实现对弹孔小目标的实例分割；对目标检测端输出参数进行解耦，降低回归参数与类别概率的耦合影响，提高识别精度；调整模型的输出尺度，删减预测大目标的特征层，增加融合低层信息的极小目标预测层，以此提升检测召回率与精确率。对于经过数据集训练后的模型，在测试集下的检测精度达到92.42%，检测速度达到25.15帧/s。与原网络YOLOv5、Mask RCNN、Deeplabv3+等网络的对比试验表明，所提模型在复杂环境下具有较高的检测精度与检测速度，满足实际训练中的精确性与实时性要求。 |
| 稿件基金： | 多源数据驱动的人机协作装配机器人主从作业动态控制方法研究 |
| 引用本文格式： | 吴飞,李纶.基于改进YOLOv5的复杂环境下小目标弹孔识别［J］.兵器装备工程学报，2024，45(1)：296-304. WU Fei, LI Guan.Small target bullet hole recognition in complex environment based on modified YOLOv5［J］.Journal of Ordnance Equipment Engineering，2024，45(1)：296-304. |
| 刊期名称： | 2024年01期 |
| 出版时间： | 2024年1月 |
| 收稿日期： | 2022年12月9日 |
| 修回日期： | 2023年1月19日 |
| 录用日期： | 2023年2月20日 |
| 上线时间： | 2024年1月28日 |
| 浏览次数： | 1828 |
| 下载次数： | 95 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |