文章详情
| 稿件标题： | 基于DETR的3C装配场景精准视觉检测方法 |
| 稿件作者： | 程轲，陈雯柏，刘辉翔 |
| DOI： | 10.11809/bqzbgcxb2024.09.034 |
| 科学编辑： | 田鹏辉 博士（西安工业大学 副教授） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 目标检测；DETR；注意力机制；特征融合；自适应激活 |
| 文章摘要： | 针对当前传统检测算法对3C智能装配场景下小尺度器件识别精度不高，在面对目标器件遮挡情况下产生漏检等问题，提出一种改进的DETR算法，通过引入多尺度特征融合网络PANet，使模型保留更多的细节和上下文信息，从而提高对小目标的感知能力，改善小尺度器件识别精度不高的问题；针对骨干网络对多尺度特征提取能力弱，计算和参数量较大的问题，采用了ResNeSt50骨干网络，使模型拥有更强的特征表示能力，从而改善了泛化能力以及提升了模型的效率；采用ACON自适应激活函数有效的优化了激活函数在负半轴特征信息消失的问题；最后使用SmoothL1 Loss可以结合Focal Loss损失函数，使模型收敛精度更高，并且有效的改善了正负样本比例不平衡的问题。在自建3C装配数据集上进行了实验对比，实验结果表明：所提算法的mAP@0.5比基准网络YOLOv5提高了4%，比YOLOv7提升了2%。 |
| 稿件基金： | 国家自然科学基金项目（62276028） |
| 引用本文格式： | 程轲，陈雯柏，刘辉翔.基于DETR的3C装配场景精准视觉检测方法［J］.兵器装备工程学报，2024，45(9)：269-276. CHENG Ke, CHEN Wenbai, LIU Huixiang.Precise visual detection method for 3C assembly scenarios based on DETR［J］.Journal of Ordnance Equipment Engineering，2024，45(9)：269-276. |
| 刊期名称： | 2024年09期 |
| 出版时间： | 2024年9月 |
| 收稿日期： | 2023-09-30 |
| 修回日期： | 2023-12-29 |
| 录用日期： | 2024-02-03 |
| 上线时间： | 2024年9月30日 |
| 浏览次数： | 845 |
| 下载次数： | 26 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |