DOI：10.3969/j.issn.1672-3872.2024.21.005
基金项目：广西科技大学博士挂职驻柳企业科研项目（BSGZ2216）
作 者：张浩林 ，林建强 ，莫腾飞 ，张翰升 （广西科技大学自动化学院，广西 柳州 545000）
摘 要：【目的】针对目前汽车保险盒的质量检测效率和精度较低等难题，提出了一种改进YOLOv7的轻量汽车保险盒装配防错检测算法。【方法】YOLOv7分别由输入、提取特征网络、特征融合结构和预测输出端组成。通过在YOLOv7的特征提取网络中添加ShuffleNetv2轻量级网络，降低了骨干网络中的参数和计算量；加入了BiFPN进行不同尺度的特征融合；在Head前引入SE注意力机制能有效提高检测效果，提高平均精度。【结果】对常用的两种类别共8个型号的汽车保险片进行训练和检测，改进后的YOLOv7算法与改进之前相比，mAP值提高了2.3个百分点，且参数量和计算量都大幅度下降。在检测之前，需要先提取汽车保险盒合格样本。在对保险片进行检测和定位之后，提取出其坐标和类别信息，让该信息与标准模板信息去对比，从而判断保险盒中的保险片是否有漏插和误插。【结论】大量的实验证明，改进后算法正确识别率为97.5%，验证了该算法的有效性。
关键词：深度学习；汽车保险片；YOLOv7；机器视觉
引文信息：[1]张浩林，林建强，莫腾飞，等.基于轻量化YOLOv7的汽车保险盒检测算法[J].南方农机，2024，55(21)：18-23.
查看全文请下载PDF文件↓
