基于改进YOLOv4-tiny的零件目标检测

摘要

针对无序多角度零件视觉识别准确率不高,定位精度低的问题,提出一种基于YOLOv4-tiny的改进神经网络算法。改进的算法主要是将CBAM注意力机制引入到YOLOv4-tiny网络,使特征提取网络关注重要特征区域,并过滤无关信息。采用K-means算法对数据集进行聚类,重新得到anchor的对应参数。在零件数据集上进行对比实验,测试结果表明:所提算法在满足实时性的基础上,准确率相比原网络提高了3.4%,平均精确率提高了1.8%,具有较好的综合检测能力。该研究可为工业机器人的零件智能分拣提供技术参考。