改进YOLOv3算法的汽车配件检测  

作　　者：李嘉琪 张德育[1] LI Jiaqi;ZHANG Deyu

机构地区：[1]沈阳理工大学信息科学与工程学院,辽宁沈阳110159

出　　处：《信息技术与信息化》2022年第5期125-128,共4页Information Technology and Informatization

摘　　要：对汽车配件上的零部件实时检测是生产装配中的重要生产流程,汽车配件上的零件型小而繁多,导致检测成本高针对以上问题,将YOLOv3深度学习网络应用于汽车配件识别与检测中。根据具体的应用场景,自创建PART数据集对YOLOv3模型进行训练。因迭代自组织数据分析(iterative self-organizing data analysis technique,ISODATA)聚类算法解决了K-means算法无法确定海量数据下k的大小的缺陷,故采用ISODATA得到适合该数据集的锚定值。此外,训练时在重叠度(Intersection over Union,IOU)的基础上引入 CIOU 边界框回归损失函数。实验结果表明,改进的 YOLOv3 目标检测算法在满足实时性要求的情况下,平均精度(mAP)为0.950,平均检测时间为60 ms。与原YOLOv3算法相比,改进后的YOLOv3算法的准确率提高了4%,平均检测时间减少了7 ms,有效解决了原YOLOv3存在的定位精度偏低和漏检问题。

关 键 词：汽车配件 YOLOv3 识别检测 损失函数 ISODATA 

分 类 号：U468[机械工程—车辆工程] TP391.41[交通运输工程—载运工具运用工程]