基于YOLOv5的物流托盘实时检测方法研究  

Pallet detection using YOLOv5 for logistics operations

作　　者：肖施睿 刁云峰 程文明[1,2] 涂昊 谢孟添 XIAO Shi-rui;DIAO Yun-feng;CHENG Wen-ming;TU Hao;XIE Meng-tian

机构地区：[1]西南交通大学机械工程学院,成都610031 [2]轨道交通运维技术与装备四川省重点实验室,成都610031

出　　处：《制造业自动化》2023年第2期17-21,共5页Manufacturing Automation

摘　　要：传统物流作业主要依靠人工操作叉车对托盘进行搬运,自动化程度低。工厂实际环境复杂多样,导致现有的托盘检测算法的模型复杂,耗时较长,无法同时达到准确性和实时性要求,难以实际运用。针对浙江某机械(搬运)设备有限公司下属的电动车工业园实际工厂环境下,XP3托盘自动搬运机器人工作效率问题,提出了一种高效准确的托盘检测算法,该算法利用改进的YOLOv5s网络检测托盘,在托盘定位部分准确率达到了99.8%,定位仅耗时10ms,同时算法的总体正确率达到了98.9%,总体耗时仅54ms,实现了对托盘高效精确的检测。

关 键 词：托盘识别 目标检测 YOLOv5s 深度学习 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]