基于轻量化YOLOv7的汽车保险盒检测算法  

作　　者：张浩林 林建强[1] 莫腾飞 张翰升 

机构地区：[1]广西科技大学自动化学院,广西柳州545000

出　　处：《南方农机》2024年第21期18-23,共6页

基　　金：广西科技大学博士挂职驻柳企业科研项目(BSGZ2216)。

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 

分 类 号：U463.6[机械工程—车辆工程]