基于YOLOv5的婴儿睡姿识别  

作　　者：巢梓涵 黄小杰 黄明 韩振华 巢渊 

机构地区：[1]江苏理工学院机械工程学院,江苏常州213001 [2]常州凯特工业机器人有限公司,江苏常州213004

出　　处：《物联网技术》2025年第2期45-49,共5页Internet of things technologies

基　　金：2022年江苏省大学生创新创业训练计划立项项目:基于机器视觉的婴儿异常行为检测(202211463005Z)。

摘　　要：针对婴儿不正确睡眠姿势对婴儿身体健康的危害,提出了基于YOLOv5的睡姿识别方法。利用YOLOv5的Mosaic数据增强和自适应图片缩放技术处理图片的局部和全局信息,使模型拥有更好的泛化能力。在卷积模块中引入CSP结构,解决推理过程中计算量大的问题,提升检测模型的准确度,并使用坐标损失、目标置信度损失和分类损失来更新梯度损失,进一步提高识别精度。实验结果表明,该模型可高效检测、识别多种婴儿睡姿,精度高达99%,具有较为广阔的应用前景。

关 键 词：YOLOv5 图像识别 婴儿睡姿 智能看护 Mosaic数据增强 深度学习 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]