基于改进的YOLO v5s目标实时检测方法

打开文本图片集

摘要：针对包裹单件分离领域存在的包裹识别不准确、实时性差及效率低等问题，本文提出一种基于改进的YOLO v5s算法的包裹检测模型。将RepVGG模块融入特征提取网络，降低网络参数的计算量，将损失函数CIOU优化为SIOU，引入真实框和预测框之间的向量角度，提升模型准确性。实验结果表明，在包裹检测任务中，该模型的准确率可达到95.2%，召回率达到90.3%，检测速度达到136.9帧每秒（frames per second，FPS），可实时精确地检测传送带上的各类包裹，包括检测难度较大的异形件，能够满足实际需求。（剩余8295字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。