基于改进YOLOv5_的旋转目标检测算法及其应用研究.pdfVIP

第44卷第19期包装工程

2023年10月PACKAGINGENGINEERING·229·

基于改进YOLOv5的旋转目标检测算法及其应用研究

112*

沈中华，陈万委，甘增康

（1.桂林理工大学机械与控制工程学院，广西桂林541006；

2.深圳职业技术学院智能制造研究院，广东深圳518055）

摘要：目的提高工业分拣上常见的纹理多样、随机堆放盒体的检测与识别能力。方法提出一种基于

YOLOv5的旋转目标检测算法，该算法包括目标分类、位姿角度识别和边界框位置定位3个模块功能。

目标分类模块中，通过自建数据集和设计8种目标分类标签以供模型分类学习；位姿角度识别模块对

YOLOv5头网络中添加角度预测分支，引入环形平滑标签角度分类方法，实现分拣盒体的旋转角度精准

检测；在边界框位置定位模块上，使用L回归框损失函数来计算旋转框回归损失，得到紧密包裹目

CIoU

标位置的边界框。结果改进的YOLOv5算法在自建数据集上检测精度达到95.03%，在机器人多物体分

拣实验中的准确率可达100%。结论本文算法在盒体处于散乱堆放、密集堆放、堆叠堆放场景下均具有

较高的定位与识别精度。

关键词：杂乱盒体；YOLOv5；环形平滑标签；旋转角度检测

中图分类号：TP391文献标识码：A文章编号：1001-3563(2023)19-0229-09

DOI：10.19554/ki.1001-3563.2023.19.030

ResearchonRotatingTargetDetectionAlgorithmandApplicationBasedon

ImprovedYOLOv5

112*

SHENZhong-hua,CHENWan-wei,GANZeng-kang

ABSTRACT:

Thisalgorithmincludedthreemodules:targetclassification,poseanglerecognitionandboundaryboxlocation.Inthe

sortingboxes;Intheboundaryboxlocationmodule,theLregressionboxlossfunctionwasusedtocalculatethere-

CIoU

tionaccuracyoftheimprovedYOLOv5algorithmintheself-builtdatasetreached95.03%.Intherobotmultiobject

accuracywhenboxesareinscattered,denseandstackedconditions.

KEYWORDS:messyBox;YOLOv5;ringsmoothlabel;rotationangledetection

收稿日期：2023-02-08

基金项目：校级科研启动项目（6022312029K）

Copyright