返回列表 发布新帖

基于改进YOLOv5的电子元器件实例分割算法

12 0
1 黄金阳光 发表于 2024-10-4 00:40 | 查看全部 阅读模式
文档摘要:为解决电子元器件组装中不同类型电子元器件难以自动区分的问题,利用改进的YOLOv5网络对电子元器件进行了实例分割,实现了不同元器件的自动识别分类.首先,使用三通道直方图均衡化对图像进行预处理.其次,在不增加模型复杂度的前提下,使用SE-Net通道注意力模块增强网络的特征提取能力,压缩无用信息;利用GhostNet实现网络轻量化;采用BiFPN增强网络特征融合能力.实验得出,采用改进的YOLOv5方法对电子元器件实例分割,其mAP为96.7%,单图的检测时间平均为45.5ms.试样结果表明,该实例分割方法优于同类方法,对提高电子元件的自动化检测水平具有实用意义.

Abstract:Toaddressthechallengeofautomaticrecognitionofelectroniccomponentsonanassemblyline,animprovedYOLOv5wasusedtoimplementinstancesegmentationoffourcategoriesofelectroniccomponents.Firstly,multi-channelhistogramequalizationwasusedforimagepreprocessing.Then,theYOLOv5wasimproved:Segmentationheadwasadded;Sequeeze-and-excitationnet(SE-Net)channelattentionmodulewasembeddedtoenhancethefeatureextractioncapabilityandtocompresstheuselessinformationwithoutincreasingthemodelcomplexity;GhostNetwasusedtomakethemodellightweight;andBiFPNwasusedtoenhancemodelfeaturefusioncapability.Finally,experimentalresultsshowedthatthemAPoftheproposedmethodcouldreach96.7%andthedetectiontimeofasingleimagewas45.5ms.Theresultsprovethatproposedmethodhassuperiorperformancethanthatbasedonmaskregion-basedconventionalneuralnetwork(MaskRCNN)andinitialYOLOv5,andhaspracticalsignificanceforautomaticdetectionofelectroniccomponents.

作者:杨祎宁  魏鸿磊Author:YANGYining  WEIHonglei
作者单位:大连工业大学机械工程与自动化学院,辽宁大连116000
刊名:测试科学与仪器
Journal:JournalofMeasurementScienceandInstrumentation
年,卷(期):2024, 15(1)
分类号:
关键词:实例分割  深度学习  YOLOv5  元器件识别  
Keywords:instancesegmentation  deeplearning  YOLOv5  componentsdetection  
机标分类号:TP391.41TN911.73TP273
在线出版日期:2024年4月28日
基金项目:基于改进YOLOv5的电子元器件实例分割算法[
期刊论文]  测试科学与仪器--2024, 15(1)杨祎宁  魏鸿磊为解决电子元器件组装中不同类型电子元器件难以自动区分的问题,利用改进的YOLOv5网络对电子元器件进行了实例分割,实现了不同元器件的自动识别分类.首先,使用三通道直方图均衡化对图像进行预处理.其次,在不增加模型复杂...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词:实例分割,深度学习,YOLOv5,元器件识别,

2024-10-4 00:40 上传
文件大小:
2.25 MB
下载次数:
60
附件售价:
1 下载券 [赞助会员免费下载]
本地下载 立即购买
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
  • 联系QQ客服
2022-2024 新资汇 - 参考资料分享下载网站
关灯 返回顶部
快速回复 返回顶部 返回列表