一种基于改进yolov5的多类散乱堆叠零件的识别方法

一种基于改进yolov5的多类散乱堆叠零件的识别方法。为识别发动机所拆卸下的零件位置对旋转检测网络模型结构进行优化，实现对多类具有不同种摆放姿态的零件在密集堆叠情况下的位置精准预测。所提到的改进的yolov5旋转检测网络模型，首先在backbone部分引入注意力机制Triplet Attention轻量级模块，通过三支结构来捕获通道、高度、宽度三个维度之间的交互关系来计算注意力权重；其次在网络模型的Neck+head模块中，基于发动机零件特征更改预测框比例，并在额外添加160×160的检测头后同样引入Triplet Attention轻量级模块，最后在预测阶段通过obb nms极大抑制函数对其旋转框进行筛选，并更换旋转宽回归损失函数为RIOU来计算Total loss，本发明的网络模型避免零件在密集堆叠状态下漏检及错检，使其更加稳定且高效。