一种基于深度学习的工厂环境下零件识别方法

本发明涉及一种基于深度学习的工厂环境下零件识别方法，包括：采集工厂环境下多种零件图像，构建包括不同样本组的图像数据集，其包括遮挡样本、反光样本、多规格混合样本；构建基于YOLO11n模型的改进深度学习算法模型，其在YOLO11n模型的Backbone部分引入CGDown模块、在Neck部分引入DySamp le模块、在Head部分引入三个DyHead检测模块；利用所述图像数据集对所述改进深度学习算法模型进行训练、验证，获得识别模型。本发明建立了针对工厂复杂环境优化的高鲁棒性、低延迟零件识别模型，提高了针对遮挡及反光等情况的零件识别准确率。