一种基于RBWG-YOLO网络的仓库AGV小车目标检测方法

本发明公开了一种基于RBWG‑YOLO网络的仓库AGV小车目标检测方法，包括以下步骤：获取仓库环境中的AGV小车图像数据集，用于提供多样化的训练样本；构建RBWG‑YOLO网络模型；将构建完成的RBWG‑YOLO网络模型加载至配置好的训练环境中，调整模型参数文件，并利用获取的数据集进行训练和检测，以优化模型性能；应用经过训练的RBWG‑YOLO网络模型进行小车目标的检测。该方法通过RT‑DETR骨干网络的特征提取能力、BiFormer双层路由注意力机制的多尺度特征融合、GhostConv的计算优化以及WIoU损失的边界框回归改进，显著提升检测精度至95.6％，尽管参数量增至11.5M，仍通过结构优化实现了较高的性能，适用于仓库中AGV小车的实时精确检测需求。