改进的轻量化YOLOv4用于电子元器件检测

• 作者: 张明路 郭策 吕晓玲 张艳
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 目标检测 深度学习 可分离卷积 注意力机制 电子元器件
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 17-23
• 页数: 7页
• 分类号: TP391.41|TN609
• 语种: 中文
• DOI: 10.13382/j.jemi.B2104174

摘要

针对电子行业制造机器人对电子元器件检测精度低和速度慢的问题,提出基于改进YOLOv4的电子元器件检测方法.对网络结构进行改进,利用深度可分离卷积代替PAN网络中的传统卷积,提高检测速度;利用一种具有线性瓶颈的逆残差结构代替CSP darknet53主干网络,降低模型参数,进一步提高检测效率;在检测网络YOLO head前添加注意力机制,提高检测精度.模拟工业传送带环境建立了电子元器件数据集并进行数据增强,相较于原算法,精度(mAP)提高了1.31％,速度提高了16.34 fps,权重大小从245下降到41.20 MB.研究可为相关电子行业制造机器人的研制提供技术参考.