基于改进YOLOv4的工件识别

针对传统装配机器人工件自动识别速度慢、精度低等问题,提出一种基于改进YOLOv4的工件识别方法.首先,采用简化Moblienetv3替换YOLOv4框架的特征提取网络;其次,将YOLOv4深层网络的标准卷积层替换为深度可分离卷积层;最后,增加104×104的特征检测尺度,并使其与另外三个尺度(52×52,26×26,13×13)进行融合.搭建了螺栓、螺母、轴等典型工件的图像数据采集平台,构建训练样本集并进行网络训练.测试结果表明,在工件识别任务中,与传统YOLOv4算法相比,网络参数规模减小87.10％,检测速度提高39.86％,初步满足实际生产中工件自动检测需求.