Silk-YOLO:蚕丝被拉扯识别算法

摘要

为了提高对蚕丝被拉扯情况的识别率与识别效率，该文提出一种基于改进YOLOv11的目标检测模型(Silk-YOLO)．首先，设计了一个新的多尺度卷积模块Silk Conv，利用不同卷积核进行深度可分离卷积，增大模型对不同尺度的捕捉，在保留常规卷积提取空间特征能力的同时减少冗余计算，解决在深度网络中的梯度消失问题;其次，添加了EMA注意力机制，在少量增加模型参数量的同时增强对特征的检测能力;最后，设计了C3k2＿ABlock模块，实现了高效的上下文信息整合，从而进一步加强对蚕丝被拉扯的特征情况的处理．在自制数据集上，与YOLOv11n基础模型相比，改进后的模型将精度、召回率、■和■分别提高了2.6%、9.2%、5.1%和6.6%. Silk-YOLO相较于其他算法对蚕丝被拉扯情况检测效果更优．

关键词

目标检测 / 蚕丝被 / 多尺度 / 特征增强

基金资助

国家重点研发计划(2019YFB2005304); 南通市基础科学研究计划(JC22022073)资助项目