基于改进YOLOv4轻量化网络的机械手状态检测算法

摘要

YOLOv4网络结构复杂、参数较多、模型较大，因此极大地限制了其在工业上的应用.针对这一问题，提出一种改进YOLOv4的轻量化网络.首先，采用GhostNet代替YOLOv4主干网络，简化网络结构，降低模型参数量；其次，为了弥补网络简化后带来的精度损失，在其余两个输出特征层后加入Spatial Pyramid Pooling结构，加强特征提取；再次，加入Squeeze and Excitation Network通道注意力机制，增强网络重要信息提取能力；最后，将损失函数CIOU替换为SIOU，加快模型收敛，进而产生更好的模型.实验结果表明，在满足工业要求的前提下，改进后的轻量化网络相比于YOLOv4网络，在牺牲较小检测精度的情况下，模型参数量和计算量大幅下降，同时检测速度得到了提升，从而证明了改进算法在光纤插拔任务中机械手夹持状态识别检测的有效性.

关键词

YOLOv4 / GhostNet / 深度可分离卷积 / 注意力机制 / 损失函数