基于轻量化与注意力机制的船舶除漆机器人实时目标检测

摘要

自动巡航船舶除漆机器人目标检测受外部干扰时，存在算法检测精度下降、难以达到实时性要求等问题。为了解决这些问题，首先将重参深度可分离移动网络模块（Repvit-MobileNet block）引入到YOLOV5的主干网络中，提高检测速度。其次，在骨干网络每个阶段后增加位置注意力机制，扩大模型的全局感受野，提升模型的目标定位及抗干扰能力。然后，将卷积块注意力模块（CBMA）引入到颈部网络中，通过融合CBMA模块增强特征提取能力，提高网络模型的检测性能。最后，提出了一种Refine-Loss损失函数，通过优化预测框和真实框的几何关系、兼顾IOU的权重和置信度信息，提高对机器人目标位置的检测精度。在船舶机器人实验数据集中进行测试与验证，结果表明：融合Repvit-MobileNet block与注意力机制的YOLOV5轻量化网络平均检测精度达到了84.1%，在边缘设备上的推理运算速度达到了26.6 f/s，满足船舶除漆机器人目标检测工业应用的需求。

关键词

除漆机器人 / 轻量化 / 注意力机制 / 目标检测