基于改进YOLOv7-tiny的卸船机抓斗检测方法

作     者：伍济钢 曹鸿 WU Jigang;CAO Hong

作者机构：湖南科技大学机电工程学院湖南湘潭411201 

出 版 物：《湖南科技大学学报(自然科学版)》 (Journal of Hunan University of Science And Technology:Natural Science Edition)

年 卷 期：2024年第39卷第4期

页      面：77-86页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：湖南省自然科学省市联合基金重点项目资助(2022JJ50129) 

主　　题：抓斗检测 YOLOv7-tiny 损失函数 GSConv卷积 注意力机制 

摘      要：针对港口码头复杂环境下,现有卸船机抓斗检测方法存在精度低、漏检率高和误检率高的问题,提出基于改进YOLOv7-tiny的卸船机抓斗检测方法.首先,为克服低质量样本示例影响模型性能的问题,引入WIoU损失函数增强训练效果,加快模型训练的收敛速度;其次,为解决抓斗图像光照差异变化大,模型存在特征提取困难、参数冗余等问题,引入GSConv卷积对ELAN高效聚合路径模块进行改进,提高特征提取能力,保证模型参数大小和检测性能的平衡;最后,针对抓斗图像尺度变化大、背景干扰等导致检测精度低的问题,引入EMA高效多尺度注意力机制,提高不同尺度的特征学习能力,突出重要特征信息.所提出的改进算法在卸船机抓斗数据集中的检测准确率为97.0%,较改进前提高5.1%,模型大小减少16.3%;与Faster R-CNN,YOLOv5s,YOLOv7等方法开展对比验证试验,所提方法的mAP值分别提高11.2,9.3和3.5个百分点.结果表明:改进算法具有精度高、鲁棒性强等优点.