摘要
为提升工业机器人在接线端子姿态识别与定位任务中的检测精度与推理效率,文章提出一种基于YOLOv8n模型结构优化的轻量化改进方法。首先,将原主干网络中的C2f模块替换为计算量更低的C2f-faster模块,在保持特征提取能力的同时有效降低了参数规模与运算开销;其次,在特征提取阶段引入CGD(context guided down-sampling module)模块,替代部分卷积(Conv)模块,增强了模型对局部与上下文信息的感知能力,提升复杂场景下的识别鲁棒性;最后,采用SIoU损失函数优化边界框回归过程,提升目标定位精度。在基于自建数据集的实验中,改进模型在保持轻量化和低资源消耗的基础上,实现了99.4%的mAP@0.5,推理速度比未改进前提升约17.8%。研究结果表明,所提方法在接线端子的高效识别方面具有良好的应用前景。
出处
《信息技术与信息化》
2025年第12期186-190,共5页
Information Technology and Informatization
