文摘为解决废钢回收场景中人工分拣效率低和安全隐患高等问题,文章基于改进YOLOv5s-seg算法建立废钢分类及实例分割模型,旨在利用计算机视觉技术代替人工分拣。在主干网络中引入CBAM(convolutional block attention module)注意力机制强调废钢特征,同时用EIOU(efficient intersection over union)替换原网络中的CIOU(complete intersection over union)损失函数,加快收敛速度;通过线下数据增强算法对废钢厂采集的图片进行图像增强,并在改进前、后算法构建的两类模型上训练及验证。结果表明:改进的YOLOv5sseg废钢分类及实例分割模型边界框和掩膜的平均检测精度达到98%、96%,比原模型提高了5%、3%;全类别分类平均精度高达96.5%,比原模型提高了5.8%;改进模型与其他经典的实例分割模型相比也表现出优异的检测性能。该文所提算法具有较好的应用前景。
