-
题名基于改进YOLOv5的手术器械检测算法研究
- 1
-
-
作者
彭帅杰
张小波
-
机构
安徽理工大学人工智能学院
-
出处
《洛阳理工学院学报(自然科学版)》
2025年第2期80-88,共9页
-
基金
淮南市科技计划项目(2023A05)
河南物联网关键技术研究创新团队(1201950ZX003)。
-
文摘
针对手术器械识别在实际应用场景中常见的排列紧密和相互遮挡而导致检测准确率低和漏检率增加的问题,提出了一种改进的YOLOv5目标检测算法,在颈部网络中采用EVCBlock模块以增强对模型的感受野,提高了模型对排列密集器械目标识别漏检的能力,使用特征提取模块C3Faster替换原模型中的C3模块,进一步增强模型的特征信息提取能力,同时降低模型参数量和复杂度,提升了对手术器械的检测精度和速度。引入WIoUv3替换传统的CIoU损失函数,显著提升了模型收敛速度和边界框回归的精度。实验结果表明:相比原始YOLOv5模型,改进算法的mAP@0.5提高了8.2%,参数量和计算量分别减少了9%、11.2%。
-
关键词
手术器械
深度学习
目标检测
YOLOv5
evcblock模块
-
Keywords
surgical instruments
deep-learning
object detection
YOLOv5
evcblock model
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
