-
题名基于改进YOLOv5s的试管标签识别方法研究
- 1
-
-
作者
金诚
芦金石
季旭
冯怡然
-
机构
大连工业大学机械工程与自动化学院
-
出处
《包装与食品机械》
2025年第6期19-29,共11页
-
基金
国家重点研发计划项目(2018YFD0400800)
辽宁省教育厅科研项目(JYTMS20230395)。
-
文摘
针对试管标签识别中的多字段、密排列,以及环境背景噪声和反光等干扰问题,提出一种基于改进YOLOv5s模型的视觉检测方法。利用OpenCV及优化后的CLAHE函数,对成像质量进行预处理;加入基于字段感知与多尺度强化的FA-SimAM预注意力层;将Res2Conv-RFEM混合模块替换C3部分模块,提升对字符层面的细粒度感知与密集信息处理能力,同时增强字段间的内在关联性;引入优化后的CBAM注意力机制,增强字段特征关注;用FA-NWD损失函数替换原CIoU损失函数,提升极小目标检测性能,并增强字段动态适配能力。结果表明,改进模型的mAP值为87.3%,召回率为87.5%,精确率为89.2%,相比原始YOLOv5s模型,分别提升12.3,7.2,7.1个百分点。研究为医疗识别相关领域提供支持。
-
关键词
试管标签
YOLOv5s
fa-simam
混合模块
CBAM优化
-
Keywords
test tube label
YOLOv5s
fa-simam
hybrid module
optimized CBAM
-
分类号
TS206.5
[轻工技术与工程]
-
