改进的EfficientDet及直方图均衡化的工件检测算法研究

作者：石林坤; 田怀文^*; 杨玉洁

来源：机械科学与技术, 2023, 42(09): 1445-1454.

DOI：10.13433/j.cnki.1003-8728.20220095

• 工件检测
• EfficientDet模型
• Triplet Attention
• generalized focal loss

针对流水线加工作业环境下工业机器人对工件检测及定位率较低，速度慢等问题，提出基于改进的EfficientDet工件检测神经网络模型。采用EfficientNet作为主干特征提取网络，利用Triplet Attention注意力机制代替原始的SEAttention机制，同时借鉴循环特征融合思想，采用Recursive-BiFPN循环特征融合网络结构。针对正负样本不均等问题，采用generalized focal loss改进原始focal loss损失函数。考虑到机械加工特定生产环境，采用直方图均衡化思想对数据进行对比度提高。最后利用工业相机建立自制数据集并进行模型训练，在复杂工业生产情况下，改进后的EfficientDet在m AP上较原始网络提高6.1%，同时速度提高到72帧/s。最后实验结果表明,该算法在生产环境下能快速准确地对工件进行定位检测，为实际生产需要提供新的解决思路

• 出版日期2023
• 单位西南交通大学