改进RetinaNet的工艺流程检测算法

作者：李玮; 高林^*

来源：电子测量与仪器学报, 2023, 37(07): 104-112.

DOI：10.13382/j.jemi.B2306184

• 工艺流程
• MS-RetinaNet
• Swin-Transformer
• 判定因子式
• 检测头

现阶段，图像深度学习算法无法检测时序性的工艺流程问题。本文针对针织机械山板总成的人为装配工艺进行研究，提出MS-RetinaNet目标检测算法。借鉴自然语言处理的思想，引入Swin-Transformer结构，保留了CNN结构的层次性，弥补了CNN结构对于高层语义信息融合不足的问题，增强了全局与细节学习能力；使用改进的GIoU Loss,增加判定因子式，缓解损失计算退化的影响，优化边界框回归效果；根据多尺度目标参数，采用最佳锚框比，提高了召回率和检测精度；设计时序检测头，使算法具有判别目标先后顺序和逻辑关系的能力。实验结果表明，算法AP可达90.3%,高于当前主流算法2%以上，单张图片检测速度约46 ms,满足了工艺流程的时序检测要求，综合性能优越。

• 出版日期2023
• 单位电子工程学院; 青岛科技大学