典型文献
基于新型YOLO v5算法的磁悬浮球精确识别
文献摘要：
针对磁悬浮控制系统中目标物体定位精度低以及速度慢的问题,提出一种基于YOLOv5(you only look once v5)改进算法来对磁悬浮球进行识别定位.首先,利用Mish损失函数取代YOLOv5原模型中SiLU(sigmoid-weighted linear units)激活函数,以得到准确性更高和泛化能力更强的网络模型;其次,将协同注意力机制融合到YOLOv5算法中,提高模型的特征提取能力;在此基础上,选择 CIOU(complete-intersection over union)损失函数替换 YOLOv5 算法中的 GIOU(generalized intersection over union)损失函数来优化训练模型,以提高识别精度.最后,进行了仿真验证,结果表明,改进后的YOLOv5算法与原算法相比,在磁悬浮球目标识别精度由原来的92.4％提高到96.2％,MAP(mean average precision)由原来的88.8％提高到94.3％,从而验证了本文所提方法的有效性和可行性.
文献关键词：
磁悬浮;YOLOv5;新型;注意力机制;CIOU
中图分类号：
作者姓名：
马晓东;魏利胜;刘小珲
作者机构：
安徽工程大学电气工程学院 芜湖 241000;上海欧朔智能包装科技有限公司 上海 201417
文献出处：
引用格式：
[1]马晓东;魏利胜;刘小珲-.基于新型YOLO v5算法的磁悬浮球精确识别)[J].电子测量与仪器学报,2022(08):204-212
A类：
B类：
磁悬浮球,精确识别,磁悬浮控制系统,物体定位,定位精度,速度慢,YOLOv5,you,only,look,once,改进算法,识别定位,Mish,损失函数,SiLU,sigmoid,weighted,linear,units,激活函数,泛化能力,协同注意力机制,注意力机制融合,合到,特征提取能力,CIOU,complete,intersection,over,union,GIOU,generalized,训练模型,识别精度,仿真验证,目标识别,MAP,mean,average,precision
AB值：
0.474609
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
