《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编陈 晓
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于YOLOv5s改进模型的堆叠螺栓抓取研究

作者:李凤洋,邱益,陈江义,等. 日期:2024-08-30/span> 浏览:440 查看PDF文档

基于YOLOv5s改进模型的堆叠螺栓抓取研究*
李凤洋1,邱益1*,陈江义1,杨云峰2,窦晓亮2,郝树涛2

(1.郑州大学 机械与动力工程学院,河南 郑州 450001;
2.青海黄河上游水电开发有限责任公司 工程建设分公司,青海 西宁 810000)


摘要:在当前工业的螺栓生产过程中,堆叠螺栓的分拣工作依然需要人工完成,不仅工作效率低,而且会导致大量人力资源的浪费。针对这一问题,对YOLOv5网络模型进行了改进,提出了SE_YOLOv5网络模型。首先,在原网络的Neck部分删除了P′1特征层,减小了网络对浅层信息的提取,在不影响对大尺寸目标检测的前提下,提高了网络检测的实时性;然后,改进了Backbone模块,通过添加压缩与激励(SE)注意力机制,使网络更高效地聚焦于图像中的重要部分,增强了网络对堆叠螺栓检测的准确性;最后,提出了检测框重叠最小法,减少了抓取时夹爪与非目标螺栓的碰撞,并对螺栓检测框进行了抓取点位姿优化,提高了抓取的成功率。研究结果表明:SE_YOLOv5网络对堆叠螺栓检测的平均精度为86.5%,平均速度为13.02 FPS;相比于原YOLOv5s网络模型,SE_YOLOv5网络在检测精度上提升了1.2%,在检测速度上提升了2.71 FPS;相比于其他检测模型,SE_YOLOv5也具有更高的检测精度和检测速度。抓取结果证明,该模型能用于有效地指导机械臂进行螺栓抓取操作。

关键词:堆叠螺栓分拣;SE_YOLOv5网络模型;压缩与激励注意力机制;重叠最小法;抓取操作;抓取点位姿优化

中图分类号:TH39;TP391.4文献标识码:A文章编号:1001-4551(2024)08-1500-08


本文引用格式:

李凤洋,邱益,陈江义,等.基于YOLOv5s改进模型的堆叠螺栓抓取研究[J].机电工程,2024,41(8):1500-1507.

LI Fengyang, QIU Yi, CHEN Jiangyi, et al. Stacked bolts grasping based on YOLOv5s improved model[J].Journal of Mechanical & Electrical Engineering, 2024,41(8):1500-1507.




友情链接

浙江机械信息网