【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及基于改进yolov8的无序零件检测方法及系统。
技术介绍
1、yolo系列算法因其快速且能支持实时检测而在工业应用中获得广泛运用；将目标检测技术与机器人的整合日益紧密；通过将目标检测模型部署在机器人的摄像头上，利用“机器之眼”替代人工视觉，机器人能够快速且有效地识别和分类零件；零件通常处于无序状态，即存在散乱、密集、遮挡等情况。
2、在实际的分拣作业中，面对零件种类多样、规格各异、放置方式不一以及相互间距离较近的情况，常常出现漏检或误检的问题，这些挑战可能导致机器人或机械臂无法精确定位零件，进而影响检测的准确性。
3、公开号为cn117876371a的专利，对yolov8的neck网络进行改进，通过直接连接或加法操作来融合不同层次的特征，这种简单的融合方式可能未能充分发挥低级特征的空间细节和高级特征的语义信息，导致信息传递效率下降，从而影响了目标检测的准确性；另外，未对backbone网络的c2f层进行轻量化改进，不利于部署在微型机上。
4、吕张成等人的基于深度学习的工...
【技术保护点】
1.基于改进YOLOV8的无序零件检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进YOLOV8的无序零件检测方法，其特征在于，ADownconv卷积模块包括一个Avgpool2d、一个Maxpool2d、两个CBS模块；输入特征先进行Avgpool2d再经过Chunk分为两个特征，将两个特征分别通过3x3的CBS模块和Maxpool2d、1x1的CBS模块后再进行Concat操作。
3.根据权利要求1所述的基于改进YOLOV8的无序零件检测方法，其特征在于，C2f_GS模块包括两个CBS模块和若干GS模块，输入特征经过1x...
【技术特征摘要】
1.基于改进yolov8的无序零件检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进yolov8的无序零件检测方法，其特征在于，adownconv卷积模块包括一个avgpool2d、一个maxpool2d、两个cbs模块；输入特征先进行avgpool2d再经过chunk分为两个特征，将两个特征分别通过3x3的cbs模块和maxpool2d、1x1的cbs模块后再进行concat操作。
3.根据权利要求1所述的基于改进yolov8的无序零件检测方法，其特征在于，c2f_gs模块包括两个cbs模块和若干gs模块，输入特征经过1x1的cbs模块后进行split拆分为两个特征，其中一个特征经过每一操作层后进行短接，另一个特征经过n个gs模块得到两个输出特征，两个输出特征进行concat操作和1x1的cbs模块。
4.根据权利要求1所述的基于改进yolov8的无序零件检测方法，其特征在于，fusionblock模块包括1个1x1卷积、两个cbs模块和一个fusion_attention模块；fusion_attention模块由两个平均池化、三个1x1conv2d和一个cbs模块构成；两个输入特征分别输入fusion_attention模块的两个平均池化，其中一个平均池化的输出经1x1 conv2d与另一个平均池化...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。