基于改进YOLOv5网络的轮胎规格字符识别

针对于汽车轮胎规格字符识别效率低、准确率低等问题,提出一种改进YOLOv5网络的轮胎规格字符识别方法。首先,将YOLOv5中的耦合头改为解耦头,提高网络的泛化能力;其次,提出C3-Faster模块,替换YOLOv5的Backbone和Head中的部分C3模块,提高网络的计算速度;最后,选用WIoU损失函数替换YOLOv5的CIoU损失函数,优化网络。通过对比实验,验证了C3-Faster和WIoU损失函数的有效性,在消融实验中,改进后的网络训练时间减少,mAP提高了3.7%,Precision提升2.1%。实验结果表明,该方法在汽车轮胎规格字符识别的有效性,提高了识别的准确性。     

基于改进YOLOv5的电子元器件实例分割算法（英文）

为解决电子元器件组装中不同类型电子元器件难以自动区分的问题,利用改进的YOLOv5网络对电子元器件进行了实例分割,实现了不同元器件的自动识别分类。首先,使用三通道直方图均衡化对图像进行预处理。其次,在不增加模型复杂度的前提下,使用SE-Net通道注意力模块增强网络的特征提取能力,压缩无用信息;利用GhostNet实现网络轻量化;采用BiFPN增强网络特征融合能力。实验得出,采用改进的YOLOv5方法对电子元器件实例分割,其mAP为96.7%,单图的检测时间平均为45.5 ms.试样结果表明,该实例分割方法优于同类方法,对提高电子元件的自动化检测水平具有实用意义。