基于YOLOv5的废旧塑料瓶双目视觉识别定位方法OA

为了提高废旧塑料瓶视觉识别定位的准确度,提出一种基于改进YOLOv5的轻量化双目视觉目标检测算法。首先,在主干网络中分别使用GhostBottleNeck模块和GhostNetV2模块替换原始的CBS和C3模块;其次,在颈部网络引入GSConv卷积和基于GSConv的VOVGCSP结构。通过自制数据集训练改进模型,并结合双目相机标定与立体匹配技术实现目标测距。结果表明:1)改进后的YOLOv5模型与原模型对比,准确率由87.92%提升到95.39%,参数量由7 012 888下降到5 933 320,帧率由96帧/s提升到105帧/s。改进网络有效减少了模型参数量,且准确率提高了7.47%。2)通过双目测距实验得到,检测的最大误差在7 mm左右,相对误差在1%以内,此误差符合要求。该方法的识别定位速度和精准度均达到实时处理要求,能为智能回收设备开发提供技术支持。