来源：期刊VIP网 时间：
作者：金诚;芦金石;季旭;冯怡然;
单位：大连工业大学机械工程与自动化学院;大连工业大学辽宁省海洋食品加工技术装备重点实验室;
摘要：针对试管标签识别中的多字段、密排列，以及环境背景噪声和反光等干扰问题，提出一种基于改进YOLOv5s模型的视觉检测方法。利用OpenCV及优化后的CLAHE函数，对成像质量进行预处理；加入基于字段感知与多尺度强化的FA-SimAM预注意力层；将Res2Conv-RFEM混合模块替换C3部分模块，提升对字符层面的细粒度感知与密集信息处理能力，同时增强字段间的内在关联性；引入优化后的CBAM注意力机制，增强字段特征关注；用FA-NWD损失函数替换原CIoU损失函数，提升极小目标检测性能，并增强字段动态适配能力。结果表明，改进模型的mAP值为87.3%，召回率为87.5%，精确率为89.2%，相比原始YOLOv5s模型，分别提升12.3,7.2,7.1个百分点。研究为医疗识别相关领域提供支持。
关键词：试管标签;;YOLOv5s;;FA-SimAM;;混合模块;;CBAM优化
基金资助：国家重点研发计划项目(2018YFD0400800);; 辽宁省教育厅科研项目(JYTMS20230395)
