来源：期刊VIP网 时间：
作者：李翠明;王龙;徐龙儿;王华;
单位：兰州理工大学机电工程学院;
摘要：为实现连接件的自动化装配与分拣，提出了一种改进的YoloV4算法用于连接件的识别。首先在YoloV4的基础上，将YoloV4中的主干网络CSP-Darknet53替换为轻量级的GhostNet网络，同时把YoloV4中用到的普通卷积替换成深度可分离卷积来进一步减少参数量，并通过K-means++聚类算法来避免K-means聚类算法中的缺点,生成先验框尺寸。试验结果表明，改进后的YoloV4算法的平均精度值高达100%，识别速度得到大幅提高，参数量较YoloV4减少了82%，可提高在嵌入式设备的应用范围，为智能制造提供了技术支持。
关键词：目标识别;;工业零件;;YoLoV4;;GhostNet
基金资助：国家自然科学基金项目(52265065);; 甘肃省自然科学基金项目(18JR3RA139)
