[发明专利]一种基于改进YOLOv5目标检测的商品状态识别方法

权利要求书

1.一种基于改进YOLOv5目标检测的商品状态识别方法，其特征在于，包括：

步骤S10：采集目标图像样本数据，将采集到的目标图样数据集使用Mosaic数据增强，得到待识别数据集；

步骤S20：对目标检测算法YOLOv5进行改进，获得改进的YOLOv5目标检测算法；

步骤S30：在YOLOv5特征融合网络中添加一个新的特征提取层，并调整YOLOv5网络的目标框回归公式，改进损失函数；

步骤S40：将通过Mosaic数据增强后的目标图样数据集送入YOLOv5网络中进行迭代训练，并使用余弦退火算法对学习率进行调整；

步骤S50：训练完成后，将目标图片送入至训练后得到的最佳模型中，检测目标类别及位置，最终得到识别结果。

2.根据权利要求1所述的一种基于改进YOLOv5目标检测的商品状态识别方法，其特征在于，所述在步骤S10中，采集目标图像样本数据包括：通过远程控制系统操控摄像头进行旋转，实现分时采集，获得包含不同特征的图像样本数据。

3.根据权利要求1所述的一种基于改进YOLOv5目标检测的商品状态识别方法，其特征在于，所述在步骤S20中，对目标检测算法YOLOv5进行改进具体包括：在原始YOLOv5模型的基础上，在Backbone骨干网络和Neck网络中，新增跳转连接操作和卷积注意力机制模块，并进行加权特征融合。

4.根据权利要求1所述的一种基于改进YOLOv5目标检测的商品状态识别方法，其特征在于，所述在步骤S30中，YOLOv5网络的目标框回归公式，其中YOLOv5的Prediction端采用了CIOU_Loss做Bounding box的损失函数，计算公式下：

5.根据权利要求3所述的一种基于改进YOLOv5目标检测的商品状态识别方法，其特征在于，所述跳转连接操作将浅层的信息特征直接传递给深层网络，减少深层网络特征模糊对识别精度造成的影响；所述卷积注意力机制模块用于卷积神经网络的注意力模块，该卷积注意力机制模块模块沿着两个独立的维度依次推断注意力图，并将注意力图与输入特征图相乘以进行自适应特征优化。