基于改进YOLOv11-seg的高密集场景工业零件单目测量方案

Yubo Cheng

Keywords: 工业零件测量；YOLO；SEAM 注意力；单目测量；高密集实例分割

Abstract:

工业生产中高密集场景下的零件检测与测量是实现自动化和智能化生产的关键环节。然而，由于零件密集度高、
尺寸小以及遮挡问题，以往的工业零件目标检测与测量方法在精度和效率上存在局限性。为此，本文提出了一种基于改进
YOLOv11-seg 的单目视觉测量方案，旨在实现高密集场景中的工业零件精确检测与测量。我们通过引入额外的检测头、改进
的 NMS 方法以及加入 SEAM 注意力机制，显著提高了 YOLO-seg 模型在小目标、高密度场景下的识别能力与检测精度。 通
过引入 Ghost 卷积，在尽量不影响精度的情况下有效降低了模型的参数量，便于模型在移动端的部署。 同时，我们针对螺栓
和垫片两种常见的工业零件， 设计了一套基于 OpenCV 的几何处理的方法，实现了像素级的工业零件尺寸测量。 我们还以摆
放的桌面边长为基准，将像素个数转化为毫米级精度的尺寸信息。我们通过选取不同尺寸的零件、在不同摆放密度和姿态下
对方案进行了测试，结果表明我们所提方案能够实现毫米级的测量精度，并能够在移动端处理器上高效运行。

Submission Number: 17