第３８卷第１期青岛大学学报（工程技术版）Ｖｏｌ．３８Ｎｏ．１２０２３年３月ＪＯＵＲＮＡＬＯＦＱＩＮＧＤＡＯＵＮＩＶＥＲＳＩＴＹ（Ｅ＆Ｔ）Ｍａｒ．２０２３文章编号：１００６９７９８（２０２３）０１００２４１０；ＤＯＩ：１０．１３３０６／ｊ．１００６９７９８．２０２３．０１．００３基于ＹＯＬＯｖ５的服装熨烫目标检测算法研究姚明杰，李斌，陈世海，李晓帆，麻方达，符朝兴（青岛大学机电工程学院，山东青岛２６６０７１）摘要：针对服装熨烫行业中熨烫目标分类模糊、人工方式导致检测不准确且效率低的问题，本文将ＹＯＬＯｖ５算法运用到服装行业熨烫目标检测中，将常见的熨烫目标分为裤兜、缝线及褶皱，建立对应的数据集并标注。同时，通过数据集训练ＹＯＬＯｖ５算法模型，对模型进行评价和测试，得到模型准确率达９８％，召回率达９７％，平均精度均值达９５％。同时，选择２００张熨烫目标图像，对模型进行测试实验。实验结果表明，该模型对裤兜、缝线和褶皱的识别率分别为１００％，９６％和９５％，检测置信度为０．８２～０．９７，检测效果较好，满足实验要求，实现了常见服装熨烫目标的识别、分类及定位。该研究提升了服装熨烫行业的生产效率。关键词：ＹＯＬＯｖ５；目标检测；服装熨烫；深度学习中图分类号：ＴＰ３９１．４１２文献标识码：Ａ收稿日期：２０２２０８２０；修回日期：２０２２１００５作者简介：姚明杰（１９９８），男，硕士研究生，主要研究方向为物联网及人工智能。通信作者：符朝兴（１９６７），男，博士，副教授，主要研究方向为人工智能和机械运动。Ｅｍａｉｌ：ｃｘ＿ｆ＠１６３．ｃｏｍ纺织服装行业素有“三分缝七分烫”的说法，服装熨烫在服装生产过程中非常重要。目前，在服装熨烫过程中，服装熨烫目标的检测和识别主要是通过人工方式进行，但由于服装表面纹理复杂，熨烫目标的形状、大小各不相同，人工检测存在视觉疲劳和个人情绪对检测结果的影响，不能保证检测的准确率和效率。此外，人工检测的评判标准受个人的专业能力和主观判断影响大［１］，导致识别标准不统一。机器视觉是将人工智能技术运用到工业生产的重要体现［２３］，主要指使用视觉设备获得外界环境的实时图像，对图像中的目标快速定位，并对目标的空间位姿进行解算。目标检测是计算机视觉中的重要组成部分［４５］，其通过对图片中目标区域计算，获得目标区域坐标，并对目标进行分类，为后续任务提供数据支撑。目标检测...
