标题：基于改进YOLOv7箱式货物目标检测研究
作者：吕雪峰
作者单位：上海大学机电工程与自动化学院，上海 宝山 200444
关键字：目标检测；注意力机制；损失函数
摘要：针对箱式货物集中摆放以致于难以实现该精度目标识别问题，提出了一种基于YOLOv7网络的改进方法，并将其应用于箱式目标集中摆放中进行检测。由于在拆垛时箱式货物通常堆叠在一起，相互遮挡，这使得目标检测模型难以准确地识别每个箱子的位置和边界框，再加上复杂恶劣的工业环境，难以实现更快速注意目标，因此在原有的YOLOv7网络中添加CBAM注意力机制，通过通道注意力模块和空间注意力模块实现更快捷和高效地分析复杂场景信息，进而达到实时性目标，使得拆垛机器人可以更快、更精准识别定位目标货物，进而执行抓取动作；此外，更换损失函数Focal Loss旨在缓解模型在大多数易分类的负样本上训练过于自信的问题，从而改善难以分类的正样本的检测效果。