标题：融合通道剪枝与YOLOv5s的料箱标签检测算法
作者：宣岁寒1；罗印升2 宋伟2；徐岗1
作者单位：1 江苏理工学院机械工程学院，江苏 常州 213001；2 江苏理工学院电气信息工程学院，江苏 常州 213001
关键字：标签；YOLOv5模型；目标检测；通道剪枝
摘要：为高效提取标签关键信息，设计一种旨在低浮点运算和低参数量条件下精准检测标签的方法。将YOLOv5s作为基线模型，为获得更加丰富的梯度流信息，提出具有多尺度信息的自适应融合R2C2f-ECA模块。使用重参数卷积进行特征融合并通过LeakyReLU对神经元激活，避免出现死亡神经元情况的同时，更好地建模输入数据的复杂特征，增强模型的表示能力。针对回归目标不匹配的问题，使用基于动态非单调聚焦机制的边界框损失函数WIoULoss，提高模型的回归性能。实验表明：改进后的模型在物料箱标签数据集上mAP_0.5与mAP_0.5:0.95两项指标分别提高1.9%和2.1%，达到99.1%和94%。融合LAMP通道剪枝与Feature-Based Knowledge蒸馏后的模型大小为4.37 M，仅为原始模型的32%，两项mAP指标较原始模型分别提高1.4%和2.1%，FPS提升43%。