标题：CaBi-YOLOv5：基于YOLOv5s的工业障碍物检测模型
作者：曾健 蔡思静
作者单位：福建理工大学电子电气与物理学院，福建 福州 350118
关键字：目标检测；实时性；注意力机制
摘要：为提升智能装配环境下自动导引运输车（Automated Guided Vehicle，AGV）障碍物检测的实时性能，尤其是针对移动型障碍物的实时检测，提出了CaBi-YOLOv5目标检测模型。首先，利用可分离卷积和残差模块构建编码主干网络，降低矩阵运算复杂度，结合通道注意力机制和NL激活提升模型边界描述能力；第二，设计C3CA注意力模块，提升高维位置信息相关性描述，提升长距离依赖关系，提升模型细粒度检测能力；第三，在高维特征融合部分引入加权双向特征金字塔结构，充分融合高维特征抽象和低维位置信息描述能力，实现多尺度特征加权表达，提高融合后特征信息的准确度。基于新能源智能装配车间，采用单目摄像头构建实验环境。实验结果表明，CaBi-YOLOv5模型与目前主流YOLOv5s相比，模型计算量降低了59.49%，模型参数数量减少了46.87%，推理速度提升了33.3%。改进模型能够满足AGV对工业场景下移动型障碍物的实时检测，具备更好的部署性能。