机床与液压

作者：王国风，张琦，董立静，胡文涛，詹绍佳，周燕昆，延皓

单位：中国航发贵州红林航空动力控制科技有限公司；中国航发贵州红林航空动力控制科技有限公司；北京交通大学机械与电子控制工程学院；中国航发贵州红林航空动力控制科技有限公司；北京交通大学机械与电子控制工程学院；中国航发贵州红林航空动力控制科技有限公司；北京交通大学机械与电子控制工程学院

关键词：微小流量检测;YOLOv5;CBAM;迁移学习

针对当前微小流量测试结果精度低、人为误差大、可重复性较差的问题，提出一种基于改进YOLOv5的油滴微小流量检测方法。在YOLOv5的基础上，通过加入卷积块注意力模块CBAM加强对油滴小目标特征的提取，并且弱化复杂背景对检测结果的影响。同时，采用Focal EIoU Loss作为损失函数，加快模型收敛速度并提升模型回归精度与鲁棒性。最后，引入迁移学习的训练策略来解决油滴样本小的问题，提升模型的泛化能力与训练速度。实验结果表明：所提检测算法在不同场景的数据集中表现良好，平均识别准确率达到60.29%，相比原始YOLOv5模型（48.07%）提高了约12%;同时，在不同滴落速度下可达到95%以上的识别准确率，为微小流量检测提供了一种新方法。

来源：2025年第14期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第14期