第45卷第02期2023-02【17】收稿日期：2021-04-19作者简介：肖施睿（1998-），男，湖南人，硕士研究生，研究方向为机械设计及理论、深度学习。通讯作者：程文明（1963-），男，浙江东阳人，教授，博士，研究方向为物流装备与工业工程。基于YOLOv5的物流托盘实时检测方法研究PalletdetectionusingYOLOv5forlogisticsoperations肖施睿1,2，刁云峰1,2，程文明1,2*，涂昊1,2，谢孟添1,2XIAOShi-rui1,2，DIAOYun-feng1,2，CHENGWen-ming1,2*，TUHao1,2，XIEMeng-tian1,2（1.西南交通大学机械工程学院，成都610031;2.轨道交通运维技术与装备四川省重点实验室，成都610031）摘要：传统物流作业主要依靠人工操作叉车对托盘进行搬运,自动化程度低。工厂实际环境复杂多样,导致现有的托盘检测算法的模型复杂,耗时较长,无法同时达到准确性和实时性要求,难以实际运用。针对浙江某机械(搬运)设备有限公司下属的电动车工业园实际工厂环境下,XP3托盘自动搬运机器人工作效率问题,提出了一种高效准确的托盘检测算法,该算法利用改进的YOLOv5s网络检测托盘,在托盘定位部分准确率达到了99.8%,定位仅耗时10ms,同时算法的总体正确率达到了98.9%,总体耗时仅54ms,实现了对托盘高效精确的检测。关键词：托盘识别；目标检测;YOLOv5s;深度学习中图分类号：TP391.4文献标志码：A文章编号：1009-0134(2023)02-0017-050引言随着工业4.0的提出，工厂自动化已经成为了一个非常重要的趋势。在物流行业中，自动叉车可以快速的进行物料和部件的运输，因此对托盘自动识别系统的研究能提高工厂生产效率，减轻工人工作强度，降低运输成本，提升工厂自动化水平，具有极大的研究意义。目前，自动叉车存在的主要问题是对托盘的识别与检测，因为在复杂的工厂环境中很难精确定位托盘的位置。现在对于托盘的检测，主要有两类方法：基于图像的方法和基于传感器的方法。基于图像方法是使用摄像机捕获托盘图像，然后基于某些托盘特征分离托盘和背景[1~5]。如Garibotto等[5]提出了一种基于模型的视觉算法来检测托盘，但是这种方法没有搜索所有图像的机制，因此无法检测多个托盘。Chen等[1]，Cui等[2]和崔光照等[6]使用颜色特征和几何外观来检测托盘。该方法使用形态学、Soble边缘检测和Hough变化来定义边缘和角点，并使用离线训练和在线检测。但是，使用颜色信息作为阈值来区分不同的颜色托盘和背景是不可行的，因为在真实的工厂环境之中颜色信息是复杂的。基于传感器的方法使用射频识别标签[7]、激光...
