基于YOLOv5的婴儿睡姿识别

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：针对婴儿不正确睡眠姿势对婴儿身体健康的危害,提出了基于YOLOv5 的睡姿识别方法.利用YOLOv5 的Mosaic数据增强和自适应图片缩放技术处理图片的局部和全局信息,使模型拥有更好的泛化能力.在卷积模块中引入CSP结构,解决推理过程中计算量大的问题,提升检测模型的准确度,并使用坐标损失、目标置信度损失和分类损失来更新梯度损失,进一步提高识别精度.实验结果表明,该模型可高效检测、识别多种婴儿睡姿,精度高达99%,具有较为广阔的应用前景.

作者：

巢梓涵、黄小杰、黄明、韩振华、巢渊

展开 >

作者单位：

江苏理工学院机械工程学院,江苏常州 213001

常州凯特工业机器人有限公司,江苏常州 213004

关键词：

YOLOv5 图像识别婴儿睡姿智能看护 Mosaic数据增强深度学习

出版年：

2025

DOI：

10.16667/j.issn.2095-1302.2025.02.012

物联网技术

陕西省电子技术研究所

物联网技术

影响因子：0.4

ISSN：2095-1302

年,卷(期)：2025.15(2)