基于YOLOv5的医用外科手套左右手识别

琚恭伟，焦慧敏，张佳明，暴泰焚，蔡吉飞

（北京印刷学院 机电工程学院，北京 102600）

0 引言

全球新冠疫情蔓延，使得医用外科手套需求量激增。医用外科手套具有左右手之分，包装过程中，依靠人工识别和手动分拣，但是长时间人工分拣，容易产生错检、漏检。为了提高生产效率，急需采用自动化方式代替人工分拣，实现左右手套识别问题。本文使用深度学习技术，搭载相应的图像采集装置，完成医用外科手套的左右手识别，提高分拣过程中的自动化程度。

随着计算机视觉和深度学习的快速发展，使得自动化和智能化包装方式取得巨大进步。Hinton[1]等人使用卷积神经网络（CNN）参加ILSVRC（ImageNet Large Scale Visual Recognition Challenge）图像分类大赛，证明了深度学习的潜力。目前，基于CNN的目标检测算法大致可以分为两类，一类为“two-stage detection”（两步骤检测），另一类为“one-stage detection”（单步骤检测）[2]。“twostage detection”即基于候选区域的目标检测算法，这是一个“从粗到细”的过程，先根据不同的区域选择算法从图像中选择多个感兴趣的领域，然后通过深度学习提取特征并分类检测。T.-Y.Lin[3]等人提出的FPN（feature pyramid networks）算法，采用了特征金字塔网络结构，在检测各种尺度的目标方面取得巨大的进步。“one-stage detection”即基于回归的目标检测算法，在将一张图像进行分割操作，使其成为多个候选区域的同时，被分割出来的区域的边界框和目标的概率也会被预测出来，这样就可以在牺牲部分定位精度的情况下，大大提升检测速度。YOLO（You Only Look Once）v5被Jocher[4]提出，作为目前较为领先的目标检测技术，YOLOv5在推理速度上表现优异。……