L'objectif est de réaliser la reconnaissance automatique de l'angle des tranches de Zhe Beimu basée sur un algorithme YOLOv7-tiny amélioré. La méthode repose sur l'augmentation des données pour construire un jeu de données de 16 000 images contenant des Zhe Beimu sous différents angles. L'algorithme YOLOv7-tiny a été amélioré en remplaçant les convolutions normales par des convolutions fantômes (GhostConv), en ajoutant de manière optimale un mécanisme d'attention aux coordonnées (CA), en remplaçant certaines fonctions d'activation par la fonction HardSwish moins coûteuse en calcul, en ajoutant une pénalité d'erreur de reconnaissance d'angle dans la fonction de perte, et en modifiant la stratégie de suppression non maximale (NMS) pour traiter les multiples résultats d'identification du même objectif. Pour vérifier l'efficacité des différents points d'amélioration dans l'optimisation du modèle d'algorithme, des expériences d'ablation ont été menées en comparant les résultats de prédiction avant et après l'ajout d'un point d'amélioration spécifique sur le modèle d'origine ou un modèle déjà validé, démontrant ainsi l'efficacité des améliorations par l'amélioration des indicateurs. Les résultats montrent que l'algorithme amélioré de reconnaissance d'angle des tranches de Zhe Beimu nécessite environ 55,4% des paramètres de l'algorithme original, a un volume de calcul d'environ 59,4%, la moyenne de précision moyenne à IoU 0,5 (mAP@0.5) a augmenté de 12,2%, l'erreur absolue moyenne de reconnaissance d'angle (MAE) est de 5,02°, soit une réduction de 4,58° par rapport à l'algorithme original, et le temps moyen de reconnaissance pour une image unique dans l'environnement d'expérimentation est de 8,7 ms, bien plus rapide que le temps de réaction moyen humain. Conclusion : cette étude a utilisé un algorithme YOLOv7-tiny amélioré pour réaliser la reconnaissance de l'angle des tranches de Zhe Beimu, qui est plus léger et plus précis que le modèle original, offrant une nouvelle méthode pour une automatisation stable et précise des tranches de Zhe Beimu, tout en fournissant une certaine référence pour l'automatisation des autres préparations de médecine traditionnelle chinoise.

Zhe Beimu;automatisation de la préparation;fabrication intelligente;procédé de tranchage;mécanisme d'attention;réseau convolutif profond;détection d'objets;allégement du modèle