목적은 개선된 YOLOv7-tiny 알고리즘을 기반으로 Zhe Beimu 조각의 각도를 자동으로 인식하는 것이다. 방법으로는 데이터 증강을 통해 다양한 각도의 Zhe Beimu를 포함하는 16,000장의 이미지 데이터셋을 구축하였다. YOLOv7-tiny 알고리즘을 개선하여 일반 합성곱을 고스트 합성곱(GhostConv)으로 대체하고, 좌표 주의 메커니즘(CA)을 최적 추가하며, 일부 활성화 함수를 계산량이 적은 HardSwish 함수로 교체하였고, 손실 함수에 각도 인식 오차에 대한 벌점 항을 추가했으며, 동일 대상에 대해 다중 인식 결과가 발생하는 현상을 해결하기 위해 비최대 억제(NMS) 전략을 수정하였다. 알고리즘 모델 최적화에 대한 다양한 개선점의 효과를 검증하기 위해 모든 개선점에 대해 소거 실험을 수행하였고, 원본 모델 또는 이미 효과가 검증된 개선점을 추가한 모델을 기반으로 특정 개선점 추가 전후의 예측 결과를 비교하여 평가 지표의 향상을 통해 개선점의 유효성을 입증하였다. 결과로는 개선된 Zhe Beimu 조각 각도 인식 알고리즘의 파라미터 수는 원래 알고리즘의 약 55.4%, 연산량은 약 59.4%, IoU 0.5에서 평균 정밀도(mAP@0.5)는 12.2% 상승하였으며, 인식 각도의 평균 절대 오차(MAE)는 5.02°로 원 알고리즘 대비 4.58° 감소하였다. 본 연구 실험 환경에서 단일 이미지의 평균 인식 시간은 8.7 ms에 달해 인간 평균 반응 시간보다 훨씬 빠르다. 결론적으로 본 연구는 개선된 YOLOv7-tiny 알고리즘을 사용해 Zhe Beimu 조각 각도 인식을 실현하였으며, 기존 모델보다 더욱 경량화되고 인식 정확도가 높아 안정적이고 정확한 Zhe Beimu 조각 자동화를 위한 새로운 방법을 제시하였고, 다른 중약재 자동화에도 참고가 될 수 있다.

Zhe Beimu;제조 자동화;스마트 제조;조각 공정;주의 메커니즘;심층 합성곱 신경망;객체 인식;모델 경량화