O objetivo é realizar o reconhecimento automático do ângulo das lâminas de Zhe Beimu com base em um algoritmo YOLOv7-tiny aprimorado. O método utiliza aumento de dados para construir um conjunto de dados com 16.000 imagens contendo Zhe Beimu em diferentes ângulos. O algoritmo YOLOv7-tiny foi aprimorado substituindo convoluções comuns por convoluções GhostConv, adicionando de forma ótima um mecanismo de atenção de coordenadas (CA), substituindo algumas funções de ativação pela função HardSwish com menor custo computacional, adicionando um termo de penalização do erro de reconhecimento de ângulo na função de perda e modificando a estratégia de supressão não máxima (NMS) para tratar múltiplos resultados de reconhecimento do mesmo alvo. Para validar a eficácia dos diferentes pontos de melhoria na otimização do modelo do algoritmo, foram realizados experimentos de ablação comparando os resultados de previsão antes e depois da adição de um ponto de melhoria específico na base do modelo original ou no modelo que já incluía melhorias validadas, demonstrando a eficácia dos pontos de melhoria pela melhoria dos indicadores de avaliação. Os resultados mostram que o algoritmo aprimorado para reconhecimento do ângulo das lâminas de Zhe Beimu requer cerca de 55,4% dos parâmetros do algoritmo original, com um custo computacional de cerca de 59,4%, a precisão média na interseção sobre união (IoU) de 0,5 (mAP@0.5) aumentou 12,2%, o erro absoluto médio (MAE) do reconhecimento do ângulo foi de 5,02°, reduzindo 4,58° em relação ao algoritmo original, e o tempo médio de reconhecimento para uma única imagem no ambiente experimental foi de 8,7 ms, muito mais rápido que o tempo médio de reação humana. Conclusão: este estudo utilizou um algoritmo YOLOv7-tiny aprimorado para realizar o reconhecimento do ângulo das lâminas de Zhe Beimu, sendo mais leve e com maior precisão que o modelo original, fornecendo um novo método para a automação estável e precisa das lâminas de Zhe Beimu e servindo como referência para a automação de outras preparações da medicina tradicional chinesa.

Zhe Beimu;automação da preparação;fabricação inteligente;processo de fatiamento;mecanismo de atenção;rede convolucional profunda;detecção de objetos;redução do modelo