عند تعرض روبوت إزالة الطلاء للسفن باستخدام الملاحة الآلية لتداخلات خارجية، تواجه خوارزمية الكشف مشاكل مثل انخفاض دقة الكشف وصعوبة تحقيق المتطلبات الزمنية الحية. لحل هذه المشاكل، تم إدخال وحدة شبكة Repvit-MobileNet القابلة للفصل العميق إلى الشبكة الرئيسية لـ YOLOV5 لتعزيز سرعة الكشف. بعد ذلك، تمت إضافة آلية الانتباه الموضعية في كل مرحلة من المراحل في الشبكة الأساسية لتوسيع مدى الإدراك العالمي للنموذج، مما يعزز قدرة النموذج على تموضع الأهداف ومقاومة التداخل. ثم تم إدخال وحدة انتباه كتل الطيف التلافيفية (CBMA) في الشبكة العنقية لتعزيز قدرة استخراج الميزات من خلال دمج وحدات CBMA، مما يحسن أداء الكشف للنموذج الشبكي. أخيرًا، تم اقتراح دالة خسارة Refine-Loss من خلال تحسين العلاقة الهندسية بين إطار التنبؤ والإطار الحقيقي، مع مراعاة وزن IOU ومعلومات الثقة، لرفع دقة كشف موقع الهدف للروبوت. تم اختبار والتحقق من ذلك على مجموعة بيانات تجارب روبوت إزالة الطلاء للسفن، وأظهرت النتائج أن شبكة YOLOV5 الخفيفة التي تدمج Repvit-MobileNet block وآليات الانتباه حققت دقة كشف متوسطة تبلغ 84.1%، وسرعة استدلال تصل إلى 26.6 إطار في الثانية على الأجهزة الطرفية، مما يلبي متطلبات التطبيقات الصناعية للكشف عن هدف روبوت إزالة طلاء السفن.

روبوت إزالة الطلاء;خفيف الوزن;آليات الانتباه;كشف الأهداف