关键词：深度学习;电子信息竞赛;机器人;目标检测算法
摘 要：互联网智能技术促使以机器人为主体的电子信息竞赛开始出现，在电子信息竞赛中，传统的机器人目标检测技术的速度较慢、准确率较低。因此，研究提出了在深度学习基础上构建的YOLOv8算法，并对其轻量化版本YOLOv8-Tiny算法进行了改进，提出了SS-YOLO算法，同时利用实验对其性能进行了验证。实验结果表明，SS-YOLO的MAP最高可达85%,远高于YOLOv8-Tiny的68%;SS-YOLO算法呈现出57.1帧的FPS值和32.8 MB的模型大小。同时，SS-YOLO在7次召唤率范围内的准确率最高为100%,其平均准确率高达90%,远高于YOLOv8-Tiny的75%。综合来看，研究提出的SS-YOLO算法具备更高的检测速度和精度，同时在同等情况下模型更小，在实际的电子信息竞赛中具有较强的实用性和有效性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取