Modello di rilevamento in tempo reale degli oggetti per l'identificazione dei marchi di sigarette basato su un'architettura di regressione a singolo stadio migliorata

Jun Liu; Jianguang Yi; Hongli Deng; Wencan Li; Feng Yang; Xiaobo Zhao; Baobin Luo

doi:10.3791/69657

È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo di ricerca

Modello di rilevamento in tempo reale degli oggetti per l'identificazione dei marchi di sigarette basato su un'architettura di regressione a singolo stadio migliorata

363 visualizzazioni

⸱

DOI:

10.3791/69657

⸱

9 gennaio 2026

Jun Liu¹ , Jianguang Yi² , Hongli Deng³ , Wencan Li³ , Feng Yang⁴ , Xiaobo Zhao¹ , Baobin Luo⁵

¹Key Laboratory of Intelligent Manufacturing for Aerodynamic Equipment of Zhejiang Province, College of Mechanical Engineering, Quzhou University, ²College of Mechanical Engineering, Zhejiang University of Technology, ³Longyan Tobacco Industrial Co., Ltd., ⁴College of Civil Engineering and Architecture, Quzhou University, ⁵Baoji Cigarette Factory, China Tobacco Shaanxi Industrial Co., Ltd.

In questo articolo

Sommario

Per affrontare sfide come l'occlusione e i cambiamenti di illuminazione nei magazzini automatizzati, questo articolo introduce un'Architettura di Regressione a Singolo Stadio migliorata per il rilevamento dei marchi delle scatole di sigarette. Integrando il downsampling adattivo, un meccanismo di attenzione multiscala invertito, efficiente e una testa di rilevamento dinamica, il modello proposto ottiene un inventario intelligente accurato e in tempo reale.

Abstract

Il riconoscimento visivo per l'inventario automatizzato di sigarette affronta ostacoli significativi, tra cui cambiamenti di illuminazione, dimensioni diverse delle scatole e occlusione parziale delle caratteristiche, che complicano la verifica del marchio e il rilevamento delle scatole spostate male. Questo articolo propone un modello migliorato di rilevamento in tempo reale per affrontare i problemi di riconoscimento delle immagini e migliorare la precisione. In primo luogo, viene implementato un modulo di downsampling adattivo per sostituire il modulo di convoluzione downsampling sia nella rete backbone che nel manico della serie YOLO come rivelatore di base o originale, che mantiene di fatto più dettagli delle caratteristiche e realizza la leggerezza del modello. In secondo luogo, viene introdotto un modulo di attenzione multiscala invertito, efficiente, per catturare le informazioni contestuali spaziali di diverse scale e generare una mappa dell'attenzione spaziale più accurata, che migliora la precisione di previsione del modello di base per caratteristiche complesse e obiettivi di occlusione. Infine, un modulo di testa di rilevamento dinamico sostituisce la testa di rilevamento originale del modello di base ed esegue la rilevazione di oggetti multiscala sulla feature map estratta dalle reti della spina dorsale e del collo per ottenere un posizionamento accurato e una divisione di categoria del bersaglio previsto. Per valutare le prestazioni del modello migliorato sul campo, abbiamo costruito un dataset visivo del marchio delle scatole di sigarette. Il dataset è stato arricchito utilizzando tecniche di copia-incolla specifiche per regione e tecniche di aumento tradizionali, e il dataset ottenuto include background complessi, occlusione e sovrapposizione, piccoli target e altri fattori. L'esperimento dimostra che il modello migliorato presentato in questo articolo soddisfa efficacemente i requisiti per la rilevazione in tempo reale sul campo. Il modello proposto raggiunge un mAP del 97,9%, con parametri e FLOP rispettivamente di 1.849.679 e 5,1 G. Rispetto al modello di base, il modello proposto migliora la mAP dello 0,9% riducendo i parametri del 28,78% e le operazioni in virgola mobile di 1,4 G. Inoltre, il modello raggiunge una velocità di inferenza di 38,5 FPS, soddisfacendo i requisiti per la rilevazione industriale in tempo reale.

Introduzione

La produzione e la logistica moderne si affidano fortemente ai Sistemi Automatizzati di Stoccaggio e Recupero (AS/RS)¹ per ottenere uno stoccaggio ad alta densità, una gestione efficiente dei materiali e una gestione accurata dell'inventario. AS/RS è diventato un mezzo cruciale che può aiutare le imprese a migliorare l'efficienza del magazzino e a ridurre i costi, grazie alla sua elevata efficienza e alle caratteristiche intelligenti. Con una base di scaffali multistrato, varie attrezzature per il carico e lo scarico, l'AS/RS è un sistema meccatronico controllato da computer, che integra molteplici tecnologie t....