YOLOv4-tiny算法的融合模块在卷烟小包外观缺失检测中的应用

作     者：杨超 李佳田 张泽龙 陆大进 张兴忆 杨树青 YANG Chao;LI Jiatian;ZHANG Zelong;LU Dajin;ZHANG Xingyi;YANG Shuqing

作者机构：昆明理工大学国土资源工程学院昆明650093 云南远足科技有限公司昆明650093 

出 版 物：《中国烟草学报》 (Acta Tabacaria Sinica)

年 卷 期：2022年第28卷第2期

页      面：59-64页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0822[工学-轻工技术与工程] 

基　　金：国家自然科学基金(41561082) 

主　　题：YOLOv4-tiny EIoU 图案检测 多空间空洞卷积融合模块 

摘      要：卷烟烟包外包装图案缺失检测是卷烟生产中的重要环节,目前常用的图案缺失检测方法普遍存在漏检率高、识别精度不够和速度慢等问题。因此本文提出了一种基于YOLOv4-tiny的烟包缺陷快速检测方法。该方法主要包括:(1)使用CSPDarknet53-tiny对图像特征进行提取。(2)通过添加多空间空洞卷积融合模块,获得丰富的上下文信息,增强感受野,从而提高模型的检测精度。(3)使用EIoU边框位置回归损失函数,提高烟盒图案识别预测框的精确率。本文方法与YOLOv4-tiny进行对比,实验结果表明,本文算法m AP值为97.35%,检测烟包外观的平均时间为17ms,能够满足卷烟小包外观检测对时间和精确率的要求。相较于YOLOv4-tiny在m AP上提升了1.34%,在AverageIoU上提升了3.68%,速度基本与YOLOv4-tiny持平,在保持快速检测的同时能够有效的提高精度。