摘要
由于单纯依靠人工检测卷烟售卖情况存在着库存管理成本高、数据更新慢和监控效率低下的问题,为了实现卷烟在烟草店售卖情况的自动化检测,有效减少烟草行业零售终端操作不规范的现象,提出一种基于YOLOv8n模型的卷烟种类检测算法.首先,使用PConv卷积方式在主干网络进行有效特征提取,在模型获取全局上下文信息的同时有效地减少模型的参数量和计算量.然后,采用加权双向特征金字塔网络BiFPN的特征融合思想,使模型能够有效融合不同尺度的特征图的同时保证模型的检测精确率.最后,基于自建烟草数据集进行实验,所提出算法的模型参数量是原来的 20.16%,FLOPs降至 8.4 GB,精确率提高了 3%.实验结果表明,所提出的算法有效地减少了模型在进行目标检测时的响应时间,实现了轻量化且精确率较高的卷烟种类的目标检测方法.
NETL
NSTL
万方数据