基于改进YOLOv7的箱体检测计数

赵伦楷; 王旭东; 阿思儒; 皇甫军刚; 贾健; 周军; 陈新宇; 丁博

doi:10.15938/j.jhust.2026.02.009

哈尔滨理工大学学报 ›› 2026, Vol. 31 ›› Issue (02) : 97 -107. DOI: 10.15938/j.jhust.2026.02.009

基于改进YOLOv7的箱体检测计数

赵伦楷, 王旭东, 阿思儒, 皇甫军刚, 贾健, 周军, 陈新宇, 丁博

作者信息 +

Author information +

文章历史 +

PDF

摘要

随着智能仓储管理的快速发展，对箱体准确检测和计数变得尤为重要。然而，复杂背景下的光照、遮挡等因素给箱体检测计数带来了负面影响，故提出了基于改进YOLOv7的箱体检测计数方法。首先，改进了CBS模块，采用全维动态卷积(omni-dimensional dynamic convolution, ODConv)取代标准卷积，在提高卷积表示能力的同时，不增加计算成本。其次，采用Transformer预测头代替原来的预测头，更好地捕获图像的全局信息和丰富的上下文信息。最后，结合超轻量级子空间注意力机制(ultra-lightweight subspace attention mechanism, ULSAM)减少复杂背景的干扰，聚焦检测目标并丢弃冗余特征，从而提高检测精度。实验结果表明：本文方法的mAP为88.5%,比基线模型提高了5.9%;箱体计数上的MAE和RMSE分别为2.63和3.17,比基线模型降低了9.62%和18.51%,证明了本文方法的有效性。