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

哈尔滨理工大学学报 ›› 2026, Vol. 31 ›› Issue (02) : 97 -107.

PDF
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。

关键词

箱体检测计数 / YOLOv7 / Transformer / 注意力机制 / 全维动态卷积

Key words

引用本文

引用格式 ▾
赵伦楷, 王旭东, 阿思儒, 皇甫军刚, 贾健, 周军, 陈新宇, 丁博. 基于改进YOLOv7的箱体检测计数[J]. 哈尔滨理工大学学报, 2026, 31(02): 97-107 DOI:10.15938/j.jhust.2026.02.009

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/