arrow
返回

Unordered Stacked Pillbox Detection Algorithm Based on Improved YOLOv8

delete2025-11-27
delete0
delete
OA
AI
J
Jiahang Pan
R
Rui Zhou
F
Feng, Jie
M
Mincheng Wu *
X
Xiang Wu
H
Hui Dong
DOI:10.3390/bdcc9120300delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
为实现在智能药房系统中的完全自动化药品仓储,精确检测杂乱堆叠的药盒至关重要。本文针对此类场景提出了一种基于改进YOLOv8框架的高精度检测算法。所提出的方法整合了一种新型卷积模块,用以替代传统的步长卷积和池化层,从而增强计算机视觉任务中对小尺寸、低分辨率目标的检测能力。为进一步提升检测精度,引入了双级路由注意力(BiFormer)视觉Transformer作为认知计算模块。此外,还采用了循环平滑标签(CSL)技术,以缓解角度预测中常见的边界不连续性和周期性异常问题,这些问题常出现在旋转物体的检测中。实验结果表明,所提出的方法精度达到94.24%,召回率达到90.39%,平均精度均值(mAP)为94.16%,相较于基线YOLOv8模型分别提升了3.34%、2.53%和3.35%。此外,增强后的检测模型在保持实时推理速度的同时,超越了现有的旋转物体检测方法。为促进可重复性和未来基准测试,本研究中使用的数据集和源代码已公开发布。尽管目前尚无针对药盒检测的标准基准,但本研究的自建数据集反映了药盒尺寸、方向和堆叠方式等关键工业变化,从而为未来的跨领域验证奠定了基础。
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

B
Big Data and Cognitive Computing
IF:
4.4
论文数:
1.3K
被引数:
2.4K

机构

Z
zhejiang university of technology
学者数:
3.3W
论文数: 2.0W
被引数: 22
引用论文

引用论文

End-to-End Multitarget Flexible Job Shop Scheduling With Deep Reinforcement Learning
err2025-02-15
err2
PREAI
errWang, Rongkai; Jing, Yiyang; Gu, Chaojie; He, Shibo; Chen, Jiming
err分享
err收藏
学者 查看更多内容