返回
Unordered Stacked Pillbox Detection Algorithm Based on Improved YOLOv8
DOI:10.3390/bdcc9120300.png)
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
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
IF:
4.4
论文数:
1.3K
被引数:
2.4K
机构
引用论文
FSNB-YOLOV8: Improvement of Object Detection Model for Surface Defects Inspection in Online Industrial SystemsFSNB-YOLOV8:用于在线工业系统表面缺陷检测的改进目标检测模型
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
A Comprehensive Review of Pill Image RecognitionMy, L.N.T.; Le, V.-T.; Vo, T.; Hoang, V.T. 药片图像识别的全面综述. Comput. Mater. Contin. 2025, 82, 3693–3740. [Google Scholar] [CrossRef]
Method of Dead Standing Tree Detection Based on RetinaNet Object Detection NetworkLiu, L.; Xie, L.; Zhang, P.; Wang, Y.; Tian, H. 基于RetinaNet目标检测网络的枯立木检测方法. Int. J. New Dev. Eng. Soc. 2024, 8, 110–114. [Google Scholar] [CrossRef]
MelSPPNET—A self-explainable recognition model for emerald ash borer vibrational signals江, W.; 陈, Z.; 张, H.; 李, J. MelSPPNET—一种用于绿刺蛾振动信号的自解释识别模型。Front. For. Glob. Change 2024, 7, 1239424. [Google Scholar] [CrossRef]
Low contrast stamped dates recognition for pill packaging boxes based on YOLO-SFD and image fusion王, J.; 黄, Y.; 刘, Y. 基于YOLO-SFD和图像融合的药盒低对比度打印日期识别. Digit. Signal Process. 2024, 153, 104602. [Google Scholar] [CrossRef]
Design of a multi-category drug information integration platform for intelligent pharmacy management: A needs analysis studyPan, Q.; Liu, Y.; Wei, S. 一种面向智能药房管理的多类别药物信息集成平台设计:一项需求分析研究。Medicine 2024, 103, E37591. [Google Scholar] [CrossRef]
Medicine
IF0
A rotated object detection strategy for remote sensing images using misaligned cross-fusion structures基于错位交叉融合结构的遥感图像旋转目标检测策略

