典型文献
YOLOv4-tiny算法的融合模块在卷烟小包外观缺失检测中的应用
文献摘要：
卷烟烟包外包装图案缺失检测是卷烟生产中的重要环节,目前常用的图案缺失检测方法普遍存在漏检率高、识别精度不够和速度慢等问题.因此本文提出了一种基于YOLOv4-tiny的烟包缺陷快速检测方法.该方法主要包括:(1)使用CSPDarknet53-tiny对图像特征进行提取.(2)通过添加多空间空洞卷积融合模块,获得丰富的上下文信息,增强感受野,从而提高模型的检测精度.(3)使用EIoU边框位置回归损失函数,提高烟盒图案识别预测框的精确率.本文方法与YOLOv4-tiny进行对比,实验结果表明,本文算法mAP值为97.35％,检测烟包外观的平均时间为17 ms,能够满足卷烟小包外观检测对时间和精确率的要求.相较于YOLOv4-tiny在mAP上提升了1.34％,在Average IoU上提升了3.68％,速度基本与YOLOv4-tiny持平,在保持快速检测的同时能够有效的提高精度.
文献关键词：
YOLOv4-tiny;EIoU;图案检测;多空间空洞卷积融合模块
中图分类号：
作者姓名：
杨超;李佳田;张泽龙;陆大进;张兴忆;杨树青
作者机构：
昆明理工大学国土资源工程学院,昆明 650093;云南远足科技有限公司,昆明 650093
文献出处：
引用格式：
[1]杨超;李佳田;张泽龙;陆大进;张兴忆;杨树青-.YOLOv4-tiny算法的融合模块在卷烟小包外观缺失检测中的应用)[J].中国烟草学报,2022(02):59-64
A类：
多空间空洞卷积融合模块,图案检测
B类：
YOLOv4,tiny,小包,缺失检测,烟包,外包装,卷烟生产,漏检率,识别精度,速度慢,快速检测方法,CSPDarknet53,图像特征,上下文信息,增强感受野,检测精度,EIoU,边框,位置回归,损失函数,烟盒,图案识别,精确率,mAP,ms,外观检测,Average,持平,提高精度
AB值：
0.335602
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
