换一批基于改进YOLOv7的香烟品类检测技术研究
Research on cigarette category recognition technology based on improved YOLOv7
摘要本文针对烟草行业在稽查、盘库等香烟品类检测工作场景中存在的工作量大、效率低和时间成本高的问题,对基于深度学习的香烟品类自动检测技术展开研究.首先,实场采集10 000余张香烟盘库图像,建立首个常见香烟品规图像检测数据集CCD-12K.其次,由于现有方法检测的准确度不高难以满足实际应用的需要,提出一种融合可变形卷积DCNv2和自注意力的香烟品类检测模型YOLOv7-Cr.检测模型将可变形卷积引入到特征提取网络,以增强模型的感受野和对物体形变的感知能力.最后,使用BRA注意力机制来聚合香烟图像中的关键性特征,计算前后特征信息,以增强网络对前景和背景的辨别能力.测试结果表明,在CCD-12K数据集上,YOLOv7-Cr对香烟品类图像检测的均值平均精度(mAP)达到92.3％,相较于YOLOv7提升了 2.9个百分点,满足执法工作中检测均值精度高于90％的需求.
更多相关知识
关键词
香烟品类检测YOLOv7可变形卷积BRA注意力机制cigarette category detectionYOLOv7deformable convolutionbi-level routing attention
分类号
P315.69
栏目名称
DOI
10.13505/j.1007-1482.2024.29.03.010
发布时间
2025-03-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（No.61871326）
中国烟草四川省科技项目（No.SCYC20222961871326）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
