YOLOv4-tiny算法的融合模块在卷烟小包外观缺失检测中的应用

作者：杨超; 李佳田^*; 张泽龙; 陆大进; 张兴忆; 杨树青

来源：中国烟草学报, 2022, 28(02): 59-64.

DOI：10.16472/j.chinatobacco.2021.046

• YOLOv4-tiny
• EIoU
• 图案检测
• 多空间空洞卷积融合模块

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m AP值为97.35%，检测烟包外观的平均时间为17ms，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m AP上提升了1.34%，在AverageIoU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。

• 单位
  昆明理工大学