Joint Enhancement of Multi-Scale Features and Adaptive Loss for YOLOv5
本文提出了一种针对 YOLOv5 的多维度协同增强框架，该框架集成了 LAB 空间的 CLAHE、带有 Varifocal Loss 的高分辨率 P2 检测层，以及结合通道注意力的可变形卷积，旨在有效解决工业视觉检测中面临的低光照、小目标及几何变形挑战，并在专门的吨袋数据集上实现了优于主流检测器的卓越性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在工业自动化领域，机器依靠摄像头来观察人类所见之物，但它们经常会在光线昏暗的房间里遇到困扰人类的同样视觉问题。当工厂车间的照明不足，或者产品出现褶皱、折叠或体积微小时，标准的计算机视觉系统往往会迷失方向。它们可能会漏掉包装袋上的微小撕裂，或者因为图像太暗或物体过于扭曲而无法定位受损部件。这正是目标检测领域发挥作用的地方，它是人工智能的一个分支，旨在教计算机识别并定位图像中的物品。虽然现代系统功能强大，但在面对仓库中混乱的现实情况时——如低光照、微小缺陷以及形状不规则的物体——它们往往会显得力不从心。研究人员正不断尝试构建能够处理这些困难条件且不减慢工业作业节奏的系统。
来自太原理工业技术学院和太原福特基物流设备技术的科研团队通过改进一种名为 YOLOv5 的流行检测系统，解决了这些特定挑战。他们的工作重点是一个特别棘手的任务：检查工业吨包（用于运输散装材料的大型编织袋）。这些袋子为摄像头制造了完美的难题组合。在低光照条件下，袋子的编织纹理变得难以辨别，而任何损伤（如微小的孔洞或撕裂）往往因太小而无法清晰可见。此外，随着这些袋子的堆叠和移动，它们会产生褶皱和扭曲，这种形状的变化会令标准摄像头感到困惑。研究人员致力于创造一种单一的解决方案，使其能够同时应对黑暗、寻找微小缺陷并适应袋子变化的形状。
为了解决照明不足的问题，团队引入了一种类似于为计算机之眼提供“智能手电筒”的方法。他们并没有简单地调亮整个图像（这会导致细节丢失或产生过曝点），而是采用了一种仅针对局部微小区域调整对比度的方法。想象一下看一个黑暗的房间，有些角落漆黑一片，而有些地方有微弱的光线；简单的提亮会让整个房间变得惨白并丢失阴影。这里使用的被称为 CLAHE 的方法，会观察图像中的微小区块，并仅在需要的地方提升对比度。这使得计算机即使在非常黑暗的角落，也能看清袋子的精细编织纹理和指示撕裂的细微差异，同时将图像的噪声和颗粒感控制在一定范围内。这一步骤确保了计算机在开始寻找缺陷之前，已经获得了一张清晰、详细的图像。
一旦图像变得清晰，系统就需要找到那些通常只有几个像素宽的微小受损区域。标准的检测系统经常会错过这些微小目标，因为它们在处理图像时会通过逐层缩减图像大小的层级，导致微小的细节消失。研究人员在系统中添加了一个新层，该层能保持图像的高分辨率视图，从而让系统能够在不模糊的情况下捕捉到这些细微缺陷。他们还改变了系统从错误中学习的方式。该方法不再对所有错误一视同仁，而是额外关注那些难以发现的小物体以及系统拿不准的物体。这种结合了保持锐利近景观察与更谨慎学习困难案例的方法，显著提高了系统寻找此前会被忽略的微小撕裂和孔洞的能力。
最后一个挑战是处理袋子的扭曲和折叠。标准的相机镜头以僵化的网格形式观察世界，这对于直线效果很好，但在物体弯曲或拉伸时却表现不佳。为了解决这个问题，研究人员赋予了系统一种灵活的观察方式。他们添加了一个机制，允许计算机稍微移动其焦点，使其视角能够适应袋子的褶皱和曲线。这配合了一个学习图像中哪些部分最重要的系统，有效地告诉计算机忽略背景噪声，转而关注损伤的形状。通过将这种灵活的观察与对相关特征的聚焦相结合，即使在袋子被挤压或以奇怪角度倾斜时，系统也能更好地识别受损袋子。
当研究人员在收集的真实世界吨包图像上测试其改进后的系统时，结果令人瞩目。在低光照条件下，系统的检测能力从 65.1% 跳升至 78.4%，这一显著飞跃意味着更少的缺陷漏检。对于最小的目标，检测率上升到了 85.2%；对于变形袋子，检测率达到了 74.3%。总体而言，新系统的准确率达到了 86.7%，超越了 YOLOv7（75.8%）和 YOLOv8（78.6%）等领先的检测模型。这项研究表明，通过同时解决照明、尺度和形状问题，可以创建一个可靠的检测工具，使其在复杂且往往不完美的工业仓库环境中稳定工作。这种方法为确保物流和制造业中的质量控制提供了一条切实可行的路径，因为在这些领域，漏掉一个小缺陷可能会在后期导致严重的问题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。