官方网站-首页
2026-07-19 16:38:51
（来源：计算机视觉研究院）
计算机视觉研究院
公众号ID｜计算机视觉研究院
学习群｜扫码在主页获取加入方式
https://pmc.ncbi.nlm.nih.gov/articles/PMC13210943/pdf/sensors-26-03264.pdf
计算机视觉研究院专栏
Column of Computer Vision Institute
本文提出一款专为无人机荔枝园监测打造的实例分割模型 ——MFD-YOLO，用两个核心创新设计完美破解了 “高精度” 与 “低算力” 的矛盾，在复杂果园场景里实现了精度、效率的双重突破。
PART/1
痛点
视觉方案是无人零售的主流趋势，相比 RFID、重力感应方案，它成本更低、商品替换更灵活，但落地中始终绕不开三大痛点：
：柜内光线不均、夜间低光场景下，商品纹理、logo 特征模糊，检测精度大幅跳水；
：从小袋装零食到大瓶饮料，商品尺寸跨度大，小体积商品极易被背景淹没，出现漏检；
：零售柜多搭载嵌入式设备，算力有限，大模型难以实现实时检测。
传统通用检测算法大多针对公开数据集设计，缺少对零售柜场景的针对性优化，始终在精度和速度之间难以平衡。
PART/2
创新
研究团队以轻量型 YOLOv26 为基线，从特征提取、上采样融合、注意力增强三个维度针对性改造，打造零售场景专用检测模型。
【整体算法流程图】▲ 改进后 YOLOv26 整体架构，分为骨干网络、特征融合颈部、检测头三部分
1. C3k2 增强模块：多尺度捕捉商品特征
原始 C3k2 模块感受野单一，难以应对商品遮挡、尺度变化大的问题。团队引入多膨胀率空洞卷积，在不显著增加参数量的前提下扩大感受野，同时捕捉不同尺度的上下文信息，强化小商品的特征表达。配合深度可分离卷积保证特征图分辨率一致，为后续多尺度融合打好基础。
【增强型 C3k2 模块拓扑图】2. CARAFE 上采样：内容感知还原细节
传统双线性插值上采样容易造成特征模糊、边缘细节丢失，团队替换为 CARAFE 内容感知特征重组模块。它能根据当前特征图的内容动态生成采样核，自适应地重组局部特征，大幅提升上采样后的空间细节还原度，尤其能减少小商品、遮挡商品的特征损耗。
3. EMA 注意力 + 检测头优化：聚焦关键信息
在检测头中融入高效多尺度注意力（EMA）机制，通过分组通道、跨空间学习的轻量化设计，让模型自动聚焦商品的 logo、包装纹理等核心特征，抑制背景噪声，在低光环境下也能精准捕捉有效信息。同时采用卷积下采样优化结构，进一步提升特征融合效率，降低计算开销。
PART/3
实验
团队在自建零售数据集、RPC 公开数据集等多个基准上完成测试，全方位验证方案效果。
1. 基准性能：召回率显著提升
在包含 20 类商品、共 6467 张图像的自建数据集上，方案在推理速度保持 1.5ms 不变的前提下，Recall 从 0.945 提升至 0.962，低光、遮挡场景的漏检率明显下降。
【自建数据集各模型性能对比表】2. 消融实验：模块协同增益明显
通过逐项叠加模块验证，三大组件形成了明确的互补效应：
单独使用 CARAFE 上采样反而会小幅掉点，必须配合更强的特征提取能力才能发挥价值；
C3k2 增强 + CARAFE 组合，mAP@50 从 0.974 提升至 0.976，Recall 升至 0.952；
三大模块全量叠加后，Recall 进一步提升至 0.954，达到整体最优效果。
【多模块消融实验对比表】3. 注意力对比：轻量又高效
和 CBAM、CA、ECA、SENet 等主流注意力机制相比，EMA 模块实现了 “精度涨、算力不涨”：mAP@50 达到最高的 0.976，同时计算量最低、推理速度最快，完美适配边缘部署场景。
【注意力机制对比实验表】4. 低光场景：效果肉眼可见
在亮度逐级降低的测试中，基线模型在极端低光下置信度从 0.78 暴跌至 0.51，检测框也出现偏移；而改进后的模型依然能保持精准定位，置信度维持在 0.83 的高位。在多商品密集、反光、噪声、局部阴影等复杂场景下，也能有效区分相邻商品，减少误检和漏检。
【不同光照下检测效果对比图】
【复杂退化场景检测效果对比图】热力图可视化也印证了优化效果：改进后的模型注意力更集中在商品主体上，背景干扰更少，即使是被遮挡的小商品，也能保持稳定的高响应。
【注意力模型热力图可视化对比】PART/4
总结与展望
这套方案不仅精度达标，还专门针对边缘设备做了适配，真正具备落地能力。
1. 云边协同部署架构
团队采用 “端侧采集 + 云端推理” 的云边协同方案：前端用 Jetson Nano B01 完成图像采集、结果展示，通过 WiFi 上传到云端服务器完成推理，检测记录同步存入后台数据库，兼顾实时性和远程运维能力。
【云边协同检测系统架构图】2. 边缘端实时性能
最终模型的计算量仅 6.3 GFLOPs，导出 ONNX 格式并转换为 TensorRT 引擎后，在 Jetson Nano 平台上可达25FPS，完全满足智能零售柜的实时检测需求，实现了精度和部署效率的平衡。
【实际检测界面演示图】小结
这套面向低光智能货柜的 YOLOv26 改进方案，精准命中了零售场景 “低光、小商品、边缘部署” 三大核心痛点，通过定向的结构优化，在不大幅增加算力的前提下实现了检测性能的全面提升。未来团队还将进一步轻量化模型结构、优化低光预处理流程，推动方案在更低算力的设备上落地，助力无人零售视觉方案的普及。
有相关需求的你可以联系我们！
400-86503662
十几像素也能精准识别！航拍小目标检测新网络 CEIFNet，精度暴涨 10.5%
