HFF-YOLO:货箱混合特征融合视觉模型OA
在复杂物流场景中,实时精准的货箱检测是自动化作业的关键,但现有视觉方法在应对尺寸不一、遮挡及堆叠等情况时性能受限。为此,本文提出HFF-YOLO模型,通过引入位置感知注意力机制(Localization-Aware Attention,LAA)与多尺度特征融合结构,增强模型对复杂环境中货箱的感知能力。实验表明,该模型在货箱定位与计数任务中表现优异,检测精度与鲁棒性显著优于主流方法,能够有效适应多变物流场景,为行业自动化提供可靠的技术支持。
阳凯凡
桂林信息科技学院,广西桂林541000
军事科技
货箱检测特征融合位置感知注意力自动化
《新一代信息技术》 2026 (4)
P.18-22,5
桂林信息科技学院校级项目(No.XJ2025056)。
评论