UCA-YOLOv8n:一个实时和高效的水果块检测算法,用于餐饮辅助机器人
1Shanghai Polytechnic University, Shanghai, China.
PeerJ. Computer science
|June 26, 2025
概括
本研究介绍了一种增强的YOLOv8n算法,用于在辅助机器人中准确检测水果块. 改进的UCA-YOLOv8n模型提供了实时性能,尺寸缩小,检测精度提高.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 辅助技术需要高效的对象检测,用于诸如餐饮辅助等任务.
- 目前的果片检测算法缺乏机器人应用的速度和精度.
研究的目的:
- 开发一个优化的YOLOv8n算法,用于实时,高精度的果片检测.
- 为了提高餐饮辅助机器人的物体检测能力.
主要方法:
- 集成的通用倒置瓶 (UIB) 模块来减少参数.
- 整合了协调注意力 (CA) 机制,以更好地关注目标地区.
- 从YOLOv9嵌入到YOLOv8骨干网络中的ADown模块.
主要成果:
- 实现了1.9 MB的尺寸缩小和2.5 GFLOPs的减少.
- 增加了mAP50的2.1%和mAP50-95的3.3%.
- 与主流物体检测算法相比,其表现优越.
结论:
- 该UCA-YOLOv8n算法可以实时,准确地检测果片.
- 提议的改进显著提高了检测准确度,并减少了模型大小.
- 这一进步对于开发更有能力的助餐机器人至关重要.


