一种集成物联网的YOLOv8框架,具有自适应域对齐功能,用于智能物流中的实时质量检测
发布时间:2026-09-17 | 来源:Nature Scientific Reports | 作者:Reham Awadh Alhejaili
本文提出了一种面向智能物流实时质量检测的物联网集成YOLOv8框架。该系统将工业异常检测重新表述为监督式的、物流特定的缺陷检测,并输出可被仓库管理系统(WMS)直接使用的可操作边界框结果。在视觉方面,我们引入了偏向小缺陷的检测头和类别平衡损失加权,以提高对稀有、细粒度缺陷的敏感性,同时控制误报。一个轻量级的基于风格迁移
本文提出了一种面向智能物流实时质量检测的物联网集成YOLOv8框架。该系统将工业异常检测重新表述为监督式的、物流特定的缺陷检测,并输出可被仓库管理系统(WMS)直接使用的可操作边界框结果。在视觉方面,我们引入了偏向小缺陷的检测头和类别平衡损失加权,以提高对稀有、细粒度缺陷的敏感性,同时控制误报。一个轻量级的基于风格迁移的域适应模块进一步缩小了工业异常数据集与仓库图像之间的视觉差距,提高了对光照变化、标签光泽和反光包装的鲁棒性。在物联网方面,基于MQTT的架构将缺陷警报从边缘设备发布到WMS仪表板,并实现了一种自适应反馈策略,当滚动错误率超过预定义阈值时触发增量再训练。在MVTec AD上的实验以72 FPS达到97.6% mAP@0.5,而在VisA和MVTec AD 2上的跨数据集评估仅导致mAP相对下降3.8%。在涉及光照变化和反光包装的受控物流启发测试条件下,物联网集成原型在连续48小时评估中实现了20–30 ms的稳定端到端响应延迟和超过98%的MQTT消息传递可靠性。自适应反馈机制通过周期性增量再训练进一步支持对运行漂移的鲁棒性。
返回资讯频道