变形卷积实时检测网络

用餐实时检测精度88.5%

引入变形卷积与CloFormer模块优化YOLOv8s，在保证43.6 FPS实时速度的同时提升用餐识别精度。

Yuhe, Fan · 张立勋 · Canxing, Zheng · Yunqin, Zu · 王兴元 · Jinghui, Zhu

Journal of Food Engineering 2024

参数信息

平均精度均值

88.5 %

推理速度

43.6 FPS

技术优势

既准又快

同时达到88.5% mAP与43.6 FPS，满足助餐机器人的实时检测需求。

特征捕捉细

引入变形卷积，捕捉更精细的空间信息，提升对复杂餐食形状的适应能力。

全局局部兼顾

CloFormer模块同时捕获高频局部和低频全局信息，增强特征表达。

数据增强有效

消融实验证实数据增强方法的重要性，进一步提升模型性能。

应用场景

• 助餐机器人：实时识别餐食，提升机器人取食成功率。
• 机器人视觉：作为机器人的视觉模块，提供精确的餐食检测结果。
• 具身智能：赋能机器人环境感知与交互，提高智能决策能力。
• 食品检测：监测餐食质量并辅助食品管理。
• 物联网终端：作为轻量推理模型部署在边缘设备，实现终端实时检测。