改进YOLOv8n的托盘目标检测算法

来源：电子测量技术杂志2025年第20期北京时间：

作者：刘晓非，薛瑞雷，钟华刚，刘彦君

单位：1.新疆大学智能制造现代产业学院(机械工程学院) 乌鲁木齐 830017; 2.中国机械总院集团青岛分院有限公司 青岛 266300

摘要：针对现实工厂环境下，光线不足、障碍物较多等因素的干扰，时常会对托盘造成漏检、误检等问题，提出一种基于改进YOLOv8n 的托盘目标检测方法。首先，将结合Transformer的BRA稀疏注意力模块加入到 YOLOv8n 模型的主干网络特征提取环节，以减少障碍物遮挡对托盘检测的干扰；其次，引入 Shape-IoU 损失函数，进一步增强了模型在光线不足以及背景干扰严重情况下对托盘的识别能力；最后，利用基于GSConv的Slim-neck结构重构YOLOv8n的特征融合网络，实现轻量化颈部网络。实验结果表明，改进后的算法在测试集上的平均精度均值达到89.6%，相较于原模型提升2.8%，漏检率和误检率分别下降2%和2.2%，有效改善了光线不足和障碍物遮挡情况下托盘识别的漏检和误检问题，同时检测帧率达到330.52 fps，可以快速精准地进行托盘检测识别，适合部署在智能叉车上，以提高运营效率并提升仓库智能化水平。

关键词：托盘检测;YOLOv8n;BRA稀疏注意力模块;Shape-IoU;基于GSConv的Slim-neck结构

基金资助：新疆维吾尔自治区自然科学基金(2022D01C391)、天山英才培养计划(2022TSYCLJ0044)项目资助