面向自动结账任务的商品检测与计数算法

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：杨潇, 张雪松, 宋存利, 金花, 李光宇

单位：大连交通大学 轨道智能工程学院，辽宁 大连 116028；

摘要：自动结账（automatic check-out，ACO）任务旨在根据收银场景图像生成结算清单。在这项任务中，训练数据通常包含单个商品的图像，而测试数据则是多个商品的组合图像。现有方法通过图像合成来模拟真实的结账场景，但合成图像与实际场景图像仍存在显著差异。为解决这一问题，提出了一种基于特征聚合和知识蒸馏的自动结账网络模型FAKDNet。该模型通过一个多层特征聚合器（MFA）融合不同层级的特征，并充分考虑商品的姿态和几何布局，从而使合成的结账图像更接近真实场景。此外，FAKDNet在训练过程中利用来自大型神经网络ResNet152的高级特征进行知识蒸馏，帮助更小型的神经网络ResNet50更有效地学习物体表征，从而提高对细粒度特征的识别能力。在零售商品自动结账数据集RPC上，FAKDNet在不同的测试模式下显示出优越的性能，其结账准确率在平均、简单、中等和困难四种模式下分别达到了93.46%、96.8%、94.02%和89.64%，优于现有的自动结账算法。

关键词：视觉自动结账,特征聚合,知识蒸馏,数据增强

基金资助：国家自然科学基金（62276042）；辽宁省教育厅科学研究项目（LJKZ0486，LJKMZ20220838）。