基于改进YOLOv10的喷码微小字符精确定位算法

来源：计算机工程与应用杂志2025年第7期北京时间：

作者：操振, 余朝刚, 靳胜洁, 王帅鹏, 朱文良

单位：上海工程技术大学 城市轨道交通学院，上海 201620

摘要：为解决自动化生产领域物品包装表面喷码字符因微小尺寸及特征模糊而导致的检测定位精度差问题，将YOLOv10n作为基线网络提出一种针对特征模糊小目标检测的精确定位算法（YOLO-DLW）。使用细节信息提取卷积（detail information extraction convolution，DIEConv）模块替换基线网络中所有的跨步卷积模块，避免其导致的细节特征丢失问题，提高网络对小目标特征的提取能力。引入低级特征融合检测层，减少基线网络在下采样过程中造成的小目标特征损失。在颈部网络采用加权混合融合金字塔网络（weighted hybrid fusion pyramid network，WHFPN）结构，并结合内容引导注意力（content-guided attention，CGA）机制，有效提升特征层间的信息融合效率和网络对关键信息的提取能力。与基线模型相比，YOLO-DLW算法应用在编织袋小目标字符定位数据集上，准确率、召回率、mAP@0.5和mAP@0.5：0.95分别提高了7.3、8.2、3.9和3.3个百分点，有效解决基线模型对字符区域的误检和漏检问题。

关键词：小目标检测,精确定位,YOLOv10n,细节信息提取卷积,加权混合融合金字塔,内容引导注意力