改进YOLOX-s算法的自动贩卖机商品检测方法

来源：计算机工程与应用杂志2023年第20期北京时间：

作者：张少林, 姜吴瑾, 李太福, 杨杰

单位：1.重庆科技学院 电气工程学院，重庆 400030；2.重庆科技学院 安全工程学院，重庆 400030；3.重庆工贸职业技术学院 人工智能学院，重庆 408000；4.重庆新制导智能科技研究院有限公司，重庆 400000

摘要：针对自动贩卖机商品检测中图片变形、遮挡及光线环境，导致各商品细粒度检测性能低问题，构建一种基于YOLOX-s网络改进的算法模型YOLOX-s-BGC。通过改进的双向特征金字塔网络（BiFPN-m），减小网络特征融合过程中特征信息的丢失，并提高了模型的推理速度；同时引入Ghost卷积降低参数量以减少网络计算开销；为了可以关注图像中更具区分度的特征信息，还提出了卷积块注意力模块（CBAM），提取出更具区分性的特征。在自动贩卖机商品检测数据集上的实验结果表明，YOLOX-s-BGC模型在商品检测的检测精度达到了99.57%，相比于原始YOLOX-s算法提高了1.91个百分点，且计算参数量和模型大小基本保持不变。同时与SSD、YOLOv3、Scaled YOLOv4、YOLOv5 Lite-g等目标检测算法相比，该改进算法具有一定的优越性，是在自动贩卖机商品检测中的理想模型。

关键词：商品检测,目标检测,YOLOX,注意力机制,轻量化网络