结合改进YOLOv8的堆垛纸箱检测方法.pdfVIP

第47卷第5期制造业自动化Vol.47No.5

2025年5月ManufacturingAutomationMay2025

DOI:10.3969/j.issn.1009-0134.2025.05.014

结合改进YOLOv8的堆垛纸箱检测方法

123*33

牛馨予，李世源，赵剑道，游晓航，王悦

（1.北京机械工业自动化研究所有限公司，北京100120；2.北京邮电大学人工智能学院，北京100876；

3.北自所（北京）科技发展股份有限公司，北京100120）

摘要：在现代物流仓储领域，纸箱识别对于库存管理以及物流自动化实现至关重要。针对传统方法及现

有部分自动化识别方案在纸箱识别任务中实时性较低、准确度不高等不足，提出一种基于改进YOLOv8网

络的纸箱识别方法。首先，提出一种自适应的归一化机制（ADBN）引入YOLOv8骨干网络，使模型能够更

好地聚焦于关键特征，增强特征提取效果。在YOLOv8检测头中引入了结合FasterBlock和卷积门控线性单

元（CGLU）的C2f-Faster-CGLU机制，提高了模型计算效率与模型局部建模能力。此外，引入一种新的基于最

小点距离的边界框相似性比较指标MPDIoU，能够更准确地评估模型预测框与真实框的相似度，改进了损失

函数。对比实验结果显示，改进后的模型较原模型mAP@0.5提高了1.6%，召回率提高了1.3%，且相较于其

他几种主流的检测算法均有性能上的提升，为物流仓储行业的识别工作提供了更精准高效的技术支持。

关键词：YOLOv8；目标检测；堆垛纸箱；现代物流；神经网络

中图分类号：TP389.1文献标志码：A文章编号：1009-0134（2025）05-0108-10

ImprovedYOLOv8NetworkModelforStackedCartonDetection

123*33

NIUXin-yu，LIShi-yuan，ZHAOJian-dao，YOUXiao-hang，WANGYue

（1.BeijingResearchinstituteofAutomationforMachineryindustryCo.，Ltd.，Beijing100120；

2.CollegeofArtificialIntelligence，BeijingUniversityofPostsandTelecommunications，Beijing100876；

3.RIAMB（Beijing）TechnologyDevelopmentCo.，Ltd.，Beijing100120）

Abstract：：Inthefieldofmodernlogisticswarehousing，cartonidentificationiscrucialforinventorymanagement

andlogisticsauto