来源：期刊VIP网 时间：
作者：申高;王子剑;王晓峰;李瑞文;
单位：安阳职业技术学院;郑州轻工业大学;河南农业大学;
摘要：[目的]针对目前食品生产线外包装缺陷检测中人工检测效率低、漏检误检率高，以及传统机器视觉算法对复杂纹理包装、微小缺陷识别能力不足的问题，提出一种兼顾检测精度与速度的智能化检测方法。[方法]以Swin Transformer为核心特征提取模块，利用其对图像全局信息的建模能力和多尺度特征融合优势，精准捕捉外包装表面的微小褶皱、印刷偏移等缺陷特征。同时引入YOLOv12的快速检测框架，通过优化颈部网络与损失函数，实现缺陷区域的快速定位与分类，形成高精度特征提取—快速目标检测的一体化检测流程。[结果]该方法对常见缺陷类型的平均检测精度均值>96.50%，较优化前方法提升超过10.00%。单张图像检测耗时<10 ms，满足生产线每秒30帧的实时检测要求。此外，在不同食品检测中，该方法仍保持稳定性能，鲁棒性显著优于对比方法。[结论]通过融合Swin Transformer特征提取优势与YOLOv12快速检测能力，解决了食品外包装缺陷检测中精度与速度难以兼顾的核心问题。
关键词：食品生产线;;外包装缺陷检测;;Swin Transformer;;YOLOv12;;兼顾检测精度与速度
基金资助：中国高等教育学会高等教育科学研究规划重点课题(编号:22GDZY0311)
