来源：期刊VIP网 时间：
作者：王正家;庄健;肖喆;许款款;何涛;
单位：湖北工业大学机械工程学院;现代制造质量工程湖北省重点实验室;冶金装备及其控制教育部重点实验室;
摘要：条码检测是一种广泛应用于不同行业的技术，用于识别、验证和检查条码的质量和准确性。然而，传统的检测方法在处理尺度变化较大等复杂情况下的表现较差，通常存在检测速度和效率低、应用范围有限等问题，并且传统的方法通常只关注图像的局部信息，忽视了条码在不同尺度上的特征等问题。针对上述问题，提出了一种基于改进Swin Transformer的条码检测算法。首先，通过引入局部感知性和多尺度特征提取机制，具有更好的鲁棒性，能够应对不同大小和形状的条码；然后，引入了基于FCOS的检测框架的创新思想；最后，在标注好的条码数据集上对改进后的算法进行模型训练和测试。实验结果表明，所提出的改进后的模型与YOLOv4算法相比，精确率、召回率分别提高了5.78%、3.18%,整体性能优于其他主流算法，有效提升了条码检测能力并达到较高的检测精度。
关键词：目标检测;;深度学习;;条码;;Swin Transformer;;FCOS
基金资助：国家自然科学基金资助项目(51275158)
