一种基于轻量级神经网络的密集烟包目标检测方法

本发明公开了一种基于轻量级神经网络的密集烟包目标检测方法，涉及实时图像处理技术领域。本发明面向密集目标端侧检测的算力瓶颈，基于YOLOv10提出轻量化DBA‑YOLO。改进点：骨干嵌入C2fPA及ParNetAttention，突出前景特征；设计加权双向多分支辅助金字塔BIMAFPN，同时保留浅层定位与深层语义；构建集动态可变形卷积与多重注意力的检测头DyDhead。配合Anchor‑Free架构、TAL正样本分配及CIoU等损失函数，模型在SKU‑110K与卷烟数据集分别达mAP(0.5:0.95)46.9％与99.4％，参数7.8M、FLOPs3.7G，端到端延迟≤45ms，可在OrinNX/RK3588嵌入式平台实时部署。