近日，国器智眸首席技术官黄麟博士带领技术团队，在人工智能领域国际顶级期刊《Knowledge-Based Systems》上发表研究论文。论文在目标检测技术领域中首次提出，设计结构不仅要考虑正向传播的特征提取，还考虑反向传播过程中误差分配。同时，论文还首次提出检测头结构的设计应考虑检测头与损失函数之间的逻辑关联。主流目标检测YOLOv9论文对该论文进行了引用，并在其结构设计中参考以上概念。

《Knowledge-Based Systems》是一本国际性、跨学科的人工智能领域期刊。该期刊致力于发表原创性、创新性和创造性的研究成果，专注于基于知识及人工智能技术的系统研究。该期刊为中国计算机学会推荐期刊，属中科院SCI期刊分区一区Top期刊，五年影响因子7.4。黄麟博士为本论文第一作者，浪潮云洲与国器智眸为本论文完成单位。

本论文聚焦于表面缺陷检测核心技术目标检测的前沿研究，提出了一种基于密集通道压缩和特征空间固化的新型目标检测方法——YOLOCS。该方法通过引入密集通道压缩（Dense Channel Compression）和特征空间固化（Feature Spatial Solidification）两个创新模块，显著提升了目标检测的精度和效率，并在通用数据集MSCOCO上表现出色，其大、中、小三种模型的平均精度（AP）分别达到了50.1%、47.6%和42.5%，超过YOLOv5模型1.1%、2.3%和5.2%，超过YOLOX模型0.1%，1.3%，3%。这一成果不仅在目标检测领域上具有重要意义，也为实际应用中以目标检测技术为核心任务的场景提供了更高效、更精准的解决方案。

目前，该技术创新成果已成功应用于人造革合成革表面缺陷检测、3C半导体缺陷检测、汽车及零部件产线错漏装等多个行业场景，显著提升了检测效果。值得一提的是，国器智眸自主研发的人造革合成革表面缺陷检测设备在采用基于该技术创新的新版缺陷检测模型后，缺陷检出率相比原有基础提升了9.7%（基于自有数据集对比）。该技术的应用不仅显著提高了客户的生产效率，还为客户带来了更优的设备使用体验，赢得了多家客户的高度认可和好评。

未来，国器智眸将进一步加大研发投入，深化与高校及科研机构的合作，持续探索视觉技术前沿，不断赋能行业发展，推动技术创新迈向新高度！

转自：国器智眸工业机器视觉平台

注：文章版权归原作者所有，本文内容、图片、视频来自网络，仅供交流学习之用，如涉及版权等问题，请您告知，我们将及时处理。