使用先进计算机视觉模型Yolov12 vs Yolov11 vs RF-DETR的集装箱损坏检测: 一项比较分析
计算机视觉与模式识别
2025-07-01 v1
摘要
集装箱是物流行业不可或缺的一部分,充当货物的屏障。集装箱的典型使用寿命超过20年。然而,随着时间的推移,由于机械和自然因素,集装箱会遭受各种类型的损坏。损坏的集装箱对处理它的员工来说是安全隐患,对物流公司来说则是责任。因此,及时检查和检测损坏的集装箱是延长使用寿命和避免安全隐患的关键。在本文中,我们将比较三种最先进的计算机视觉模型Yolov12、Yolov11和RF-DETR的损坏检测性能。我们将使用包含278张标注图像的数据集来训练、验证和测试模型。我们将比较模型的mAP和精度。本文的目标是确定最适合集装箱损坏检测的模型。结果是混合的。Yolov11和12的mAP@50得分为81.9%,而RF-DETR为77.7%。然而,在测试不太常见的损坏集装箱时,RF-DETR模型总体上优于其他模型,表现出能够以高置信度准确检测损坏集装箱和损坏事件的优越性。
引用
@article{arxiv.2506.22517,
title = {Container damage detection using advanced computer vision model Yolov12 vs Yolov11 vs RF-DETR A comparative analysis},
author = {Subhadip Kumar},
journal= {arXiv preprint arXiv:2506.22517},
year = {2025}
}