基于模式增强的 RT-DETR 多电池检测

准确且高效的电池检测日益重要，适用于电子废弃物回收、工业质量控制和自动化分类系统。在本文中，我们提出了综合基准和 novel 方法用于多电池检测。我们在约8,591张标注图像的数据集上，系统比较了三个基于CNN的检测器（YOLOv8n、YOLOv8s、YOLO11n）和两个基于Transformer的检测器（RT-DETR-L、RT-DETR-X），并在相同实验条件下进一步提出PaQ-RT-DETR，该方法引入基于模式的动态查询生成机制于RT-DETR，以解决查询激活不平衡问题，同时几乎不增加计算开销。在基线方法中，YOLO11n在仅2.6M参数下实现CNN类检测器最佳精度（mAP@50: 0.779），而YOLOv8n在约1,667 FPS的速度最快。PaQ-RT-DETR-X实现最高总体mAP@50为0.782，超越RT-DETR-X +2.8%，在所有六类电池类别中保持一致的per-class收益，包括数据稀缺的自行车电池类别。我们的发现为选择电池相关工业应用中的目标检测模型提供了实用指导。