Детектор паллет для склада на базе YOLOv11
Модель YOLOv11 для обнаружения паллет на складе в реальном времени, оптимизированная для промышленных условий.
О сервисе
Обзор Семейство моделей YOLOv11, специально настроенных для обнаружения паллет (деревянных поддонов со штабелированными продуктами) в реальном времени в складских помещениях. Доступны в двух вариантах размера YOLOv11: nano (2.6 млн. параметров, готово для периферийных устройств) small (9.4 млн. параметров, лучшая точность) Модели оптимизированы для идентификации паллет на переднем плане в рабочих условиях склада с погрузчиками, стеллажами и динамическим освещением. Возможности и применение Эта модель предназначена для автоматизации складских операций, улучшая учет и управление запасами. Она позволяет: Определять наличие и количество паллет на изображениях. Работать в сложных условиях освещения и при наличии помех, таких как движение погрузчиков. Использоваться для мониторинга складских зон и инвентаризации в реальном времени. Пример использования (инференс): Как обучена модель Модель была обучена на пользовательском наборе данных EDITools Warehouse Pallet Dataset, специально разработанном для обнаружения паллет на складе. Обучение проводилось с использованием фреймворка Ultralytics. Метрики качества mAP@0.5: 0.5918 mAP@0.5:0.95: 0.4852 Точность: 0.5988 Полнота: 0.5739 Примеры детекции Реальные детекции из валидационного набора с использованием варианта nano @ 640p : Чистая детекция паллеты на переднем плане Одна паллета на переднем плане обнаружена с достоверностью 0.86. Nano-640 — это наш основной инструмент для периферийных устройств: быстрый, чистый, с высокой достоверностью на однозначных снимках. Сильное размытие из-за движения Та же камера в движении — паллета обнаружена с достоверностью 0.58, несмотря на размытие всего кадра. Ожидаемо более низкая достоверность, чем на чистом снимке, но детекция сохраняется. Загроможденная сцена с несколькими паллетами 16 из ~20 эталонных паллет обнаружены с достоверностью от 0.30 до 0.83 в загроможденном проходе. В реальных развертываниях следует ожидать подобных результатов. Ссылки EFFGRP/yolov11n-warehouse-pallets-1280 Источник: https://qubu.ai/models/detektor-pallet-dlya-sklada-na-baze-yol-ov11 License: MIT
