在五金冲压与紧固件产线，料筐内零件随机堆叠，人工点数耗时且易漏计。计算机视觉实验室近期围绕「密集堆叠下的实例计数」做了一组实验性探索。
技术路线分两步：先用轻量分割网络提取零件可见区域，再由密度图回归头估计被遮挡部分的数量；对强反光件叠加偏振片与多角度补光，降低高光断裂导致的误判。标注侧改用点标注替代全轮廓标注，单图标注耗时下降约七成，也让换型补样更快。
进展：在某紧固件产线连续两周测试，单筐（约300~800件）计数误差由人工抽检的±3%收窄至±0.4%以内，单帧推理约80ms，可在边缘盒子本地闭环，不依赖云端。
下一步计划：1）引入跨料筐类型的域对齐模块，减少换型重训成本；2）补充电镀反光件的偏振成像数据集，验证遮挡率60%以上时计数的稳定性。
评论