电子测量技术

作者：何奥辉，张丰收，庄高帅，段庆阳，冯宝阳

单位：河南科技大学机电工程学院 洛阳 471003

关键词：深度学习;目标检测;条形码;YOLOv8

基金：国家重点基础研究发展计划（J2019-VII-0017-0159）项目资助

针对现有目标检测模型在复杂环境下检测条形码时易受干扰导致精度不足，以及模型复杂度高难以部署于移动端低算力设备的问题，本研究提出了一种基于YOLOv8的轻量级高精度检测算法DOLN-YOLO。首先，引入以DWCOnv重构的DW-HGNetV2作为主干网络，在增强多尺度特征提取能力的同时显著降低计算复杂度；其次，构建OD-C3Ghost模块替换C2f模块，增强了对条码复杂形变的动态感知能力，并进一步消除计算冗余；然后，设计了轻量级共享细节增强检测头LSDEDH，利用DEConv的梯度-强度双路协同机制提升模型的特征泛化能力，并采用异构卷积共享策略降低资源损耗；最后，提出了复合损失函数NWD-PIoUV2，联合归一化Wasserstein距离与动态聚焦PIoUV2损失，缓解微小定位偏差的优化难题并加快收敛速度。实验结果表明，相比于基准模型，DOLN-YOLO的mAP@0.5提升了0.92%，mAP@0.5:0.95提升了4.57%，同时参数量和计算量分别降低了58.8%和48.6%，证明了算法在检测复杂环境下的条码的优越性。DOLN-YOLO 为物流、医疗、零售等场景提供了兼具高鲁棒检测能力与高效移动部署的解决方案。

来源：2026年第4期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第4期