数字技术与应用杂志社

摘要：<正>散货卸船作业环境恶劣，推动自动化升级成为智慧码头建设的必然趋势。然而，复杂工况导致现有卸船机抓斗视觉检测精度不足、误检率高，为此提出基于YOLO11模型的抓斗自动检测方法，为全流程自动卸货作业提供关键技术支撑。通过网络爬取、视频抽帧、数据增强等方法获得抓斗图片，采用LabelImg生成YOLO格式的标注文件，构建抓斗高质量数据集。实验结果表明，该模型取得了较好的检测性能，与YOLOv8、YOLOv9、YOLOv10等模型对比试验发现，YOLO11s的mAP@0.5:0.95值达0.918，其准确率最高，无误检现象且漏检概率最低，具有精度高、鲁棒性强等优点。

基金资助： 2024年江苏省职业院校学生创新创业培育计划创新实践项目“基于深度学习的卸船机抓斗目标跟踪系统开发”（GX002）； 江苏高校“青蓝工程”（苏教师函[2025]16号）； 2024年沙洲职业工学院高层次人才基金项目（1020711）；

专辑： 信息科技;工程科技Ⅱ辑

专题： 公路与水路运输;计算机软件及计算机应用;自动化技术

分类号： U653.928.1;TP183;TP391.41