陈永祺;顾茜;林郁

厦门烟草工业有限责任公司;福建中烟工业有限责任公司

半自动标注;小样本学习;目标检测;轻量级模型

【目的】应用半自动标注技术和轻量级目标检测模型，实现烟丝异物实时检测模型的快速开发和落地应用。【方法】在少量标注的样本上使用picodet-s-320训练基础模型，基于该模型生成对剩余数据样本的预测标注，人工矫正预测标注结果I后，.使用picodet-l-640训练基于全量数据的最终应用模型。【结果】数据标注效率提升223%，迭代周期缩短到1d，训练模型m APoU=o5达到1.000，测试集上漏检率为0%、误检率0.3%，部署模型推理速度提高291%，试运行期间无漏检，多检误报控制在0.23次/批。【结论】采用基于PP-PicoDet的半自动标注技术，大幅缩短算法的开发和迭代周期，模型的预测速度、精度、通用性好，可实现制丝工序烟丝异物的实时检测处置。