徐小辉

针对复杂工业场景下动态目标检测通用指标失灵的问题，构建了一套涵盖技术性能、场景适配及工程经济效能的“三位一体”多维综合评估指标体系。通过深度解构光照波动、物料堆叠等特征，设计了加权动态平均精度、轨迹碎片化率等专项指标，并引入层次分析法（AHP）与客观数据融合的组合赋权机制。结果表明，该体系通过线性加权模型与雷达图可视化诊断，有效克服了传统评价的“非补偿性效应”，为物料分拣技术的标准化评估与落地应用提供了科学的方法论支撑。

复杂场景；物料分拣；动态目标检测；指标体系

[1] 张阳婷,黄德启,王东伟,等.基于深度学习的目标检测算法研究与应用综述[J].计算机工程与应用,2023,59(18):1-13. [2] 闫明,陶大鹏,普园媛.面向工业零件分拣系统的低纹理目标检测[J].中国图象图形学报,2022,27(08):2418-2429. [3] 明阳.基于目标检测的散乱工件定位及分拣技术研究[D].沈阳理工大学,2025. [4] 曹学鹏,李鑫,冯艳丽,等.面向无序分拣场景的工件 6D 位姿检测方法[J].工程科学与技术,2025,57(05):298-308. [5] 于灵鑫,陈艺博,曲浩君,等.基于 GraspNet 的多阶段无序混装抓取方法[J].计算机科学,2026,53(04):318-325.

点击下载PDF