[30]。表5.6不同模型各項指標模型量化類型mAP@IoU=0.50:0.95mAP@IoU=0.50mAP@IoU=0.75RecallPrecisionEfficientDet-Lite0int80.4080.6720.4260.5150.672float160.4190.6810.4400.5280.681float320.4190.6810.4400.5280.681EfficientDet-Lite2int80.5270.8130.5600.6510.813float160.5350.8200.5680.6610.820float320.5350.8200.5680.6610.820SSDMobileNet-V2int80.3640.6060.3740.4800.606float320.3640.6070.3740.4800.607根據(jù)測試結(jié)果發(fā)現(xiàn)EfficientDet-Lite模型無論在mAP、Recall還是Precision指標均優(yōu)于EfficientDet-Lite0模型和SSDMobileNet-V2模型。在所有測試指標中，EfficientDet-Lite2的float16/float32版本表現(xiàn)最佳，mAP@IoU=0.50達到約0.820，Recall約0.661，Precision約0.820，而EfficientDet-Lite0和SSDMobileNet-V2的指標明顯較低。同一模型在不同量化類型下（int8、float16、float32）的性能差異不大，但float16/float32版本普遍略優(yōu)于int8。例如，EfficientDet-Lite0模型的mAP@IoU=0.50:0.95從int8版本的0.408提升到float16/float32的0.419，EfficientDet-Lite2的提升幅度類似，這種提升說明在追求更高檢測精度時，采用float精度會有一定優(yōu)勢，但相應(yīng)地也會導(dǎo)致模型體積增大。EfficientDet-Lite2的模型大小明顯大于EfficientDet-Lite0和SSDMobileNet-V2。例如，float32版本的EfficientDet-Lite2達到22.0MB，而EfficientDet-Lite0僅6.92MB，SSDMobileNet-V2為10.7MB，這表明在追求高精度的同時，系統(tǒng)需要權(quán)衡計算資源和存儲開銷。圖5.4模型對比圖綜合測試結(jié)果以及圖5.4的模對比圖，本文最終決定選用EfficientDet-Lite2模型的int8版本作為MediaPipe框架的預(yù)訓(xùn)練模型，在保證精度的同時降低模型參數(shù)量，可以更好地滿足實時檢測的要求。5.3.2目標檢測準確率測試目標檢測模塊的準確率是衡量系統(tǒng)性能的重要指標之一，為了測試EfficientDet-Lite2模型目標檢測的準確率，測試分別使用了COCO數(shù)據(jù)集中的5種不同類別的300張圖像進行測試，測試結(jié)果如表5.7所示。表5.7測試結(jié)果表名稱準確率瓶子杯子85.3%83.3%香蕉蘋果78.7%81.3%遙控器72.7%從測試結(jié)果可以看出，目標檢測模塊在常見物品的檢測上具有較高的準確率，平均準確率達到了80.26%。這表明系統(tǒng)在目標檢測方面能夠滿足實際應(yīng)用的需求。5.4本章小結(jié)本章通過多維度測試體系對系統(tǒng)進行了全面驗證，主要涵蓋了功能性測試、性能測試以及目標檢測準確率測試，得到了如下結(jié)論：（1）功能完整性與交互可靠性：視頻流處理模塊在720P分辨率下能夠穩(wěn)定捕獲和傳輸視頻，幀率穩(wěn)定保持在30FPS以上，確保了實時性和流暢的用戶體驗。手部抓取物體識別功能在靜態(tài)和動態(tài)場景下均能準確檢測出用戶手中物品（如剪刀、書、手機、遙控器等），并在無手部出現(xiàn)時返回“Null”，證明了系統(tǒng)交互判斷機制的有效性。語音反饋模塊能夠?qū)崿F(xiàn)中英文雙語切換播報，且在目標檢測結(jié)果更新后能及時發(fā)出語音提示，滿足視障用戶的實時信息需求。（2）性能測試與模型對比：針對不同預(yù)訓(xùn)練模型及量化類型的性能測試表明，EfficientDet-Lite2模型在mAP、召回率和精確率等指標上均顯著優(yōu)于EfficientDet-Lite0和SSDMobileNet-V2模型。同一模型在int8與float16/float32量化類型下的性能差異較小，但float16/float32版本略有提升。同時，EfficientDet-Lite2的模型大小遠大于其他模型，這在一定程度上反映了其更復(fù)雜的特征提取能力。綜合考慮實時性與檢測精度，最終決定選用EfficientDet-Lite2的int8版本，在滿足精度要求的同時降低了模型體積，適應(yīng)了實時檢測場景的需求。（3）目標檢測準確率：在針對COCO數(shù)據(jù)集中5個常見類別（瓶子、杯子、香蕉、蘋果、遙控器）的測試中，各類別的檢測準確率分別為85.3%、83.3%、78.7%、81.3%和72.7%，平均準確率達到約80.3%，說明系統(tǒng)在常見物品檢測上具有較高的實用性和魯棒性。

6總結(jié)與展望6.1總結(jié)本研究設(shè)計并實現(xiàn)了基于MediaPipe的盲人輔助手持物品識別系統(tǒng)，利用MediaPipe目標檢測算法，結(jié)合Flask后端與Vue.js前端技術(shù)，達成實時檢測與語音反饋。研究成果顯著：目標檢測模塊基于EfficientDet-Lite2模型，能在實時視頻流中準確識別常見物品，平均準確率高；交互判斷模塊通過計算IOU，精準判斷盲人手持物品情況，平均準確率滿足需求；語音反饋模塊借助WebSpeechAPI實現(xiàn)語音合成，平均延遲320ms，符合實時性要求；不同硬件配置下性能測試表明，高性能硬件可達到較高FPS，低性能硬件也能維持一定實時性。系統(tǒng)在實際應(yīng)用中仍存在不足,復(fù)雜場景適應(yīng)性欠佳，強光、弱光、背景干擾或物體遮擋時，檢測準確率下降；模型泛化能力有限，對不常見或新物品類別，檢測準確率降低；實時性方面，低性能硬件上FPS下降影響體驗，語音反饋延遲在特定情況會干擾盲人即時決策。6.2展望針對上述現(xiàn)存問題與進一步提升系統(tǒng)實用性與技術(shù)深度，未來可以從以下幾個方面對系統(tǒng)進行改進和優(yōu)化：（1）結(jié)合多傳感器數(shù)據(jù)：為了提高系統(tǒng)在復(fù)雜場景下的適應(yīng)性，可以考慮結(jié)合多種傳感器數(shù)據(jù)。例如，將攝像頭與深度傳感器（如Kinect）相結(jié)合，利用深度信息輔助目標檢測，從而提高在復(fù)雜光照條件和背景干擾下的檢測準確率。此外，還可以引入紅外傳感器或激光雷達等，進一步增強系統(tǒng)的環(huán)境感知能力。（2）模型優(yōu)化與遷移學(xué)習(xí)：為了提高模型的泛化能力，可以對現(xiàn)有的EfficientDet-Lite2模型進行優(yōu)化。一方面，可以嘗試對模型進行微調(diào)，通過在特定數(shù)據(jù)集上進行進一步訓(xùn)練，使模型更好地適應(yīng)特定場景。另一方面，可以利用遷移學(xué)習(xí)技術(shù)，將預(yù)訓(xùn)練模型應(yīng)用于新的物品類別，從而提高模型對新物品的檢測能力。（3）實時性優(yōu)化：為了提