YOLOv10 vs YOLOv11 vs YOLOv12：Nature论文实测三代数模型在零售自助结账场景下的精度-速度权衡

引言：自助结账的“最后一公里”，为什么卡在目标检测上？

走进任何一家中型超市，你会发现自助结账区正在快速取代人工收银通道。根据艾瑞咨询数据显示，2025年中国无人零售市场规模已突破500亿元，自助智能终端部署量年复合增长率保持在28%以上。行业竞争已经从设备铺设数量，转向了数据运营效率与系统稳定性的比拼。

但现实是，大部分自助结账系统仍然依赖扫码——顾客需要逐一找到商品条形码、对准扫描窗口。这个过程看似简单，实则体验极差：瓶装饮料的条形码贴在曲面瓶身上、袋装零食的码被褶皱遮挡、水果蔬菜压根没有条码。真正的“无感结算”必须依靠计算机视觉——摄像头一拍，所有商品自动识别、一次结账。

然而，零售场景对目标检测模型的要求堪称“地狱级”：

• 商品种类爆炸：一个中型超市的SKU动辄上万，包装、规格、颜色千差万别；
• 摆放极度密集：货架上的商品紧挨着甚至重叠，模型很容易把多个物体误识别为一个；
• 光线条件恶劣：超市灯光、自然光、货架阴影交织，同一商品在不同光照下视觉特征完全不同；
• 实时性零容忍：顾客不愿意在结账台前等超过2秒钟；
• 硬件成本敏感：不可能在每个收银台后面放一台A100服务器，边缘设备（Jetson、ARM盒子）是标配。

过去三年，目标检测领域陷入了一种隐性困境：