目的：牙龄评测是重要的生物学年龄评测方法之一，在健康医学、人类学、刑侦学、以及法医学等领域均扮演重要的角色。恒牙牙位的自动识别是儿童牙龄智能评测研究的基础。然而由于乳牙的干扰，从混合牙列中自动识别较恒牙列较为困难。本研究拟采用改进的YOLOV3检测模型实现混合牙列中恒牙的自动检测和牙位分类。
材料与方法：本研究收集了280张3-14岁儿童的曲面断层片，采用多名医生交叉标注的方式构建了儿童混合牙列的牙龄数据集ChildMixDenTA。数据集包括每颗牙齿的标注框信息及牙位标签。采用改进的YOLOV3检测方案实现恒牙的检测和牙位分类；首先对数据集进行动态增广，考虑到相同牙位在不同曲面断层片中的位置相对固定，数据集摒弃了水平翻转的增广方式；其次，在 Darknet53 网络中引入了多尺度空间金字塔，使网络能够更全面地学习对象特征；最后，设计了一种分支路径，分别预测恒牙位置信息和牙位分类的结果，两个路径利用相同的上层特征并各自更新权重。
结果与讨论：实验结果表明，在ChildMixDenTA数据集上，本文构建的模型mAP值为96.97%，相较于YOLOV3 提升2.5%。
结论：结果显示改进的YOLOV3检测方案对混合牙列期恒牙牙位自动识别有较高的准确性，为下一步牙龄的智能评测奠定了重要的基础。

曲面断层片,牙位识别,牙齿目标检测,改进的YOLOV3