基于改进 YOLOv5s 的可回收垃圾检测方法

雷建云; 邹金林; 夏梦; 梁钧

文章摘要

雷建云,邹金林,夏梦,梁钧.基于改进 YOLOv5s 的可回收垃圾检测方法[J].纺织大学学报,2023,36(3):

基于改进 YOLOv5s 的可回收垃圾检测方法

DOI：

中文关键词: 垃圾检测 YOLOv5s 感受野注意力机制

英文关键词:

基金项目:

作者	单位
雷建云	1.中南民族大学计算机科学学院，湖北武汉 430074；2.湖北省制造企业智能管理工程技术研究中心，湖北武汉 430074；3.农业区块链与智能管理湖北省工程研究中心，湖北武汉 430074
邹金林	1.中南民族大学计算机科学学院，湖北武汉 430074；2.湖北省制造企业智能管理工程技术研究中心，湖北武汉 430074；3.农业区块链与智能管理湖北省工程研究中心，湖北武汉 430074
夏梦	1.中南民族大学计算机科学学院，湖北武汉 430074；2.湖北省制造企业智能管理工程技术研究中心，湖北武汉 430074；3.农业区块链与智能管理湖北省工程研究中心，湖北武汉 430074
梁钧	1.中南民族大学计算机科学学院，湖北武汉 430074；2.湖北省制造企业智能管理工程技术研究中心，湖北武汉 430074；3.农业区块链与智能管理湖北省工程研究中心，湖北武汉 430074

摘要点击次数: 301

全文下载次数: 528

中文摘要:

对垃圾进行回收益处颇多，不仅可以节约资源，还有助于自然环境保护。在传统的垃圾回收中，一般会消耗大量的人力和物力，本文基于现有单阶段目标检测算法 YOLOv5s 再结合注意力机制和 RFB 感受野模块，提出一种兼顾检测速度与精度的 YOLOv5s 改进模型，该模型可运用于室内智能垃圾回收机器人或垃圾场处理终端中。首先对 RFB 模块的结构做出调整并利用注意力机制进行改进，在一定程度上克服了 RFB 模块引入其他不必要特征信息的缺点；然后在算法中引入改进后的 RFB 模块，使算法能更好地与不同尺度的垃圾物体相匹配，提高了检测的精度；并根据数据集目标物体的特点重新调整了锚框大小。实验结果表明，YOLOv5s-SERFB 在数据集 TrashNet-Plus 上有良好的表现，最终改进模型的 mAP 为 91.7%，相比于原始的 YOLOv5s 模型高2.2%，算法能较好地满足实时检测任务的需要，同时表现出良好的检测效果。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭