基于改进YOLOv5s的可回收垃圾检测方法

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模型高出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.

关键词：垃圾检测、YOLOv5s、感受野、注意力机制

所属期刊栏目：36

分类号：TP311(计算技术、计算机技术)

资助基金：国家民族事务委员会中青年英才培养计划;湖北省科技重大专项;新疆维吾尔自治区区域协同创新专项科技援疆计划

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：56-64