基于YOLO神经网络的垃圾检测与分类

作者：张伟; 刘娜; 江洋; 李清都

来源：电子科技, 2022, 35(10): 45-50.

DOI：10.16180/j.cnki.issn1007-7820.2022.10.008

• 垃圾识别
• 分类
• 神经网络
• 注意力机制
• 深度学习
• 数据集
• 特征集成
• 目标检测

针对人工分拣垃圾效率低、任务重和环境恶劣等问题，文中提出了基于YOLO的目标检测方法来实现垃圾检测与分类。通过制作特定数据集，使用K-means聚类算法以及Mish激活函数对模型进行调整。根据卷积神经网络的特性，通过在YOLO模型的每个检测头前嵌入CBAM注意力模块，结合PANet增强特征集成能力来提升小目标检测的精度。实验结果表明，文中提出的垃圾检测与分类方法能够准确快速地识别垃圾。相较于YOLOv4,文中所提模型在垃圾数据集上的map值提升了2.81%,其中Cans的识别精度可达94.56%,PlasticBottle的精度提升了6.36%。

• 单位
  上海理工大学