科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前基于深度学习的垃圾分拣方法存在效率低、处理时间长且对设备计算性能要求高等一系列问题，本文提出一种基于改进型YOLO算法的垃圾分类方法。该方法采用Mosaic数据增强技术降低模型对设备计算性能的依赖，并且通过增多小目标垃圾训练样本扩展数据集；将CSPDarknet-53作为主干特征提取网络，有效解决了推理计算量过大的问题，并且保证了模型的准确率；通过新增多个空间金字塔池化模块(SPP),实现全局特征与局部特征的更好融合，并且有效增强了模型的特征表达能力。由实验结果表明，本文所提方法的垃圾识别平均准确率mAP达到97.72%,处理时间不仅达到工业级检测标准而且显著缩短，对于设备计算性能的要求也大大降低，具有极大的应用价值。
- 单位
