融入注意力机制的轻量化可回收垃圾检测方法
2023-05-13郭洲黄诗浩谢文明吕晖张旋旋陈哲
郭洲,黄诗浩,谢文明,吕晖,张旋旋,陈哲
融入注意力机制的轻量化可回收垃圾检测方法
郭洲1,2,黄诗浩1,2,谢文明2,吕晖1,2,张旋旋1,2,陈哲1,2
(1.福建省汽车电子与电驱动技术重点实验室,福州 350118; 2.福建工程学院 电子与电气物理学院,福州 350118)
针对目前智能垃圾分类设备使用的垃圾检测方法存在检测速度慢且模型权重文件较大等问题,提出一种基于YOLOv4的轻量化方法,以实现可回收垃圾的检测。采用MobileNetV2轻量级网络为YOLOv4的主干网络,用深度可分离卷积来优化颈部和头部网络,以减少参数量和计算量,提高检测速度;在颈部网络中融入CBAM注意力模块,提高模型对目标特征信息的敏感度;使用K−means算法重新聚类,得到适合自建可回收数据集中检测目标的先验框。实验结果表明,改进后模型的参数量减少为原始YOLOv4模型的17.0%,检测的平均精度达到96.78%,模型权重文件的大小为46.6 MB,约为YOLOv4模型权重文件的19.1%,检测速度为20.46帧/s,提高了约25.4%,检测精度和检测速度均满足实时检测要求。改进的YOLOv4模型能够在检测可回收垃圾时保证较高的检测精度,同时具有较好的实时性。
可回收垃圾检测;MobileNetV2;YOLOv4;注意力机制;深度学习
随着经济的快速发展,人们的生活水平进一步提高,伴随而来的垃圾产出数量也在逐年增加,垃圾对环境、人们的健康造成的影响也日益凸显,垃圾处理面临着巨大的挑战。垃圾分类是减少垃圾处理量的一种有效方式。由于目前垃圾的种类繁多,很难实现准确分类。随着人工智能的快速发展及计算机算力的不断提升,垃圾分类研究已经受到国内外学者的广泛关注,尤其是对能高效分拣垃圾的智能垃圾分拣设备的研究。……
