机械工程师MECHANICALENGINEER2023年第8期网址：www.jxgcs.com电邮：hrbengineer@163.com基于改进YOLOv5s的垃圾检测算法林梓健1，林群煦1，张弓2，刘成沛1，杨智才3，张立炜1，王晓佳1（1.五邑大学轨道交通学院，广东江门529020；2.广州先进技术研究所，广州511458；3.罗定职业技术学院，广东罗定527200）■■■■■■■■■■基金项目：云浮市科技计划项目（2021020401）0引言垃圾分拣不适宜过度依赖人工，因为该岗位体力劳动强度大、重复性高、容易疲劳、环境恶劣，对工人的身心健康容易造成不良影响。此外随着经济发展、城市化和人口增加，垃圾的数量和复杂性都在上升，因此适宜引入智能化、自动化垃圾分拣。而随着深度学习和机器视觉检测技术的发展，采用机器视觉检测进行垃圾分类是这个领域新兴的重要一环。国内外已有通过基于深度学习的机器视觉进行垃圾检测和分类方面的研究。Pan[1]在YOLOv3基础上引入LeakyRelu激活函数和K均值聚类锚框，增加特征尺度，减少网络层数以减少计算量，提出YOLOv3++的改进算法用于垃圾检测和分类任务。A.B.Wahyutama等[2]研发了一款智能垃圾桶，基于YOLOv4-Tiny进行识别，检测用户带来的垃圾，并根据识别的分类结果打开相应的垃圾桶桶盖。D.Ziouzios等[3]基于YOLOv4提出用于实时检测可回收垃圾的垃圾视觉检测系统，通过改进损失函数和激活函数、引入Cutmix数据增强和SAT训练等方式改进，精度达到92.43%。Jiang等[4]在YOLOv5算法基础上改进，引入CIOU损失函数和Adam优化器、增加专用于小尺度目标的检测层和注意力机制模块。Ma等[5]通过改进LSSD算法以提高对小目标的检测能力，并加入基于下采样的特征金字塔、FocalLoss函数缓解正负样本比例失衡和柔性非极大抑制。Hui等[6]基于改进的FasterRCNN算法开发了一套垃圾分类系统，与常见的纯视觉分类不同，该系统同时接收音频输入，结合图像、透明度、音频3方面信息进行判断和分拣。Chen等[7]基于ShuffleNetV2网络提出用于分拣生活垃圾的轻量化视觉检测系统，并引入FReLU激活函数、嵌入注意力机制和迁移学习，准确率达到97.9%，且运行较快。Bohong等[8]在YOLOv3基础上嵌入ECA通道注意力机制，并在华为垃圾分拣挑战杯的数据集上进行测试，mAP值比原版YOLOv3提高了1.07%，而检测速度和参数量不变。可见在已有算法基础上融合新模块进行改进是一个重要的研究方法，其中融合注意力机制、改进损失函数等以提升精度、融合轻量化模块以实现轻量化和提速是热门，两大主要目标是提...
