摘要
垃圾分类问题的解决方法目前主要依靠垃圾处理厂人工分拣,其工作环境较差且自动化程度不高.为了提高垃圾分拣的速度与精度,以及为自动垃圾分拣设备提供算法解决参考方案,文章提出一种面向低功耗设备的轻量级垃圾目标检测算法Ghost-YOLO,该算法在保证轻量化的同时具有较高的垃圾检测精度.Ghost-YOLO算法是基于YOLOv3算法通过一系列轻量化改进方案进行改进.首先,通过引入Ghost bottleneck轻量级模块的特征提取网络对输入图片进行特征提取.其次,通过改进的轻量级特征融合层,增加降采样链路,将特征进行二次融合,使得网络对小物体的检测能力更强以及回归框的位置更为精确.通过实验表明,Ghost-YOLO算法模型的参数量相比原YOLOv3减少了95.96％,,大大降低了计算量和网络参数量,整体算法压缩至9.5 MB.在垃圾数据集下的平均精度均值能达到89.02％.
国家科技期刊平台
NSTL
维普
万方数据