轻量化垃圾目标检测算法研究

为提高垃圾分类效果,利用深度学习模型YOLOv7,实现垃圾的智能识别与分类。居民可用手机拍摄垃圾,算法将自动分析并给出垃圾分类建议。该模型在自制数据集上的准确率达到90.7%,具有较高准确性。为优化模型,采用GSConv和PConv替换原卷积,实现轻量化处理,删减冗余参数。实验显示,轻量化后模型参数减少23.1%,推理速度提升30.1%,为居民垃圾分类提供了实用方案,有效提升了居民端垃圾目标检测的准确率,进而为居民日常垃圾分类提供了可行性技术方法参考。