基于改进YOLOv5s的可回收垃圾检测算法

垃圾回收的好处有很多,有助于保护水土资源,提高居民的生活环境质量,加快绿色循环经济发展,然而传统的垃圾回收需要大量人力和物力。结合ShuffleNet v2与深度可分离卷积,提出一个更轻量化的YOLOv5s改进模型,将其用于对可回收垃圾的分类和定位。实验结果表明:改进模型的参数量仅为原始模型参数量的38.98%;在输入分辨率为640×640时,改进模型的平均精度均值(mAP)为94.01%,比原始YOLOv5s高出1.91个百分点;在速度上,通过在Jetson Nano硬件上进行部署,改进模型的前传耗时比原始YOLOv5s少了11.5%。另外,与目前常见的主流的目标检测模型对比,所提改进模型也具有很好的表达可回收垃圾特征的能力。