改进YOLOv8算法的可回收垃圾目标检测研究

针对可回收垃圾目标检测算法漏检和误检率高、透明垃圾识别困难、人工分拣效率低等问题,提出一种改进的YOLOv8算法:ABD-YOLO。利用自适应下采样(ADS)提取图像边界特征,引入轻量级双向特征金字塔网络(BiFPN)进行多尺度特征融合,结合可变型自注意力机制(DA)解决透明物体识别困难的问题。实验结果表明,ABD-YOLO相对于YOLOv8算法在MAP上提升了2.3%,参数量降低34.2%,浮点计算量降低12.3%,尤其在透明物体识别方面的精度提升了5.7%。此外,通过在公开数据集上的验证,证实了ABD-YOLO的泛化能力。