基于YOLO v5与层次化分类算法的生活垃圾识别研究

目前我国传统生活垃圾分类工厂的工作方式仍然以人工分拣为主,为解决工人工作效率低和工作环境恶劣等问题,自动化垃圾分类工厂应运而生,而作为其技术支撑的生活垃圾检测算法则是衡量自动化工厂分拣效率的一个重要指标。文章提出一种基于YOLO v5与层次化分类算法,首先将特征相似、难以区分的垃圾图片整合后作为新的类别数据,裁剪后训练得到分类模型。其次将YOLO v5网络的输出经分类网络得到细分的预测类别,再重新赋予YOLO v5的输出完成识别,最终将此算法应用于生活垃圾的识别工作中。实验结果表明改进算法较原算法模型的AP88提高0.5个百分点,AP89提高1.7个百分点,AP90提高2.8个百分点,能够有效提升生活垃圾的识别率。