基于Yolo＿ES的垃圾分类目标检测模型

作者：范金豪; 崔立志^*

来源：电子测量技术, 2023, 46(01): 160-166.

DOI：10.19651/j.cnki.emt.2210123

• 目标检测
• Yolov4
• 轻量化
• 注意力机制
• SoftPool

垃圾分类问题目前已被政府和社会广泛关注，面对分拣过程中对垃圾类别实时性和准确性判断的需求，提出了一种Yolo＿ES目标检测算法。该算法以Yolov4为基础网络，首先使用EfficientNet作为主干特征提取网络，实现算法的轻量化；其次通过注意力机制ECA对MBConv模块进行重构，筛选出高质量的信息，增强模型的特征提取能力并降低了参数量；同时针对最大池化易丢失细节信息的问题，使用SoftPool对SPP模块中的MaxPool层进行替换，保留更多细粒度特征信息。在自制的HPU＿WASTE垃圾分类数据集上进行实验，结果表明，Yolo＿ES模型相比于Yolov4基础网络mAP从91.81%提升到了96.06%,模型大小压缩了75.45%同时每张图片处理时间为58ms;与其他目标检测网络相比，该模型具有更好的鲁棒性和更佳检测性能。

• 出版日期2023
• 单位自动化学院; 河南理工大学