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。