基于K-YOLOv8的垃圾分类识别算法研究
摘要
本文提出一种创新的垃圾分类方法，将融合kalmannet物理模型的注意力机制与改进的 YOLOv8相结合网络架构（K-YOLOv8），有效解决实际运行中视觉图像畸变引发的识别误差问题。具体创新点如下：一是跨领域融合，引入基于深度学习的姿态估计并结合物理模型，精准处理姿态与位置变化信息；二是实现姿态校正与目标识别的多任务融合，对目标进行多维度还原以实现有效检测识别。在模型架构上，将 YOLOv8 主干网络替换为轻量级 MobileNetSmall，提升运算效率，同时改进 C2F 模块为 CAFM 模块，增强特征融合。此外，采用 SIoU 损失函数提高目标定位精度。实验表明，改进方法在多数据集上分类准确率高、鲁棒性强，较传统方法有更好的实时性与应用潜力。最后，文章还探讨了该技术在实际环境中的应用前景与挑战。
关键词
镜像
|参考
《“十四五”城镇生活垃圾分类和处理设施发展规划》印发[J]. 工程建设标准化, 2021,(06):25.
万涛涛, 俞建荣, 马丽梅, 等. 基于改进YOLOv5s的垃圾图像识别及定位[J]. 制造业自动化, 2025,47(01):69-74.
张彭程. 基于机器视觉的智能垃圾分类系统的设计[J]. 中国新技术新产品, 2025,(02):32-34. DOI:10.13612/j.cnki.cntp.2025.02.041.
杜雪林, 邹家华, 刘颖, 等. 针对生活垃圾的智能分类垃圾桶设计与制作[J]. 机械设计与研究, 2024,40(06):175-182. DOI:10.13952/j.cnki.jofmdr.2024.0227.
钟浩, 孟思虹, 范龙彪, 等. 基于机器学习集成智慧路灯的垃圾分类系统[J]. 电子设计工程, 2024,32(24):5-10+15. DOI:10.14022/j.issn1674-6236.2024.24.002.
徐天鑫, 宛楠, 唐安琦, 等. 智能环保垃圾分类系统设计与实现[J]. 福建电脑, 2024,40(12):88-92. DOI:10.16707/j.cnki.fjpc.2024.12.018.
刘铭, 张潇. 基于改进Faster R-CNN算法的垃圾分类与识别应用[J]. 吉林师范大学学报(自然科学版), 2024,45(04):111-117. DOI:10.16862/j.cnki.issn1674-3873.2024.04.017.
张明, 孙晓丽. 基于MobileNet V2模型迁移学习的垃圾图像分类算法[J]. 湖北工业职业技术学院学报, 2024,37(05):67-72.
夏众一. 基于改进YOLO算法的生活垃圾检测研究[D]. 浙江农林大学, 2024. DOI:10.27756/d.cnki.gzjlx.2024.000472.
肖立中, 胡凡. 基于LGD-YOLO高精度轻量化目标检测网络的垃圾检测研究[J]. 环境工程, 2024,42(06):169-177. DOI:10.13205/j.hjgc.202406020.
雷俊华. 基于改进YOLOv5s的复杂背景下垃圾检测系统设计与实现[D]. 中南财经政法大学, 2023. DOI:10.27660/d.cnki.gzczu.2023.001102.
华祥旭. 基于深度学习的机械臂垃圾分拣系统研究[D]. 太原科技大学, 2024. DOI:10.27721/d.cnki.gyzjc.2024.000063.
黄梓烺. 基于识别与抓取融合算法的机器人垃圾分拣技术研究[D]. 深圳大学, 2023. DOI:10.27321/d.cnki.gszdu.2023.001857.
王业伟. 基于机器视觉的智能生活垃圾分拣系统设计[D]. 合肥大学, 2024. DOI:10.27876/d.cnki.ghfxy.2024.000245.
毛少华. 基于YOLO模型的垃圾分类算法设计与实现[D]. 延安大学, 2024. DOI:10.27438/d.cnki.gyadu.2024.000702.
Refbacks
- 当前没有refback。