基于YOLOv7 的垃圾检测方法研究

• 作者: 陈君 赵小会 王博士 季虹 李维乾 西安工程大学计算机科学学院陕西省服装设计智能化重点实验室
• 来源期刊: 计算机测量与控制
• 学科: 地球科学
• 关键词: 深度学习;目标检测;注意力机制;非极大值抑制;垃圾分类
• 年，卷（期）: 2025,（12）
• 页码范围: 1-8
• 页数: 8页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2024.12.001

摘要

随着社会经济的发展，人们的生活水平持续提高，生活垃圾量急剧攀升；为了有效应对垃圾分拣效率低、准确率差等问题，提出一种以YOLOv7网络为基础模型的垃圾检测算法；该算法对YOLOv7网络进行了一系列改造，首先，在Head模块添加了注意力机制SimAM,增强了模型的感知能力和自适应能力，从而提高检测精度；其次，在主干网络中改进了非极大值抑制算法(soft-NMS)去除冗余的检测框，再次改进了损失函数为边框回归损失函数SIoU,提高了检测的精度和速度；最后，采用C3模块替换YOLOv7有的ELAN-W模块，提升网络对较小目标的检测能力；通过数据集对改进的网络进行测试，平均准确度为98.93%,高于原模型的96.31%,实验结果也表明改进算法的检测效果有较为明显的提升。