基于Yolo_ES的垃圾分类目标检测模型

来源：电子测量技术杂志2023年第1期北京时间：

作者：范金豪，崔立志

单位：1.河南理工大学电气工程与自动化学院 焦作 454000; 2.河南理工大学河南省煤矿装备智能检测与 控制重点实验室 焦作 454000

摘要：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。

关键词：目标检测;Yolov4;轻量化;注意力机制;SoftPool

基金资助：国家自然科学基金(U1804417)项目资助