一种基于YOLOv5改进的路面垃圾实时检测方法技术

本发明专利技术公开了一种基于YOLOv5改进的路面垃圾实时检测方法，包括以下步骤：S1，获取预设数量的路面垃圾图像，对路面垃圾图像进行预处理，得到样本数据集；S2，对样本数据集进行图像增强处理，得到训练数据集；S3，基于YOLOv5进行优化处理，得到初始垃圾检测网络；S4，利用所述训练数据集对所述初始垃圾检测网络进行训练，得到训练好的初始垃圾检测网络；S5，利用所述训练好的初始垃圾检测网络进行垃圾检测，得到检测结果。本发明专利技术实现了兼具实时性和准确性的垃圾目标检测。

【技术实现步骤摘要】

本专利技术涉及垃圾检测，具体地，涉及一种基于yolov5改进的路面垃圾实时检测方法。

技术介绍

1、随着城市建设信息化、智能化发展，政府环卫投入力度加强，环卫车的产量逐年上升。在这些环卫车上，智能化垃圾检测技术被广泛应用，使得城市环卫工作效率得到提升。然而，路面场景中的垃圾检测是一个极具挑战性的工作，因为垃圾目标形状多变，破损、变形、尺寸不一，并且存在路面背景条件的干扰。为了解决这些问题，本研究提出了一种高效实时的清扫路面垃圾检测方法，该方法能够有效地识别路面上常见的垃圾，为城市环卫工作提供了智能化、高效化的技术支持。

2、目标检测技术是计算机视觉中的重要技术之一，主要用于检测图像或视频中的特定目标。传统的垃圾分类方法主要依靠人工进行分类，效率低下且易受主观因素影响。近年来，随着深度学习技术的发展，基于深度学习的垃圾分类算法也得到了广泛的研究和应用。基于深度学习的目标检测算法主要包括r-cnn、fast r-cnn、faster r-cnn、yolo等。其中，yolo系列算法因其速度快、准确率高等特点，在目标检测领域得到了广泛的应用[1]。yo本文档来自技高网...

【技术保护点】

1.一种基于YOLOv5改进的路面垃圾实时检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于YOLOv5改进的路面垃圾实时检测方法，其特征在于，在步骤S1中，获取预设数量的路面垃圾图像，对路面垃圾图像进行预处理，得到样本数据集的具体方法包括：

3.根据权利要求1所述的一种基于YOLOv5改进的路面垃圾实时检测方法，其特征在于，在步骤S2中，所述图像增强处理包括高斯噪声处理、图像明暗度处理、图像旋转处理、图像裁剪处理、图像平移处理、Mosaic增强处理以及局部风格迁移样本扩充处理。

4.根据权利要求3所述的一种基于YOLOv5改进的路...

【技术特征摘要】

1.一种基于yolov5改进的路面垃圾实时检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于yolov5改进的路面垃圾实时检测方法，其特征在于，在步骤s1中，获取预设数量的路面垃圾图像，对路面垃圾图像进行预处理，得到样本数据集的具体方法包括：

3.根据权利要求1所述的一种基于yolov5改进的路面垃圾实时检测方法，其特征在于，在步骤s2中，所述图像增强处理包括高斯噪声处理、图像明暗度处理、图像旋转处理、图像裁剪处理、图像平移处理、mosaic增强处理以及局部风格迁移样本扩充处理。

4.根据权利要求3所述的一种基于yolov5改进的路面垃圾实时检测方法，其特征在于，所述高斯噪声处理的方法具体为：

5.根据权利要求3所述的一种基于yolov5改进的路面垃圾实时检测方法，其特征在于，所述图像明暗度处理的方法具体为...

【专利技术属性】
技术研发人员：单纯，余渝，黄业文，刘洪铭，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：