-
题名基于改进YOLOv5s的智能垃圾识别分拣装置
- 1
-
-
作者
宋肽宇
吴燕燕
汪凌志
王之雨
于浩泽
-
机构
沈阳航空航天大学工程训练中心
沈阳航空航天大学机电工程学院
沈阳航空航天大学计算机学院
沈阳航空航天大学航空宇航学院
-
出处
《机电工程》
北大核心
2026年第2期360-369,共10页
-
基金
辽宁省教育厅系列研究项目(LJKMZ20220582)
辽宁省教育教学改革研究项目(LZJG2023177)。
-
文摘
针对原始YOLOv5s模型对药片、小型号电池等小目标垃圾检测时,存在着漏检率高、检测速度慢、鲁棒性不足的问题,设计了一种基于改进YOLOv5s的智能垃圾识别分拣装置。首先,设计了垃圾分拣机械装置,该结构包含二轴滑台、伸缩机械爪、四周开合机构与倾倒云台;然后,控制系统采用Jetson Nano与Arduino UNO双主控,利用电机驱动二轴滑台完成了对机械爪抓取的精准控制,利用光电传感器和语音模块完成了满载检测;最后,采用张量实时推理引擎(TensorRT)实施了量化处理,结合统一计算设备架构(CUDA)进行了加速推理,通过引入协同注意力模块(CA)增强了小目标检测能力,并借助残差网络块2(Res2Block)实现了主干网络轻量化目的,从而提升了检测精度与计算效率;在自制设备上基于自建数据集,验证了改进模型的有效性。研究结果表明:与原模型相比,改进模型的平均精度均值(mAP@0.5)达98%以上,对电池、萝卜块等小目标的识别准确率提升显著,增幅在10%至16.7%之间,不同光照条件下的检测结果对比显示,晴天室内条件下的分类准确率超过93.3%,该装置在小目标识别方面具有一定优势,可具有推广应用价值。
-
关键词
垃圾分类
改进YOLOv5s
张量实时推理引擎
计算统一设备架构
协同注意力模块
残差网络块2
-
Keywords
waste sorting
improved YOLOv5s
tensor real-time inference engine(tensorrt)
compute unified device architecture(CUDA)
coordinate attention(CA)
residual network block 2(Res2Block)
-
分类号
TH122
[机械工程—机械设计及理论]
TP391
[自动化与计算机技术—计算机应用技术]
-
