複雑な環境下でのごみ検出モデルのパラメータ数が多く、誤検出や見逃しなどの問題が存在することを踏まえ、本稿では改良されたYOLOv8nに基づく軽量ごみ検出モデルを提案する。まず、モデルのごみ特徴領域の表現能力を向上させるとともに、モデルパラメータ数を削減するためにMobileNet V3_ECAの軽量ネットワーク構造をYOLOv8nのバックボーンとして提案する。次に、バックボーンネットワークに文脈アンカー注意機構を導入し、モデルのごみ特徴抽出能力を強化する。さらに、ネックネットワークでは標準畳み込みを全次元動的畳み込みに置き換えて局所特徴マップを細かくし、ごみ局所の細粒度特徴の融合能力を実現する。最後に、WIoU v3境界損失関数を採用してネットワークのバウンディングボックス回帰性能を向上させる。自社構築の複雑背景のごみデータセットでモデルの検証実験を行い、改良モデルは元のYOLOv8nと比較してmAP@0.5が1.1％向上し、検出速度FPSが11.7％向上し、パラメータ数Params、モデルサイズSize、浮動小数点演算量FLOPsはそれぞれ70.8％、66.1％、70.7％削減された。実験結果から、本稿の改良モデルは検出精度を効果的に向上させるとともに、モデルの複雑性を大幅に低減でき、モデルのエッジ端末検出装置への展開および応用に重要な工学的意義があることが示された。

ごみ検出;軽量化;MobileNet V3_ECA;YOLOv8n;深層学習