基于YOLO v3的地面垃圾检测与清洁度评定方法

摘要：

针对传统清洁机器人缺乏清洁效果反馈的问题,提出了基于YOLO v3算法的地面垃圾检测与清洁度评定方法.利用由垃圾巡检小车搭载的Jetson TX2和USB摄像头采集地面垃圾图像,选择兼具检测精度与速度的YOLO v3模型进行垃圾检测与分类;然后通过对不同类别的垃圾分配不同的权重系数,并与统计的垃圾数量加权出清洁度指数,从而实现清洁度等级的评定;系统可根据等级信息来指挥地面清洁机器人高效地完成清洁任务,以减少机器人的盲目性.实验结果表明:模型检测准确率为90.6％,各类垃圾检测在测试集上的mAP达到了88.3％,平均帧率为28帧/s,相比于Faster R-CNN具有高出了2.8个百分点的检测准确率和更高的实时性.

关键词：地面清洁度、YOLO v3、深度学习、垃圾巡检小车

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：四川省重大科技专项项目;四川省科技厅重点研发计划资助项目

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：129-133