点击蓝字

关注我们

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜计算机视觉研究院

学习群｜扫码在主页获取加入方式

https://pmc.ncbi.nlm.nih.gov/articles/PMC12158391/pdf/sensors-25-03451.pdf

计算机视觉研究院专栏

Column of Computer Vision Institute

本文提出EcoDetect-YOLOv2模型，基于 YOLOv8s 深度优化，专为复杂监控环境的多尺度垃圾检测而生，兼顾轻量部署与精准检测，破解城市垃圾智能监控核心难题。

PART/1

    痛点   

传统垃圾检测与监控场景适配性极差，面临三大核心挑战：

1. 小目标垃圾难识别：纸屑、塑料碎片等仅占数像素，常规模型极易漏检；
2. 复杂背景干扰强：监控画面杂乱、目标遮挡、环境噪声多，误检率居高不下；
3. 模型笨重难落地：高精度模型参数量大、推理慢，无法适配实时监控设备。

PART/2

     创新   

团队以 YOLOv8s 为基线，通过 4 项关键改进，平衡检测精度与模型轻量化：

1. 新增 P2 小目标检测层

   新增 160×160 的 P2 检测头，保留细粒度特征与位置信息，专门捕捉 8×8 像素以下的微小垃圾，从根源解决小目标漏检问题。

2. 嵌入 EMA 高效多尺度注意力

   在 P2 检测头前加入 EMA 机制，聚焦目标关键特征，抗背景噪声、提升跨尺度泛化能力，适配复杂监控环境。

   

   【不同注意力机制对比结果】

3. 替换 DySample 动态上采样

   用 DySample 替代传统最近邻上采样，生成更高质量特征图，精准区分重叠、破损垃圾，减少细节丢失。

4. 自研 ResGhostCSP 轻量模块

   基于 GhostConv 设计 GhostResBottleneck 与 ResGhostCSP，替换原 C2f 模块，大幅降低计算量与参数量，推理更快且不损失精度。

   

   【GhostResBottleneck 与 ResGhostCSP 结构】

   

   【EcoDetect-YOLOv2 整体网络架构】

PART/3

     实验    

团队采用IEWED 复杂环境垃圾数据集（9 类垃圾、监控视角、真实复杂场景）测试，结果远超预期：

【YOLOv8s 与 EcoDetect-YOLOv2 性能对比】

• 精度提升 1.0%，召回率提升 4.6%；

• mAP₅₀提升 4.8%，mAP₅₀:₉₅提升 3.1%；

• 参数量减少 19.3%，实现轻量高效双达标。

可视化检测效果更直观：

【混淆矩阵对比】

【检测结果可视化对比】

• 小目标纸屑检测准确率提升 13%；

• 夜间、复杂背景下无明显漏检、误检；

• 远距小目标、遮挡垃圾均可精准识别。

消融实验证实，四大模块协同作用，模型性能达到最优：

【消融实验结果】

PART/4

     应用价值   

应用价值：赋能城市智慧治理，未来可期

EcoDetect-YOLOv2 实现实时、多目标、轻量、精准的监控场景垃圾检测，可直接接入城市监控系统，大幅降低人工巡检成本，助力自动化垃圾管理、数字城市与智慧环卫建设。

未来团队将结合协同学习、迁移学习，让模型适配更大数据集与更复杂场景，持续推动智慧垃圾检测系统升级。

有相关需求的你可以联系我们！

END

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

ABOUT

计算机视觉研究院

计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架，提供论文一键下载，并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

往期推荐 

🔗

• YOLO-TLA：一种基于 YOLOv5 的高效轻量级小目标检测模型

• ViT-YOLO：基于Transformer的用于目标检测的YOLO算法

• SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测

• LUD-YOLO：一种用于无人机的新型轻量级目标检测网络

• Gold-YOLO：基于聚合与分配机制的高效目标检测器

• Drone-YOLO：一种有效的无人机图像目标检测

• 「无人机+AI」“空中城管”

• 无人机+AI：光伏巡检自动化解决方案

• 无人机视角下多类别船舶检测及数量统计
  

• 机场项目：解决飞行物空间大小/纵横比、速度、遮挡等问题引起的实时目标检测问题

• 2PCNet：昼夜无监督域自适应目标检测（附原代码）

• YOLO-S：小目标检测的轻量级、精确的类YOLO网络

• 大改Yolo框架 |  能源消耗极低的目标检测新框架（附论文下载）

• 改进的检测算法：用于高分辨率光学遥感图像目标检测