融合FasterViT架构的基于YOLOv8s模型的生活垃圾检测算法研究.pdfVIP

ISSN1009-3044E-mail：xsjl@

ComputerKnowledgeandTechnology电脑知识与技术

ComputerKnowledgeandTechnology电脑知识与技术第21卷第6期(2025年2月)

http：//

Vol.21,No.6，February2025Tel：+86-55165690964

融合FasterViT架构的基于YOLOv8s模型的生活垃圾检测算法研究

张欣

（徐州工业职业技术学院信息工程学院，江苏徐州221000）

摘要：为提高生活垃圾分拣效率和降低人工成本，文章提出一种融合FasterViT架构的改进YOLOv8s生活垃圾目标检测算

法FV-YOLOv8s。该模型在通用目标检测数据集MSCOCO2017以及自建生活垃圾数据集上均表现出较高的检测精度，在

Precision、Recall、mAP50和mAP50-95等指标上优于基准YOLOv8s模型。

关键词：FasterViT；YOLOv8s；垃圾检测；目标识别

中图分类号：TP753文献标识码：A

文章编号：1009-3044(2025)06-0060-04开放科学（资源服务）标识码（OSID）：

0引言意力模型来突出目标区域的显著度，更好地学习目标

[7]

区域的特征。徐宏伟等人在2024年提出一种轻量

据统计全世界每年产生大约40亿吨垃圾，中国每

化湖面漂浮物实时检测方法C-X-YOLOv7，该方法将

年产生的垃圾总量约为2.5亿吨，每年以8%～10%的

[1]角点注意力模块CA（Coordinateattention）引入到YO⁃

速度增长。城市生活垃圾累积堆存量已达70亿吨，

LOv7算法的骨干特征提取网络的最后一层，提高模

垃圾存放占地累积达75万余亩。当前我国垃圾处理

型准确性和泛化能力。

方式包括焚烧、填埋、堆肥等，如果垃圾在处理之前没

之前提出的基于深度学习技术的垃圾检测方法

有进行合理的分类则会造成环境污染、空气污染、土

均采取提出较早的目标检测算法如FasterRCNN、YO⁃

壤恶化等问题，因此垃圾分类与检测是一项必不可少

[8]

LOv3、YOLOv4、YOLOv5等，最近YOLOv8算法的提

的工作。现在随着智能化城市的建设进程加快，很多

出为实现高精度实时目标检测任务提供了新的解决

城市已开始建设智能化垃圾分类检测系统，利用人工

[2]