(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210800590.0 (22)申请日 2022.07.08 (71)申请人 姚淞瀚 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 姚淞瀚　杨其锟　 (74)专利代理 机构 北京盛询知识产权代理有限 公司 11901 专利代理师 相凡 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/32(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于YOLOv5的神经网络模型的垃圾检 测方法 (57)摘要 本发明提供了一种基于YOLOv5的神经网络 模型的垃圾检测方法， 包括： 基于YOLOv5神经网 络构建垃圾检测模型， 其中， 所述垃圾检测模型 包括Input模块、 Backbone网络模 块、 Neck网络模 块和Output模块； 采集垃圾 图像； 将所述垃圾 图 像输入所述Input模块进行预处理； 预处理后的 所述垃圾 图像通过所述Backbone网络模块进行 切片处理， 获取特征图； 基于 所述特征图， 通过所 述Neck网络模块进行采样融合， 获取待预测特征 图； 将所述待预测特征图输入所述Output模块进 行输出， 获取所述垃圾图像的检测信息。 本发明 能够精准识别出采集图片中的物体信息， 精简检 测步骤， 有效缩短检测时间。 权利要求书2页 说明书8页 附图9页 CN 115100527 A 2022.09.23 CN 115100527 A 1.一种基于 YOLOv5的神经网络模型的垃圾检测方法， 其特 征在于， 包括： 基于YOLOv5神经网络构建垃圾检测模型， 其中， 所述垃圾检测模型包括Input模块、 Backbone网络模块、 Neck网络模块和Output模块； 采集生活场景的垃圾图像； 将所述垃圾图像输入所述 Input模块进行 预处理； 预处理后的所述垃圾图像通过 所述Backbo ne网络模块进行切片处 理， 获取特征图； 基于所述特 征图， 通过 所述Neck网络模块进行采样融合， 获取待预测特 征图； 将所述待预测特 征图输入所述Output模块进行输出， 获取 所述垃圾图像的检测信息 。 2.根据权利 要求1所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 所 述预处理为： 对所述垃圾图像进行 数据增强处 理； 所述数据增强处理包括： 对所述垃圾图像通过随机缩放、 随机裁剪、 随机排布的方式进 行拼接。 3.根据权利 要求2所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 对 所述垃圾图像进行 所述数据增强处 理前还包括： 对所述垃圾图像进行黑 边填充。 4.根据权利 要求3所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 对 所述垃圾图像进行黑 边填充包括： 计算所述垃圾图像的缩放比例， 筛 选最小缩放系数； 基于所述 最小缩放系数对所述垃圾图像的长 宽进行处 理； 基于处理后的所述垃圾图像的长 宽差异， 获得 所述黑边填充的数值。 5.根据权利 要求1所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 所 述Backbone网络模块基于CSPDarknet53网络构建， 通过卷积核对预处理后的所述垃圾图像 进行切片。 6.根据权利 要求1所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 所 述Neck网络模块采用FPN+PAN的结构， FPN层的后面添加一个自底向上的特征金字塔， 所述 特征金字塔包括两个PAN结构。 7.根据权利 要求1所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 所 述垃圾图像的检测信息包括： 所述垃圾图像中检测的物体大小， 位置、 类别及其置信度。 8.根据权利 要求1所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 基 于YOLOv5神经网络构建所述垃圾检测模型包括： 获取生活垃圾图像的数据集， 对所述数据集进行标注， 将标注后的所述数据集划分为 训练集和验证集； 选取所述YOLOv5神经网络； 基于所述训练集对所述YOLOv5神经网络进行训练， 基于所述验证集对训练后的所述 YOLOv5神经网络进行验证， 验证完成后的所述YOLOv5神经网络即为所述垃圾检测图像。 9.根据权利 要求8所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 基 于所述训练集对所述YOLOv5神经网络进行训练包括： 使用Cuda加速、 调整学习 率及轮数的 训练方式。 10.根据权利要求9所述的基于YOLOv5的神经网络模型的垃圾检测方法， 其特征在于， 基于所述训练集对所述YOLOv5神经网络进行训练还包括： 采用GIOU_Loss做Bounding  box权　利　要　求　书 1/2 页 2 CN 115100527 A 2的损失函数。权　利　要　求　书 2/2 页 3 CN 115100527 A 3