基于YOLOv11的生活垃圾检测系统：从数据构建到移动端部署全流程解析

1次阅读

没有评论

共计 3536 个字符，预计需要花费 9 分钟才能阅读完成。

生活垃圾检测与分类是计算机视觉在环保领域的重要应用。与常规目标检测任务相比，垃圾分类场景存在以下独特挑战：

目标尺寸差异大：从易拉罐到大型纸箱，物体尺寸跨度可能超过 10 倍
高密度遮挡：垃圾桶内物体常相互堆叠，遮挡率普遍超过 30%
材质多样性：金属反光、透明塑料、液体残留等导致成像质量不稳定
非刚性变形：塑料袋、纸盒等物品形状不固定
背景干扰：垃圾投放点环境复杂，存在大量相似颜色纹理干扰

我们的实验数据显示，在未优化的情况下，标准 YOLOv8 模型在自制测试集上的 mAP50 仅为 68.2%，其中厨余垃圾类别的漏检率高达 42%。

我们采用分层采样策略构建四分类数据集：

可回收物：收集塑料瓶（不同颜色 / 透明度）、易拉罐（有无压扁状态）、纸箱（展开 / 折叠）等
厨余垃圾：包含带包装 / 无包装的食品残渣、果皮（香蕉 / 橙子等易混淆类别）
有害垃圾：电池（不同型号）、药品包装、灯泡等小尺寸物体
其他垃圾：混杂的卫生用品、污染纸张等

数据收集时特别注意：

每种垃圾至少采集 5 种典型摆放姿态
包含 20% 以上的遮挡场景样本
覆盖清晨 / 正午 / 夜晚不同光照条件

最终构建的数据集包含 12,458 张标注图像，类别分布如下：

类别	样本数	标注框数量
可回收物	4,812	7,542
厨余垃圾	3,957	5,821
有害垃圾	1,236	1,895
其他垃圾	2,453	3,764

为解决垃圾检测的特殊问题，我们设计组合增强策略：

transform = A.Compose([A.RandomErasing(p=0.5, scale=(0.02, 0.2), ratio=(0.3, 3.3)),  # 模拟遮挡
    A.RandomBrightnessContrast(p=0.8, brightness_limit=0.3, contrast_limit=0.3),
    A.GlassBlur(p=0.2, sigma=0.7, max_delta=2),  # 模拟脏污表面
    A.MotionBlur(p=0.3, blur_limit=7),
    A.Rotate(limit=15, p=0.5, border_mode=cv2.BORDER_REPLICATE),
    A.Perspective(p=0.3, scale=(0.05, 0.1)),
], bbox_params=A.BboxParams(format='yolo'))

关键增强手段说明：

RandomErasing：在 20% 的图像区域随机生成遮挡块，模拟垃圾堆叠
GlassBlur：制造类似沾有油污的模糊效果
Perspective：模拟非垂直拍摄导致的形变

实验表明，这套增强方案将模型在遮挡样本上的召回率提升了 17.3%。

相比 YOLOv8，v11 版本主要有以下优化：

E-ELAN 模块：增强的特征提取结构，在 Backbone 中引入分组卷积和通道 shuffle
SiLU-GAM 注意力：在 Neck 部分加入轻量级注意力机制，提升对小目标的敏感度
动态标签分配：根据训练进度动态调整正负样本比例

这些改进使我们的垃圾检测任务获得以下收益：

小目标（<32×32 像素）检测 AP 提升 9.2%
模型参数量减少 15%（从 YOLOv8 的 3.4M 降至 2.9M）
训练收敛速度加快，达到相同 mAP 所需 epoch 减少 20%

我们的超参数设置如下：

# hyp.yaml 片段
lr0: 0.01  # 初始学习率
lrf: 0.2   # 最终学习率 =lr0*lrf
momentum: 0.937
weight_decay: 0.0005
warmup_epochs: 3
warmup_momentum: 0.8
fl_gamma: 1.5  # Focal Loss 参数
box: 0.05      # box 损失权重
cls: 0.5       # 分类损失权重
dfl: 1.5       # Distribution Focal Loss 权重

特别调整：

增大 dfl 权重以提升边界框精度
使用 Focal Loss 缓解类别不平衡（有害垃圾样本较少）
采用 余弦退火 学习率策略，最小学习率为最大值的 20%

训练命令示例：

python train.py --img 640 --batch 32 --epochs 150 --data trash.yaml 
                --cfg models/yolov11s.yaml --weights '' --device 0
                --hyp hyp.custom.yaml --optimizer AdamW

导出时需特别注意处理 YOLOv11 的动态输出：

torch.onnx.export(
    model,
    dummy_input,
    "yolov11s_trash.onnx",
    input_names=["images"],
    output_names=["output0"],
    dynamic_axes={"images": {0: "batch"},
        "output0": {0: "batch"}
    },
    opset_version=12,
    do_constant_folding=True
)

关键参数说明：

dynamic_axes：保留 batch 维度动态性以支持可变输入
opset_version=12：确保支持 E -ELAN 中的特殊算子
导出后使用 ONNX Runtime 验证输出一致性：

ort_session = ort.InferenceSession("yolov11s_trash.onnx")
outputs = ort_session.run(None, {"images": np.random.rand(1,3,640,640).astype(np.float32)})

在移动端部署时，我们使用 TensorRT 8.5 进行优化：

FP16 量化：

trtexec --onnx=yolov11s_trash.onnx --saveEngine=yolov11s_trash_fp16.engine 
        --fp16 --workspace=2048

内存优化技巧：
使用 --poolLimit 参数限制内存占用
启用 --useCudaGraph 减少内核启动开销
对于 Android 设备，添加 --minShapes 和--optShapes指定常用输入尺寸

实测显示，在骁龙 865 平台上：

优化方式	推理耗时(ms)	内存占用(MB)
ONNX CPU	142	380
TensorRT FP32	38	210
TensorRT FP16	22	180

我们故意在测试集中引入不同比例的标注错误进行实验：

错误类型	错误比例	mAP50 下降
类别标签错误	5%	3.2%
漏标（小目标）	10%	8.7%
边界框偏移(>10px)	15%	12.1%

建议：至少安排两人交叉校验标注，对可疑样本采用多数表决。

针对系统常见误检，我们开发后处理过滤器：

def filter_predictions(detections, conf_thresh=0.5):
    valid_dets = []
    for det in detections:
        # 规则 1：排除过小检测框（<20 像素）if min(det["width"], det["height"]) < 20:
            continue

        # 规则 2：抑制重复检测（IOU>0.7）if any(iou(det["bbox"], existing["bbox"]) > 0.7 
               for existing in valid_dets):
            continue

        valid_dets.append(det)
    return valid_dets

在自建测试集（2,489 张图像）上的表现：