基于改進FoveaBox的廢雜塑料檢測

文生平,陳敬福,馮澤鋒,朱珂郁

(1.華南理工大學 廣東省高分子先進制造技術及裝備重點實驗室，廣州 510640;2.華南理工大學 聚合物成型加工工程教育部重點實驗室，廣州 510640;3.福建師范大學 環境科學與工程學院，福州 350007)

0 引言

塑料制品在生產與生活的各個領域都有廣泛的應用。隨著經濟的發展和人們需求的多樣化，塑料制品的種類與產量飛速上升，同時也給廢雜塑料的回收帶來巨大的挑戰。廢雜塑料回收利用的第一步是從眾多可回收垃圾中按照形狀、顏色、用途等對整件廢雜塑料制品進行分類，以方便后續壓扁運輸以及破碎精分等回收操作[1]。當前我國對廢雜塑料進行整件分選的產業線仍處于人工作業的低效率模式，惡劣的工作環境、高昂的人工費用、低效的分選速度以及不穩的分選精度嚴重制約著產業的發展，廢雜塑料分揀行業無疑亟需從人工到自動化的轉型[2]。然而，廢雜塑料因分選對象繁多、外形尺寸差異大、存在彼此遮擋、污染破損等因素影響，基于傳統機器視覺的自動分選方法難以有效應對如此復雜的場景。

人工智能的發展為機器視覺領域帶來新思路，已有不少研究人員將深度學習應用于各種消費與工業場景。肖體剛等人以Yolov3模型為基礎，融合深度可分離卷積結構和多尺度特征檢測，實現對安全帽的智能監控檢測[3]；李震霄等人提出Yolov3-Mobilenetv2算法，解決多車輛跟蹤場景中的實時性和身份跳變問題[4]；董旭彬利用SD-RPN改進Mask R-CNN算法，且融合可見光圖像與紅外圖像以解決航空影像目標檢測中的性能缺陷問題[5]；……