基于YOLOv11n的生活垃圾識(shí)別輕量化改進(jìn)算法

引言

隨著智慧城市建設(shè)的加速推進(jìn)，垃圾分類處理已成為城市環(huán)境治理的重要環(huán)節(jié)，智能化技術(shù)成為解決效率瓶頸的關(guān)鍵路徑。但在實(shí)際應(yīng)用場(chǎng)景中，智能分揀設(shè)備常需要部署于算力受限的邊緣終端，其對(duì)算法模型的計(jì)算效率與資源占用提出了嚴(yán)苛的要求[1]。與此同時(shí)，生活垃圾因形態(tài)多變、堆疊遮擋及光照條件復(fù)雜等特點(diǎn)，使得主流檢測(cè)模型在真實(shí)場(chǎng)景中面臨精度下降與誤檢率攀升的挑戰(zhàn)。開發(fā)兼顧精度與效率的輕量化識(shí)別算法，已成為推動(dòng)智慧環(huán)保落地的核心技術(shù)需求[2]。

現(xiàn)有輕量化目標(biāo)檢測(cè)模型多通過簡(jiǎn)化網(wǎng)絡(luò)深度或通道數(shù)降低計(jì)算負(fù)擔(dān)，但這類策略會(huì)削弱模型的特征提取能力[3]。以最新的YOLOv11系列為例，輕量化版本YOLOv11n通過縮減骨干網(wǎng)絡(luò)規(guī)模實(shí)現(xiàn)參數(shù)壓縮，在保持較高檢測(cè)速度的同時(shí)，通過改進(jìn)特征金字塔結(jié)構(gòu)和損失函數(shù)，在通用目標(biāo)檢測(cè)任務(wù)中展現(xiàn)出色性能。然而，垃圾識(shí)別任務(wù)中普遍存在的類內(nèi)差異大、形態(tài)不規(guī)則等特性，導(dǎo)致識(shí)別精度顯著降低。

為了解決這一問題，本文提出一種改進(jìn)的YOLOv11n垃圾識(shí)別算法。首先，采用EfficientNetv2網(wǎng)絡(luò)5重構(gòu)YOLOv11n的骨干特征提取層，在降低參數(shù)量的同時(shí)，增強(qiáng)對(duì)垃圾目標(biāo)多尺度特征的提取能力；其次，引入可變形注意力機(jī)制（deformable attention transformer，DAT）解決堆疊遮擋導(dǎo)致的特征混淆問題；最后，設(shè)計(jì)基于Slim-Neck的優(yōu)化頸部結(jié)構(gòu)，采用GSConv（ghostshuffleconvolution）模塊替代傳統(tǒng)卷積層，在保持多尺度特征融合效果的前提下顯著壓縮計(jì)算量。在這三種改進(jìn)策略優(yōu)化下，該算法在提升垃圾目標(biāo)的識(shí)別精度的同時(shí)，顯著降低了參數(shù)量，為邊緣計(jì)算設(shè)備部署提供了更好的解決方案。

1.YOLOv11n網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv11n是Y0L0v11系列的輕量化版本，其網(wǎng)絡(luò)結(jié)構(gòu)由主干網(wǎng)絡(luò)（Backbone）、頸部網(wǎng)絡(luò)（Neck）和檢測(cè)頭（Head）三部分構(gòu)成（如圖1所示）。

Backbone負(fù)責(zé)多尺度特征提取，由基礎(chǔ)卷積模塊（Conv）、跨階段特征增強(qiáng)模塊（C3k2）、快速空間金字塔池化模塊（SPPF）、跨階段部分金字塔切片注意力機(jī)制（C2PSA）組成。Neck部分通過上采樣（Upsample）、拼接（Concat）和C3k2模塊實(shí)現(xiàn)多尺度特征融合。

Head基于解耦式預(yù)測(cè)機(jī)制，采用Detect模塊完成目標(biāo)分類與邊界框回歸任務(wù)。

2.YOLOv11n的改進(jìn)策略及成果

2.1YOLOv11n的改進(jìn)策略

2.1.1輕量化網(wǎng)絡(luò)EfficientNetv2

EfficientNetV2作為一種新型卷積神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練感知的神經(jīng)架構(gòu)搜索與模型縮放策略，顯著提升了訓(xùn)練速度與參數(shù)效率。在結(jié)構(gòu)設(shè)計(jì)上，EfficientNetV2采用融合MBConv（Fused-

MBConv）與標(biāo)準(zhǔn)MBConv的混合架構(gòu)，MBConv 模塊包含深度可分離卷積[8]（depthwise Conv）與SE（squeeze andexcitation）通道注意力機(jī)制。Fused-MBConv則將 1×1 卷積和深度可分離卷積替換為標(biāo)準(zhǔn) 3×3 卷積，通過減少內(nèi)存訪問開銷提升計(jì)算效率。

2.1.2可變形注意力機(jī)制（DAT）

傳統(tǒng)深度網(wǎng)絡(luò)在視覺任務(wù)中通過全局自注意力機(jī)制建模長(zhǎng)程依賴關(guān)系，但其計(jì)算復(fù)雜度隨圖像分辨率呈平方級(jí)增長(zhǎng)，難以適配高分辨率垃圾圖像的高效處理需求。此外，固定感受野機(jī)制難以應(yīng)對(duì)垃圾目標(biāo)的形態(tài)不規(guī)則性與堆疊遮擋問題。為此，本文引入可變形注意力機(jī)制（DAT），通過動(dòng)態(tài)稀疏注意力建模與自適應(yīng)特征采樣策略，與傳統(tǒng)自注意力機(jī)制相比，DAT通過局部特征采樣將計(jì)算復(fù)雜度從0 （N×N） 降低至O（N×K） 。

2.1.3優(yōu)化頸部結(jié) 構(gòu)Slim-Neck

傳統(tǒng)頸部網(wǎng)絡(luò)中密集的標(biāo)準(zhǔn)卷積，其計(jì)算復(fù)雜度隨通道數(shù)呈平方增長(zhǎng)，難以滿足輕量化需求；而深度可分離卷積雖通過通道解耦降低計(jì)算量，卻因完全割裂通道交互導(dǎo)致多尺度特征融合性能下降。為此，本文使用GSConv的Slim-Neck結(jié)構(gòu)，通過混合密集-稀疏卷積與通道混洗機(jī)制，在計(jì)算效率與特征表達(dá)能力間實(shí)現(xiàn)最優(yōu)平衡。GSConv由密集卷積、稀疏卷積、通道混洗三階段構(gòu)成。通過隨機(jī)排列操作，促進(jìn)跨組信息交互[1]。

2.2YOLOv11n的改進(jìn)成果

綜合上述改進(jìn)策略，基于YOLOv11n的輕量化垃圾識(shí)別網(wǎng)絡(luò)如圖2所示。在主干網(wǎng)絡(luò)中用Fused-MBConv和MBConv替換原本的Conv，且在頸部網(wǎng)絡(luò)中引入GSConv替代原本的Conv，將原本注意力機(jī)制中的C2PSA替換為DAT提升識(shí)別精度。

3.1實(shí)驗(yàn)案例和數(shù)據(jù)集

3.實(shí)驗(yàn)結(jié)果和分析

本實(shí)驗(yàn)案例依托中國(guó)大學(xué)生工程實(shí)踐與創(chuàng)新能力大賽——生活垃圾智能分類比賽[開展，該賽事聚焦人工智能技術(shù)在環(huán)保領(lǐng)域的落地應(yīng)用，要求參賽隊(duì)伍針對(duì)不同種類的垃圾開發(fā)高精度、低延時(shí)的垃圾智能分類算法。實(shí)驗(yàn)數(shù)據(jù)集為自建數(shù)據(jù)集，數(shù)據(jù)集中的照片都拍攝于固定場(chǎng)景的不同角度物品，像素均為 640×640 。垃圾被分為四大類：有害垃圾、廚余垃圾、一般垃圾和建筑垃圾，其中又根據(jù)具體垃圾種類分成13個(gè)小類。

3.2結(jié)果分析

訓(xùn)練結(jié)束后的部分識(shí)別結(jié)果如圖3所示，從圖中可以看出網(wǎng)絡(luò)第一行第一列的塑料瓶和第四行第一列的金屬瓶被正確識(shí)別，這里體現(xiàn)了目標(biāo)被遮擋以及外觀類似的場(chǎng)景下的識(shí)別精度。此外，無論目標(biāo)物體大小都可以被正確識(shí)別，如第三行第四列的瓷片即使在過曝情況下依舊能夠被準(zhǔn)確識(shí)別。

為驗(yàn)證各改進(jìn)策略的有效性，本研究設(shè)計(jì)漸進(jìn)式消融實(shí)驗(yàn)，將綜合IoU閾值在 0.5～0.95 的mAP和參數(shù)量作為模型性能的評(píng)估標(biāo)準(zhǔn)。

改進(jìn)算法1：在原始YOLOv11n

P-流水-輕量化垃圾識(shí)別改進(jìn)算法研究

基礎(chǔ)上，將其骨干網(wǎng)絡(luò)替換為EfficientNetv2中的MBConv模塊，保留原頸部與檢測(cè)頭結(jié)構(gòu)。

改進(jìn)算法2：在改進(jìn)算法1的基礎(chǔ)上，引入Slim-Neck模塊的GSConv改進(jìn)頸部網(wǎng)絡(luò)。

本算法在改進(jìn)算法2的基礎(chǔ)上，引入注意力機(jī)制DAT。

根據(jù)表1的實(shí)驗(yàn)數(shù)據(jù)顯示，改進(jìn)算法1在將骨干網(wǎng)絡(luò)重構(gòu)為EfficientNetv2后，參數(shù)量從原模型的 2.58×10⁶ 顯著降低至 2.09×10⁶ ，同時(shí)mAP從 90.9% 提升至 93.6% 。這表明EfficientNetv2的漸進(jìn)式縮放策略與MBConv模塊在減少計(jì)算冗余的同時(shí)，通過多尺度特征融合增強(qiáng)了垃圾目標(biāo)的表征能力。改進(jìn)算法2引入Slim-Neck結(jié)構(gòu)替代原頸部網(wǎng)絡(luò)，參數(shù)量由 2.09×10⁶ 顯著降低至 1.99×10⁶ ，mAP微增至 93.9% ，驗(yàn)證了GSConv模塊在特征交互效率與輕量化間的平衡優(yōu)勢(shì)。最終，本算法通過嵌人可變形注意力機(jī)制（DAT），在參數(shù)量?jī)H小幅回升的情況下，mAP顯著提升至 94.2% 。實(shí)驗(yàn)結(jié)果證明，本算法的改進(jìn)帶來的性能增益遠(yuǎn)超參數(shù)量的邊際成本增長(zhǎng)，最終實(shí)現(xiàn)模型規(guī)模與檢測(cè)精度的協(xié)同優(yōu)化。

為驗(yàn)證本算法在垃圾識(shí)別任務(wù)中的有效性，選取YOLO系列最具代表性的輕量化基準(zhǔn)模型（ YoLOv5n 、YOLOv8n、YOLOv10n、 YoLov11n ）進(jìn)行橫向?qū)Ρ龋⒕C合IoU閾值在 0.5～0.95 的mAP和參數(shù)量作為模型性能的評(píng)估標(biāo)準(zhǔn)，比較結(jié)果如表2所示。

根據(jù)表2的數(shù)據(jù)可知，本算法在參數(shù)量與檢測(cè)精度上均展現(xiàn)出顯著優(yōu)勢(shì)。相較于原算法，本算法的mAP提升3.3個(gè)百分點(diǎn)，參數(shù)量降低 22.1% ；與 Y0L0v10n 相比，mAP優(yōu)勢(shì)達(dá)7.6個(gè)百分點(diǎn)，參數(shù)量減少 25.8% ；面對(duì)模型 Y0L0v8n ，本算法在參數(shù)量壓縮 25.3% 的情況下，仍實(shí)現(xiàn)2.8個(gè)百分點(diǎn)的 mAP 提升；相較于YoLOv5n ，本算法以 8.2% 的參數(shù)量降幅取得5.6個(gè)百分點(diǎn)的精度優(yōu)勢(shì)。實(shí)驗(yàn)結(jié)果表明，本算法突破了輕量化模型中精度與效率的權(quán)衡壁壘，達(dá)到了輕量化和精準(zhǔn)度的統(tǒng)一。

結(jié)語

本文針對(duì)智慧城市中生活垃圾識(shí)別任務(wù)的特殊需求，提出一種基于YOLOv11n的輕量化改進(jìn)算法。通過輕量化網(wǎng)絡(luò)EfficientNetv2、可變形注意力機(jī)制（DAT）、優(yōu)化頸部結(jié)構(gòu)Slim-Neck的三階段改進(jìn)策略，有效解決了傳統(tǒng)模型在復(fù)雜場(chǎng)景下精度與效率難以平衡的問題。實(shí)驗(yàn)證明，改進(jìn)算法在參數(shù)量降低的情況下，mAP達(dá)到 94.2% ，較原模型提升3.3個(gè)百分點(diǎn)，且在邊緣設(shè)備上實(shí)現(xiàn)實(shí)時(shí)檢測(cè)性能。算法通過DAT機(jī)制對(duì)堆疊目標(biāo)的動(dòng)態(tài)感知能力，以及Slim-Neck結(jié)構(gòu)的多尺度特征融合效率，為城市垃圾智能分揀系統(tǒng)提供了高精度、低功耗的解決方案。未來工作將聚焦于模型量化壓縮與多模態(tài)數(shù)據(jù)融合，進(jìn)一步提升算法在極端光照、雨霧天氣等惡劣環(huán)境下的魯棒性。

參考文獻(xiàn)：

[1]譚瑞鴻，劉宇杰，劉杭，等.基于樹莓派的智能化垃圾分類系統(tǒng)[].物聯(lián)網(wǎng)技術(shù)，2025，15（6）：113-115.

[2]溫洋，董靖川，趙鵬飛，等.多感知融合的智能垃圾識(shí)別分揀實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)[].實(shí)驗(yàn)室研究與探索，2025，44（2）：52-56.

[3]龍子晗，肖小玲.改進(jìn)YOLOv8s的輕量化人臉識(shí)別算法[].信息技術(shù)與信息化，2024（12）：201-204.

[4]王寧，智敏.深度學(xué)習(xí)下的單階段通用目標(biāo)檢測(cè)算法研究綜述[].計(jì)算機(jī)科學(xué)與探索，2025，19（5）：1115-1140.

[5]呂一鳴，王激揚(yáng).基于改進(jìn)Efficientnetv2模型的鐵礦石圖像分類方法[J].計(jì)算機(jī)科學(xué)，2024，51（S1）：561-566.

[6]曾旺丁.基于Deformable Attention和自監(jiān)督學(xué)習(xí)的微表情檢測(cè)[D].北京：北京郵電大學(xué)，2024.

[7]周洋，胡國(guó)強(qiáng)，汪行健，等.融合 GSConv輕量化YOLOv5s的電力作業(yè)穿 戴設(shè)備檢測(cè)算法[J].軟件導(dǎo)刊，2024，23（11）： 172-180.

[8]曹渝昆，桂麗嬡.基于深度可分離卷積的輕量級(jí)時(shí)間卷積網(wǎng)絡(luò)設(shè)計(jì)[J].計(jì)算機(jī)工程，2020，46（9）：95-100

[9]張少華，馮炎，余仁杰，等.基于SE注意力機(jī)制和深度卷積的語音情感識(shí)別[J]現(xiàn)代電子技術(shù)，2024，47（22）：64-70.

[10]夏長(zhǎng)權(quán)，汪李超，韓一帆，等.融合Shufflenet-V2的Yolov5輕量化目標(biāo)檢測(cè)方法[].信息技術(shù)與信息化，2023（3）：100-104.

[11]于兆勤.智能+賽道命題及評(píng) 分解讀[EB/OL].（2023-6-30）[2025- 05-10].http：//www.gcxl.edu.cn/new/ res/20230630/Intelligence.pdf.

作者簡(jiǎn)介：姜玉斌，碩士研究生，助教，研究方向：人工智能與深度強(qiáng)化學(xué)習(xí)；通信作者：胡智慧，碩士研究生，助理實(shí)驗(yàn)師，824789141 @ qq.com，研究方向：強(qiáng)化學(xué)習(xí)與智慧校園。