[发明专利]一种垃圾桶满溢轻量化检测方法、设备及存储设备

权利要求书

1.一种垃圾桶满溢轻量化检测方法，其特征在于：包括以下步骤：

步骤S101，构建垃圾桶和垃圾样本数据集；

步骤S102，标注样本数据集并按比例分为训练集、验证集和测试集；

步骤S103，构建垃圾桶满溢检测模型，将垃圾桶满溢检测模型轻量化，并结合E-ELAN模块增强网络学习能力，得到轻量化改进垃圾桶满溢检测模型；

步骤S103中，所述轻量化改进垃圾桶满溢检测模型包括：输入模块、Backbone模块、Neck模块和Head模块；其中输入模块对输入图像进行预处理；Backbone模块用于提取图像深层特征；Neck模块用于提高特征提取能力；Head模块用于评价轻量化改进垃圾桶满溢检测模型；

步骤S104，利用所述训练集、验证集和测试集，对所述轻量化改进垃圾桶满溢检测模型进行训练、验证和检测；

步骤S105，基于预测的结果输出训练完成的垃圾桶满溢检测模型，并将该模型部署至智能机器人；

步骤S106，将智能机器人巡查待检测区域，并利用训练完成的垃圾桶满溢检测模型实时检测；

步骤S107，若检测到垃圾桶，根据制定的垃圾满溢规则判断当前垃圾桶是否存在垃圾溢出，若是，则将垃圾溢出结果实时上报；否则，不予处置。

2.如权利要求1所述的一种垃圾桶满溢轻量化检测方法，其特征在于：步骤S103中所述垃圾桶满溢检测模型，采用改进YOLOv5模型。

3.如权利要求2所述的一种垃圾桶满溢轻量化检测方法，其特征在于：步骤S103中将垃圾桶满溢检测模型轻量化，具体指，将分组卷积和E-ELAN模块融合至YOLOv5模型，使其轻量化。

4.如权利要求1所述的一种垃圾桶满溢轻量化检测方法，其特征在于：所述Backbone模块的构建过程如下：利用分组卷积IGCV3和E-ELAN模块替换掉传统Backbone模块中的部分C3模块和Conv模块，得到所述Backbone模块。

5.如权利要求4所述的一种垃圾桶满溢轻量化检测方法，其特征在于：所述Backbone模块的结构包括：第一层：Conv模块；第二层：Conv模块；第三层：重复3个C3模块；第四层：Conv模块；第五层：重复6个C3模块；第六层：IGCV3模块；第七层：Conv模块；第八层：Conv模块；第九层：Conv模块；第十层：Conv模块；第十一层：Conv模块；第十二层：Conv模块；第十三层：将前述的第七、八、十和十二层的输出连接；第十四层：Conv模块；第十五层：IGCV3模块；第十六层：SPPF模块。

6.如权利要求1所述的一种垃圾桶满溢轻量化检测方法，其特征在于：所述Neck模块的构建过程如下：将分组卷积IGCV3模块替换掉传统Neck模块中的部分C3模块，构成所述Neck模块。

7.如权利要求6所述的一种垃圾桶满溢轻量化检测方法，其特征在于：所述Neck模块的结构包括：第一层：Conv模块；第二层：2倍上采样；第三层：将第二层与所述Backbone模块的网络结构的第十四层的输出连接；第四层：IGCV3模块；第五层：Conv模块；第六层：2倍上采样；第七层：将第六层与所述Backbone模块的网络结构的第五层的输出连接；第八层：IGCV3模块；第九层：Conv模块；第十层：将第九层和第五层的输出连接；第十一层：IGCV3模块；第十二层：Cnov模块；第十三层：将第十二层和第一层的输出连接；第十四层：IGCV3模块；第十五层：Detect模块。

8.如权利要求1所述的一种垃圾桶满溢轻量化检测方法，其特征在于：步骤S107中，所述垃圾满溢规则具体为：在限定的垃圾桶周围区域内检测到垃圾，即判断为垃圾溢出，其中垃圾桶高度为h，宽度为w，限定区域为垃圾桶上方和下方的1/2h和垃圾桶左方和右方的w范围内，其中h、w均为预设值。

9.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～6所述的任意一种垃圾桶满溢轻量化检测方法。

10.一种垃圾桶满溢轻量化检测设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现权利要求1～6所述的任意一种垃圾桶满溢轻量化检测方法。