基于改进yolov8的暴露垃圾检测及堆放监控的方法技术

本发明专利技术公开了一种基于改进yolov8的暴露垃圾检测及堆放监控的方法，步骤为：S1采集数据制作数据集：采集待检测及监控区域的图像数据，再对图像数据进行暴露垃圾图像标注，制作数据集；S2搭建网络并训练模型：搭建网络并训练目标检测模型，获得暴露垃圾检测模型；S3模型推理：将暴露垃圾检测模型接入实时视频流进行实时流推理，判断监控区域内是否存在暴露垃圾，根据检测结果进行处理；S4结果分析：对步骤S3中获得的推理结果进行逻辑分析，判断暴露垃圾堆放的堆放量以及记录暴露垃圾的堆放时长；S5二次告警。该方法实现了在开放场景下提高目标检测模型识别特定垃圾的准确率以及上报告警信息的准确率，同时降低模型的误检率。同时降低模型的误检率。同时降低模型的误检率。

【技术实现步骤摘要】
基于改进yolov8的暴露垃圾检测及堆放监控的方法


[0001]本专利技术涉及视觉定位
，具体涉及一种基于改进yolov8的暴露垃圾检测及堆放监控的方法。

技术介绍

[0002]随着AI智能技术的蓬勃发展，智慧城市成为我国战略发展的目标之一。智慧城市是中国新型城镇化发展、现代科学技术不断融入城市和行业、社会不断创新发展等背景下的必然产物，是有序推进新型城镇化，实现城镇科学健康持续发展的有效手段。其中影响智慧城市容貌发展的因素必然是对城市垃圾的管控方式，城市暴露垃圾主要分布在道路和小区内，其中道路垃圾主要分布在机动车道、非机动车道、人行道、绿化带等地段，小区垃圾则主要分布在垃圾桶周边或者垃圾厢房周边。大部分城市针对垃圾不按时堆放、垃圾留置过久、暴露垃圾乱堆放等现象，主要还是依靠纯人力资源识别垃圾的方式，该方式不仅效率低下，成本高昂，还受交通、天气等方面的影响，不能做到全天候的城市垃圾检测，且不能满足智慧城市治理的需求。因此，如果有方法能够及时识别暴露的垃圾乱堆放，并通知相关人员进行清理就十分有必要了。
[0003]目前常用的方法为对获取的原始图像进行区域检测得到原始图像中的目标区域，在对目标区域进行目标检测，获得垃圾的位置信息和种类信息，但是，暴露垃圾的种类繁多，且特征部分比较少，特征不明显，仅靠单一的目标检测算法很难稳定识别出暴露在路边的垃圾，容易造成漏报情况，而且垃圾检测区域场景复杂，各种物品堆叠在一起，容易产生垃圾误检。在样本数据不充分的情况下，模型检测不准确，在开放场景下，更容易产生误检，从而导致告警率上升。
[0004]中国专利文献（CN 112560755 A）公开了一种识别城市暴露垃圾的目标检测方法，该方法主要包括以下步骤：S1：采用手机拍摄城市中分布的暴露垃圾照片并整理作为源数据集S；S2：标注暴露垃圾的位置和类别S3：结合所述xml数据，转换源数据集S为COCO格式的数据集CS；S4：零
‑
均值规范化CS数据集，记作数据集ZCS；S5：在数据集ZCS上，选取部分数据集作为测试集tes_ZCS，余下部分数据集中选取部分数据作为验证集val_ZCS，剩余部分作为训练集tra_ZCS；S6：训练暴露垃圾识别模型，S7：采用暴露垃圾识别模型判断其是否有暴露垃圾。该技术方案采用目标检测方式检测识别暴露垃圾，使得城市暴露垃圾自动识别，及时处理，减少垃圾暴露在公众视野中，城市市容市貌得到有效提升，但很难稳定识别出暴露在路边的垃圾，容易造成漏报情况。
[0005]中国专利文献（CN 111458721 A）公开了一种暴露垃圾的识别定位方法，包括：通过相机获取目标图像，目标图像中包括暴露垃圾；根据目标检测算法对目标图像中的暴露垃圾进行识别；通过激光雷达获取空间位置信息；确定相机坐标系与激光雷达坐标系之间的位置关系；根据相机坐标系与激光雷达坐标系之间的位置关系以及目标图像中识别出的暴露垃圾计算激光雷达坐标系下的暴露垃圾的面积；对暴露垃圾的分布位置进行准确定位，并将准确定位后的暴露垃圾的位置映射到地图上。该技术方案公开了一种暴露垃圾的
识别定位装置及系统。能够有效获取到暴露垃圾的位置，可以解决大量人力成本问题；但是该技术方案中，目标检测算法单一，容易造成漏报情况。
[0006]中国专利文献（CN 106203498 A）公开了一种城市场景垃圾检测方法及系统，包括：选定视觉物体分类VOC数据集作为垃圾检测的基础数据集，获取城市影像标注出垃圾区域后与VOC数据集进 行融合扩充和丰富VOC数据集，然后基于深度学习技术搭建深度学习平台，在深度学习平台上选择预训练模型，在对预训练模型进行先验参数设置后通过深度学习平台和预训练模型来对新获取城市影像进行垃圾检测，自动给出检测结果。垃圾检测区域场景复杂，各种物品堆叠在一起，容易产生垃圾误检。
[0007]中国专利文献（CN 114782681 A）公开了一种基于深度学习的暴露垃圾及满溢垃圾检测方法，包括：步训练得到用于检测垃圾的第一目标检测模型，并将目标图像输入所述第一目标检测模型中，得到第一目标检测结果；当根据所述第一目标检测结果确定存在垃圾时，根据所述垃圾与垃圾桶的位置关系，确定所述垃圾是否为暴露垃圾；当确定所述垃圾不是暴露垃圾时，将所述目标子图像输入预先训练得到的第二目标检测模型中，并根据第二目标检测结果，确定所述垃圾是否为满溢垃圾；通过基于深度学习，训练得到用于检测垃圾的第一目标检测模型，和用于检测满溢垃圾的第二目标检测模型，提高对垃圾类型识别的准确性。该技术方法通过两个模型叠加的方式，提高对垃圾类型识别的准确率，但在实际应用场景中硬件加载两个模型需要消耗较多的资源，对硬件要求较高，且检测速度较慢，实时性较低。
[0008]中国专利文献（CN 114818868 A）公开了一种特征提取模型构建和垃圾检测方法及装置，特征提取模型构建方法包括：根据获取到的第一垃圾图像数据建立垃圾暴露目标检测数据集；利用所述垃圾暴露目标检测数据集对第一预设模型进行训练得到垃圾目标检测模型；利用所述垃圾目标检测模型对第二垃圾图像数据进行检测得到垃圾目标和非垃圾目标；对所述垃圾目标和非垃圾目标进行分类并对分类结果进行合并建立分类数据集；利用所述分类数据集训练预设分类模型得到特征提取模型，所述特征提取模型用于提取所述分类数据集中垃圾目标和非垃圾目标的特征向量。该技术方法首先受限于第一垃圾图像数据，如果第一垃圾图像数据的质量较差，那么垃圾目标检测模型的训练效果也可能不佳；其次，垃圾目标检测模型的准确性也可能受到当前图像数据的质量影响，如果第二垃圾图像数据的质量较差，那么检测结果也可能不准确。
[0009]中国专利文献（CN 113468976 A）公开了一种垃圾检测方法、垃圾检测系统以及计算机可读存储介质，上述垃圾检测方法包括：获取多个视频帧，并从每个视频帧中获得目标检测区域中待检测目标的跟踪结果；其中，跟踪结果包括待检测目标的类别；响应于待检测目标的类别为垃圾桶且其满溢置信度大于第一预设阈值，或者，响应于待检测目标的类别为暴露垃圾且其检测分类联合置信度大于第二预设阈值，将待检测目标作为告警目标，并累计所有告警目标对应视频帧的时间以获得第一累计时间；响应于第一累计时间大于第三预设阈值，将第一累计时间清空，并将所有告警目标上报进行告警显示。该技术方法对于动态背景情况，跟踪效果可能不佳，导致识别率低，从而影响告警，并增加误报的可能性。
[0010]中国专利文献（CN 106203498 A）公开了一种垃圾检测方法以及相关设备、装置，其中，垃圾检测方法包括：获取对待测场景拍摄得到的原始图像；对原始图像进行区域检测，得到原始图像中的目标区域，其中，目标区域与待测场景中垃圾区域对应；对目标区域
进行目标检测，得到原始图像中垃圾的位置信息和/或种类信息。但是该技术方案中，目标检测算法单一，容易造成漏报情况。
[0011]中国专利文献（CN 113989626 A）公开了一种基于目标检测模型的多类别垃圾场景区分方法，包括：获取目标环境场景的待检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进yolov8的暴露垃圾检测及堆放监控的方法，其特征在于，具体包括以下步骤：S1采集数据制作数据集：采集待检测及监控区域的图像数据，再对获得的图像数据进行暴露垃圾图像标注，制作数据集；S2搭建网络并训练模型：搭建网络并利用数据集训练目标检测模型，获得暴露垃圾检测模型；S3模型推理：将获得的暴露垃圾检测模型接入实时视频流进行实时流推理，判断监控区域内是否存在暴露垃圾，根据检测结果进行处理，获得推理结果；S4结果分析：对步骤S3中获得的推理结果进行逻辑分析，判断暴露垃圾堆放的堆放量以及记录暴露垃圾的堆放时长；S5二次告警：根据暴露垃圾的堆放量和堆放时长，响应相应的二次告警。2.根据权利要求1所述的基于改进yolov8的暴露垃圾检测及堆放监控的方法，其特征在于，在所述步骤S1中，待检测及监控的区域的图像数据包括通过网络爬虫技术爬取网络公开的数据集、通过外接摄像头获取待检测及监控区域内的垃圾桶或者垃圾回收站周围的垃圾图像数据以及通过人力到小区或者街道拍摄暴露垃圾的图像数据。3.根据权利要求2所述的基于改进yolov8的暴露垃圾检测及堆放监控的方法，其特征在于，所述步骤S1中还包括对采集的图像数据通过样本变换的数据增强方式对图像数据进行扩增，具体包括单样本数据增强、多样本数据增强和基于深度学习的数据增强。4.根据权利要求2所述的基于改进yolov8的暴露垃圾检测及堆放监控的方法，其特征在于，所述步骤S4的具体步骤为：S41：首先通过步骤S1接入监控视频流，获得若干帧流图像数据；S42：将一帧流图像数据输入步骤S2中训练得到暴露垃圾检测模型，进行暴露垃圾检测，判断检测及监控的区域内是否检测到目标即暴露垃圾；若检测到，则转到步骤S43；若未检测到，则返回继续读取下一帧流图像数据，直至检测完视频流中所有帧流图像数据；S43：计算暴露垃圾的数量以及垃圾总面积与检测及监控的区域的面积比值，若面积比值超过设定的阈值，则跳转至步骤S5，触发暴露垃圾堆放告警，否则触发暴露垃圾告警，并进行计时处理获得堆放时间，当堆放时间超过预设的时间阈值时，则启动二次提醒告警。5.根据权利要求4所述的基于改进yolov8的暴露垃圾检测及堆放监控的方法，其特征在于，所述步骤S5的具体步骤为：若在检测及监控的区域中检测到暴露垃圾且计算得到的面积比值小于设定的阈值时，则对该暴露垃圾进行计时处理，获得堆放时间，当堆放时间超过预设时间阈值时，则启动二次提醒告警。6.根据权利要求4所述的基于改进yolov8的暴露垃圾检测及堆放监控的方法，其特征在于，在所述步骤S2中选取yolo系列的单阶段目标检测模型yolov8作为目标检测模型，所述暴露垃圾检测模型的训练步骤为：S21数据准备：将步骤S1的制作的数据集切分为训练集、验证集和测试集，并确保标注的图像数据中包含目标的物体的类别和边界框坐标信息；S22模型配置：在所述单阶段目标检测模型yolov8的源码中修改模型配置文件，指定模型的参数；S23训练模型...

【专利技术属性】
技术研发人员：李鹏博，陈晓芳，孟维，
申请(专利权)人：南京华苏科技有限公司，
类型：发明
国别省市：