[发明专利]基于轻量化YOLOv5的生活垃圾分类方法及APP

权利要求书

1.一种基于轻量化YOLOv5的生活垃圾分类方法，其特征在于，包括以下步骤：

S1、对生活垃圾数据集进行预处理，并将其划分为训练集、验证集和测试集；

S2、将原始的YOLOv5n目标检测模型的Backbone替换为ShuffleNetv2的Backbone，得到初步轻量化的YOLOv5n模型；

S3、使用COCO数据集对步骤S2得到的YOLOv5n模型进行训练得到训练权重best1.pt；

S4、使用步骤S1选取的训练集和验证集对原始的YOLOv5s进行训练得到训练权重best2.pt，然后将best2.pt作为教师模型并使用步骤S3得到的best1.pt作为预训练权重对步骤S2得到的YOLOv5n模型进行知识蒸馏后得到训练权重best3.pt；

S5、对步骤S2得到的YOLOv5n模型引入GhostNet中的Ghost模块，进一步得到轻量化的YOLOv5n模型并使用步骤S1选取的训练集和验证集对该YOLOv5n模型进行训练得到训练权重best4.pt，预训练权重为步骤S4得到的best3.pt；

S6、对步骤S5得到的YOLOv5n模型引入SENet中的SELayer注意力模块得到最终轻量化的YOLOv5n模型，并使用步骤S1得到的训练集和验证集对该YOLOv5n模型进行训练得到训练权重best.pt，预训练权重为步骤S5得到的best4.pt；

S7、将步骤S6的训练权重best.pt作为预训练权重，并以步骤S1选取的测试集作为步骤S6得到的最终轻量化的YOLOv5n模型的输入图像进行检测，最终检测完毕得到的图像中标明垃圾分类。

2.根据权利要求1所述的基于轻量化YOLOv5的生活垃圾分类方法，其特征在于，所述步骤S1中包括：

S101、使用LabelImg标注软件对生活垃圾数据集进行标签检测框调整；

S102、将步骤S101调整好的数据集中的xml标签文件转换为YOLOv5可以使用的包含类别、中心点坐标、检测框高和宽的txt标签文件，其中txt标签文件中类别的编号需要连续，此外需手动修正少量txt标签文件中的数据以满足YOLOv5对数据集的要求；

S103、将步骤S102得到的txt标签文件和对应的图片划分为训练集、验证集和测试集。

3.根据权利要求2所述的基于轻量化YOLOv5的生活垃圾分类方法，其特征在于，所述步骤S2中包括：

S201、将原始YOLOv5n的Backbone第一层替换为conv_bn_relu_maxpool，将其下采样4倍；

S202、将原始YOLOv5n的Backbone除第一层外替换为ShuffleNetv2-1x的stage部分，得到初步轻量化的YOLOv5n模型。

4.根据权利要求3所述的基于轻量化YOLOv5的生活垃圾分类方法，其特征在于，所述步骤S3中包括：

使用COCO数据集对步骤S2得到的YOLOv5n模型进行训练得到训练权重best1.pt，默认epoch为300，使用的梯度更新算法为Adam优化器，batch-size为128，超参数中的学习率lr0设置为0.001。