[发明专利]基于改进yolov8的暴露垃圾检测及堆放监控的方法

权利要求书

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：使用训练集和模型配置文件训练模型，在训练过程中调整学习率、优化器和损失函数的参数设置，使得训练输出最优的暴露垃圾检测模型。

7.根据权利要求6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中通过暴露垃圾检测模型在采用目标检测任务中，通过将损失函数Loss WIoUv3添加至目标检测模型yolov8的网络中，并对损失函数Loss CIoU、损失函数Loss SIoU和损失函数Loss WIoUv3进行了消融实验，对比损失函数Loss CIoU、损失函数Loss SIoU和损失函数Loss WIoUv3对输出检测暴露垃圾模型准确性的影响。