WCD-YOLO: Un modelo de detección de clasificación de residuos

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Ciencias Ambientales

Sus antecedentes:

• La clasificación inteligente de residuos es crucial para la sostenibilidad ambiental.
• Los modelos existentes a menudo tienen dificultades con la extracción de características y la precisión para diversos tipos de residuos.

Objetivo del estudio:

• Desarrollar un modelo avanzado de detección de clasificación de residuos (WCD-YOLO).
• Mejorar la extracción de características, la precisión y las capacidades de detección para el reconocimiento de residuos.

Principales métodos:

• Columna vertebral YOLOv10 optimizada con el módulo MCA para una mejor extracción de características.
• Introducción del módulo FNC2f para un enriquecimiento de características multiescala eficiente.
• Diseño de FNC2f-BiFPN para mejorar la detección de residuos con características limitadas.
• Utilización de la función de pérdida Inner-CIoU y escala de límites auxiliar controlada.

Principales resultados:

• WCD-YOLO logró un mAP50 del 95,8 % (aumento del 1,6 %) y un mAP50:95 del 74,0 % (aumento del 2,6 %).
• El modelo cuenta con pocos parámetros (7,2 MB) y GFLOPs (8,5 G).
• Demostró una precisión superior a otros modelos en un conjunto de datos autoconstruido.

Conclusiones:

• WCD-YOLO ofrece una solución de alta precisión y bajo consumo para la clasificación inteligente de residuos.
• El modelo proporciona una referencia valiosa para futuras investigaciones e ingeniería en la gestión de residuos.
• La arquitectura optimizada mejora significativamente la precisión del reconocimiento de residuos.