Точное обнаружение городских отходов в реальном времени с использованием улучшенной архитектуры YOLOv9-EfficientViT

Накопление небиоразлагаемых твердых отходов в густонаселенных городских районах представляет собой серьезную экологическую проблему. Хотя компьютерное зрение предлагает перспективное решение, современные подходы часто ограничены зависимостью от ограниченных синтетических данных и неспособностью охватить всю сложность реальных условий. Для решения этих ограничений в данной статье представлена система обнаружения объектов в реальном времени для городских неразлагаемых отходов, построенная на оптимизированной архитектуре YOLOv9. В основе работы лежит специально созданный гетерогенный набор данных, состоящий из 6340 аннотированных изображений, который охватывает восемь категорий отходов, включая пластиковые бутылки, банки и блистерные упаковки, в различных городских ландшафтах. Основное архитектурное улучшение заключается в замене исходного бэкбона на новый EfficientViT, который сочетает в себе преимущества многомасштабного извлечения признаков сверточных нейронных сетей с глобальным контекстным пониманием визуальных трансформеров. Такая гибридная архитектура особенно эффективна для обнаружения объектов отходов различных размеров в загроможденных городских средах. Дополнительные улучшения включают использование функции активации SiLU, масштабируемой функции потерь SIoU для точной регрессии ограничивающих рамок и фокальной функции потерь для противодействия дисбалансу классов. Модель, обученная с расширенной аугментацией данных, достигает mAP@0.5 95,1% и F1-меры 0,95 на отложенном тестовом наборе, превосходя все существующие детекторы отходов на основе YOLO. Все восемь классов достигают F1-меры выше 0,93, что свидетельствует о стабильной устойчивости системы даже в загроможденных средах. При работе со скоростью 38 кадров в секунду разработанная система подтверждает свою пригодность для практических применений в реальном времени. Используя передовые возможности YOLOv9 с современным бэкбоном EfficientViT и реалистичным набором данных, предлагаемая сеть устанавливает новый эталон точности и скорости в обнаружении отходов, демонстрируя большой потенциал для интеграции в автоматизированные системы сортировки и переработки.