一种基于改进YOLOv8的轻量化垃圾分拣机器人目标检测方法

本发明提出了一种基于改进YOLOv8的轻量化垃圾分拣机器人目标检测方法，旨在提升检测速度和准确度，同时降低计算资源消耗。该方法首先利用深度相机采集多角度垃圾图像，并通过生成对抗网络(GAN)扩充数据集，增强模型的泛化能力。接着，采用改进的YOLOv8轻量化目标检测网络模型，该模型以MobileNetV3作为主干网络，并集成了改进的SPPF和无参SimAM注意力机制，以及dysample上采样模块，以提高目标检测性能。在模型训练阶段，通过动态调整批次大小和采用余弦退火策略调整学习率，优化模型性能。最终，将训练好的模型转换为TensorRT引擎，并在NVIDIA Jetson TX2上部署，确保实时应用中的高效运行。本方法适用于资源受限的嵌入式设备，能有效提升垃圾分拣机器人的检测速度和准确率。