WCD-YOLO检测模型

轻量高精

通过优化主干网络与特征融合结构，在废弃物分类检测中实现轻量化与高精度兼顾。

Chen, Yufeng · Li, Zhiwu

Journal of Environmental Management 2026

参数信息

mAP50

95.8 %

mAP50:95

74.0 %

模型参数量

7.2 MB

计算量

8.5 G

技术优势

精度更高

通过 MCA 模块与 FNC2f-BiFPN 结构增强特征提取与融合，在自建数据集上 mAP50 较原模型提升 1.6%。

更轻量

模型参数仅 7.2MB，计算量 8.5G FLOPs，适合资源受限的边缘设备部署。

应用场景

• 智能垃圾分类机器视觉：在自建数据集上 mAP50 达95.8%，可直接用于垃圾分选设备的视觉识别模块，提升分选准确率。
• 边缘端实时检测：模型仅7.2MB参数和8.5G FLOPs，可在边缘设备上低功耗运行，满足实时检测需求。
• 垃圾分类自动化：高精度识别与轻量化设计结合，推动垃圾分类全流程自动化，减少人工干预。