Yolov5案例实践—基于Aidlux平台的垃圾桶溢出实时监测

一、案例背景

随着智慧城市发展的脚步加快,城市在发展过程中必不可少的会产生大量垃圾，尤其是在商业区、居民区等区域。这些区域由垃圾站使用垃圾车定时清理垃圾桶内的垃圾，但这些区域的人流量大、垃圾更新速度快等特点使得定时清理垃圾的方式很难保证垃圾桶内的垃圾不会溢出或散落到地上。当垃圾桶内的垃圾发生溢出时，会影响到城市的市容市貌和市民的日常生活。现有基于NB检测技术中进行垃圾桶溢出检测的成本较高，检测结果可靠性较低，出现误检。

为了更好地解决垃圾桶溢出及散落的问题，基于计算机图像视觉的方式，实现垃圾桶的目标检测、垃圾桶的溢出识别和垃圾桶溢出的误检测过滤，使垃圾站或管理人员能够及时检测垃圾桶的状态，为确保垃圾桶内的垃圾在溢出前被有效清理，解决城市或园区内垃圾桶溢出的问题。

二、准备条件

1、带GPU卡的电脑或云服务器用来进行模型训练。

2、一台安卓系统手机（建议版本在安卓10以内）并安装Aidlux APP，用来部署模型进行推理。

3、园区联网的摄像头（IP\帐号\密码）。用来进行环境的目标检测与识别。

4、注册喵提醒和七牛平台帐号，用于接收检测目标后的提醒以及查看图像。

5、主要过程步骤

1）、数据集整理（数据收集、清洗、标注）

2）、检测模型训练（配置、训练）

3）、模型测试（推理、优化）

4）、模型部署（转换、应用）

三、具体过程如下

1、数据集整理

（1）数据收集。 由于本次垃圾桶及垃圾的检测没有开放直接可用的数据集，需要手动进行收集和整理，数据集的数据来源主要是利用互联网上各类网站发布的相关图片，另外也有一部份是本人在实际的应用场景进行手机拍照收集，这个数据的收集过程比较浪费时间，最后经过清洗可用的数据一共有1200多张。部份数据通过Python代码进行在线对摄像头进行截图保存，组成数据集。

（2）图片编号。为了方便后期的数据标注和训练模型时的数据管理，对清洗后的图片进行自动编号，统一图片的命名格式以及类型，统一使用JPG格式的图片。

（3）数据标注。虽然目前数据集只有1200多张，但是如果都由人工全部标注，需要浪费大量的精力进行重复又费时的工作，