来源：期刊VIP网 时间：
作者：马文静;曹永刚;张慧;
单位：江苏工程职业技术学院江苏省智能机器人工程技术研发中心;南通天生港发电有限公司;
摘要：为了解决机器视觉在高密度场景下进行垃圾分类时，出现的微小目标、堆叠目标和遮挡目标漏检、错检等问题，提出了一种专注于高密度垃圾分类的改进型YOLOv7算法，即MicroStackYOLO。该算法在YOLOv7基础上引入了微小目标检测预测头，采用Swin Transformer替代了主干和颈部网络中的卷积块，能更准确地定位高密度场景中的微小目标。同时，集成了CBAM和空洞卷积核，优化了遮挡、堆叠目标的检测效果。实验表明，本算法在高密度场景下平均检测精度为98.3%，相较于YOLOv7提升了6.2%，且检测速度满足实时性要求。
关键词：MicroStackYOLO算法;;Swin Transformer模块;;CBAM模块;;DW-Conv模块
基金资助：江苏高校哲学社会科学研究课题（2023SJYB1759）;; 第五期江苏省职业教育教学改革研究课题（ZYB625）;; 国家级职业教育教师教学创新团队课题研究项目（ZI2021020406）
