复杂分类场景下有害家庭废物的自动检测：一种轻量高效的高精度深度学习方法

《Waste Management》：Automated detection of hazardous household waste in complex sorting scenarios: A lightweight and high-precision deep learning approach

　　任梦涵|关强|孙明阳|刘颖|乔宝友|赵海燕•构建了专门的HW数据集以解决数据稀缺问题。•新型轻量特征提取模块可降低资源受限设备的计算负担。•先进的特征融合策略能有效处理被遮挡的废弃物。•MSDSA机制可抑制背景噪声，提升定位精度。

引言
随着城市化进程加快和生活水平提升，城市固体废物的产生量持续增加。据世界银行报告，全球城市固体废物总量已达到每年20.1亿吨，预计到2050年还将增长70%，达到34亿吨（Kaza等人，2018年）。在固体废物中，生活垃圾占比很大，且成分复杂。虽然危险废物仅占生活垃圾总量的千分之一左右（Duan等人，2008年），但其潜在风险却远高于其他类型的废物。如果处理不当，重金属或有毒化学物质可能对土壤、水体和大气造成严重且长期的污染。此外，这些物质还可能通过食物链发生生物放大作用，对人类健康带来致癌和致畸风险（Sonone等人，2020年）。因此，在复杂背景下快速识别和定位危险废物至关重要。为环卫部门提供实时的废物数量和类型信息，对于优化管理策略和提升回收效率具有重要意义。目前，危险废物的识别和分类仍主要依赖人工操作，这种方式不仅效率低下、劳动强度大，而且由于主观判断因素，容易出现漏检或误判的情况。同时，现有智能设备中的识别算法也存在假阳性率高的问题，且在复杂场景中对细微目标的识别能力不足，难以满足精确处理危险废物的需求。因此，开发高效准确的识别算法显得十分重要。

近年来，废物识别领域取得了显著进展，深度学习算法已成为主流技术手段。在物体检测任务中，基于候选区域的兩阶段方法（如Faster R-CNN）通过区域提议网络实现端到端训练，具有较高的精确度；但由于推理速度较慢，难以应用于对实时性要求较高的场景（Ren等人，2015年）。相比之下，单阶段检测算法，如SSD（Liu等人，2016年）以及YOLO系列算法（Qi等人，2022年，Redmon等人，2016年，Wang等人，2023年，Wang等人，2024a年，Wang等人，2024b年，Jocher等人，2023年，Jocher和Qiu，2024年，Lei等人，2025年，Redmon和Farhadi，2017年），省去了候选区域生成步骤，能够在一次前向传播中完成分类和定位。由于具有显著的速度优势，这类算法已成为废物识别研究中的主要方法（Bawankule等人，2023年，Chen等人，2025年，Choi等人，2023年，Li等人，2023年，Shah等人，2023年，Wu等人，2023年，Zhang等人，2024年）。在危险废物识别场景中，YOLO系列也被广泛采用。例如，Xiao等人（Xiao等人，2024年）将DCNv3和双层路由注意力机制引入YOLOv8，提升了危险废物的识别能力。Wang等人（Wang等人，2023b年）则将Ghost模块和MobileNetV3-Small架构整合到YOLOv5中，在保持精度的同时大幅降低了计算成本。尽管YOLO系列检测器具有出色的实时性能，但其密集预测模式和尺度分配策略在处理杂乱场景中形状不规则、被遮挡或外观相似的危险废物物体时仍可能存在困难。而危险废物种类繁多，在复杂场景中占比较小，且经常被遮挡，这使得传统的固定锚点机制难以适应生活垃圾的不规则形状和严重变形。这种不匹配往往导致漏检和误检，进而影响对小型或重叠物体的识别精度。因此，亟需探索高精度的无锚点检测方法，以满足危险废物识别的实际需求。

在基于Transformer的端到端检测框架中，DETR（Carion等人，2020年）摒弃了传统的锚点机制，为物体检测提供了新的思路。为了解决厨房废物识别中的数据稀缺问题，Qin等人（Qin等人，2024年）提出了AL-DETR模型，该模型将主动学习技术融入DETR框架中。通过选择不确定性较高的样本进行标注，并建立标记数据与未标记数据之间的全局视觉关联，他们在自定义的8类厨房废物数据集上显著提升了模型性能。类似地，Luo等人（Luo等人，2024年）引入状态空间模型来适应道路废物识别，在包含超过6万张图像的自定义数据集上使AP50值提升了1.2%。Sun等人（Sun等人，2025a年）通过优化特征融合和损失函数，提出了RTDETR-MARD模型，用于漂浮废物的识别，证明了该模型在各种环境条件下的稳定性。然而，DETR模型存在收敛速度慢且参数量大的问题，这限制了其实际应用。相比之下，基于DETR架构的D-FINE方法通过细粒度分布优化和全局定位自蒸馏技术，在物体定位精度和收敛效率方面表现出显著优势（Peng等人，2024年）。Sun等人（Sun等人，2025b年）进一步将D-FINE应用于同步定位与建图系统，显著提升了定位精度和地图构建的稳定性。尽管D-FINE框架有效解决了定位不确定性及优化难题，具有出色的精度和实时性能，但目前尚未被系统地应用于危险生活垃圾识别的特定场景。为了解决高效准确识别危险生活垃圾的需求，本研究以D-FINE作为基础框架，并对其进行了针对危险生活垃圾视觉分类场景的优化。不过，直接将该框架应用于这一特定场景会面临若干关键挑战。首先，高质量、针对危险生活垃圾的公共数据集极为匮乏，这不利于模型的有效训练和评估。此外，危险生活垃圾图像通常存在背景杂乱、物体形状不规则、被遮挡以及包装外观相似等问题，给强大的特征提取带来了困难。原有的特征提取阶段可能会引入不必要的计算开销，且在如此复杂的场景下，其在保留局部纹理和边界特征方面的灵活性也较为有限。另外，在特征融合过程中，如果过度侧重于高层语义信息，可能会削弱低层空间细节，而这些细节对于识别边界不明显或视觉区域较小的物体非常重要。最后，解码器中的可变形注意力机制仍可能受到无关背景信号的影响，在杂乱环境中容易受到干扰，从而降低废物定位和分类的精度。

为了解决这些问题，本研究提出了一种全面优化的D-FINE模型——CE-DFINE，这是一种针对危险生活垃圾识别而设计的、注重工程实用性的改进方案。本研究的主要贡献有四点。首先，我们从三个来源构建了一个综合性的危险生活垃圾识别数据集——HW数据集：这些数据包括从公共HGI-30数据集中选取的危险废物图像、在不同场景下自行拍摄的图像，以及公开的网络图像。我们对这些图像进行了筛选、去重处理，并统一添加了用于物体检测的标注。其次，为了解决嵌入式分类设备在计算方面的限制，我们开发了一种轻量特征提取模块。该模块采用了专门的分割聚合和自适应下采样设计，旨在在降低计算成本的同时提升特征表达能力。第三，为了解决特征传播过程中小目标丢失的问题，我们采用了基于超图的相关性增强技术以及多尺度渐进式通道注意力机制。这些技术能够增强跨尺度的高阶语义关联以及细粒度的特征融合。最后，我们将自适应稀疏注意力机制整合到检测解码器的多尺度可变形注意力流程中，将这一功能模块命名为多尺度可变形选择性注意力机制MSDSA。与提出全新的注意力理论不同，MSDSA侧重于将选择性采样理念应用于危险废物识别，从而减少杂乱背景、物体堆叠、污渍以及外观相似的非目标物体对定位和分类的干扰。

CE-DFINE架构概述
本研究以D-FINE作为基础框架，利用其细粒度分布优化和全局自蒸馏功能来确保定位精度。然而，为了使该框架能够适应危险废物分类所常见的复杂且无结构化的环境，我们对模型流程进行了调整和优化，形成了CE-DFINE架构。整体架构如图1所示。CE-DFINE由三个主要部分组成：轻量特征提取阶段、增强后的……实验设置
为验证所提出的CE-DFINE模型的性能和泛化能力，所有实验都在统一的硬件和软件环境下进行。为保证结果的可重复性，所有实验都使用固定的随机种子，并在相同条件下重复三次实验后取平均值。实验在配备NVIDIA GeForce RTX 4090D GPU的服务器上进行。软件框架基于Python深度学习生态系统构建，采用了……

模型性能与模块分析
在HW数据集上，所提出的CE-DFINE算法的AP50值为86.3%，AR50值为96.6%。需要指出的是，CE-DFINE的优异性能得益于对D-FINE框架内多个有效组件的协同优化。这些单独的模块并非全新的技术机制，它们的价值在于如何根据危险生活垃圾的视觉特点——如背景杂乱——进行选择、组合和优化。

结论
在本研究中，我们设计了基于D-FINE的改进型物体检测框架CE-DFINE，旨在实现准确且易于部署的危险生活垃圾识别。与普通物体检测相比，危险废物识别难度更大，因为危险物品常常与其他废物混合在一起，且外观差异较大、容易变形、被遮挡，还存在污渍、对比度低以及与普通废物外观相似等问题。这些因素都可能导致漏检或误报，从而影响……

作者贡献说明
任梦涵：撰写——初稿、可视化、验证、软件开发、资源整理。关强：撰写——审阅与编辑、监督、概念设计。孙明阳：撰写——审阅与编辑、监督、正式分析。刘颖：监督工作。乔宝友：监督工作。赵海燕：撰写——审阅与编辑、方法设计、研究实施、资金申请、数据整理。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了中国内蒙古自治区归国留学人员创新创业扶持计划（项目编号2024LXC003）、中国内蒙古自然科学基金（项目编号2025MS06053、2025MS06012、2026LHMS0057、2026MS0647）以及……的支持。