做可回收物分拣最头疼的事情不是传送带跑偏也不是机械臂抓空而是眼前废物流里的东西长得太像了。这次我跑通的可回收物自动分类识别项目核心就两件事一是用 YOLOv10n-P2 把塑料瓶、易拉罐、纸盒、玻璃瓶、织物、硬塑料这几类常见可回收物从视频流里实时框出来二是把模型做小让它在边缘设备上也能跑得动。项目代号按试验线叫“可回收物分拣试验线V1”整体没上多模态、双相机那种复杂方案所有检测逻辑都集中在一个目标检测模型上。如果你正在做垃圾分拣、流水线物体识别或者想在低算力设备上落地目标检测这篇实战记录可以直接拿来当参考。先说结论整个项目从数据准备到部署推理实际耗时三周左右。模型参数量只有 2.3M 上下加了 P2 特征层之后计算量涨了不少但对小目标的召回提升非常明显。后面我会把每一步怎么选、怎么配、踩了什么坑都展开讲清楚。1. 工程定位为什么是检测模型而不是分类模型1.1 可回收物场景的真实需求可回收物分拣线和普通图片分类完全不是一回事。传送带上的物体是连续运动过来的可能互相挤压、遮挡、叠在一起而且同一个类别外观差异也很大塑料瓶有透明的、浅蓝的、压扁的、带标签的易拉罐有铝制的、涂装剥落的纸盒有折好的、展开的、表面沾湿的。如果用分类模型模型只能告诉你“画面里有瓶子”但不知道瓶子在哪。机械臂要抓取、分料口要切换气流必须拿到目标的位置和宽高信息。目标检测模型输出的是“类别 矩形框 置信度”这些信息可以直接换算成机械臂的抓取坐标也可以用来统计传送带上每个料口应该开多久。另外一个很容易忽略的点是置信度。分类模型给一个全图标签没法评估“这个判断有多可信”。检测模型每个框都有置信度下游逻辑可以设一个阈值低于阈值的框先不动作或者进入人工复核通道。对分拣系统来说“不确定的垃圾”远比“确定错分的垃圾”好处理宁可让一个瓶子走到末端人工区也不要让它混进纸类料口。1.2 YOLOv10n-P2在候选模型中的取舍我一开始其实在几个模型之间犹豫过包括 YOLOv5s、YOLOv8n、YOLOv10n最后还是选了 YOLOv10n 并额外开启 P2 特征层。主要原因有三条。第一可回收物任务有几类典型目标尺寸很小。易拉罐的拉环、瓶盖、PET瓶口的螺纹环在 640×640 输入下常常只有 20×20 像素左右。YOLOv10 默认检测头的下采样倍率是 8、16、32也就是最小检测头对应 80×80 网格单个格子覆盖原图 8×8 区域对十几个像素的小目标并不友好。P2 层把下采样倍率降到了 4特征图分辨率变成 160×160小目标的特征信息明显更完整。第二YOLOv10 是端到端模型推理阶段不需要做 NMS。传统 YOLO 系模型在训练时每个目标可能产生多个候选框推理时必须用非极大值抑制去重而 YOLOv10 用了一致匹配的双标签分配策略训练时同时优化一对多和一对一两条分支推理时直接走一对一输出。这对流水线分拣很重要因为少一个后处理步骤单帧延迟就能低几毫秒而且部署代码简单很多不用担心 NMS 阈值调不好导致两个框叠在一起。第三nano 版本体积足够小。可回收物分拣现场通常不会配一台高端 GPU 服务器一个工业相机加一块低功耗边缘板卡更常见。YOLOv10n 参数量大约 2.3MFP32 权重文件只有 10MB 左右即使转成 FP16 或者 INT8 也完全不占存储。再加 P2 层之后参数量变化不大主要增加的是计算量这个成本可以通过输入分辨率调节来找平。模型选型对比可以简单整理成一张表候选模型参数量量级是否需要NMS部署复杂度P2小目标支持YOLOv5s7.2M需要中等无YOLOv8n3.2M需要中等可选YOLOv10n2.3M不需要较低可选选型结论也明确如果现场目标普遍偏大比如只分整箱纸壳可以不开启 P2但如果分类对象包含瓶子、罐子、盖子这类小物件P2 带来的收益非常值得。2. 模型原理与数据集准备2.1 YOLOv10n-P2的结构特征P2 层听起来很玄其实可以这样理解默认检测网络从主干网络里拿出三组特征图分别对应原图的 1/8、1/16、1/32 大小用来分别检测中等目标、较大目标和超大目标。P2 则是额外从更靠近输入的前几层引出一组 1/4 大小的特征图专门处理小目标。生活化类比一下默认的三组特征图相当于站在远处看一整条传送带能看到大件物体P2 相当于在传送带旁边加了一排近景摄像头专门盯着小物件。代价是这排“近景摄像头”的计算开销不小。YOLOv10n 原本在 640 输入下的计算量大约是 8GFLOPs 左右开启 P2 会增加到 12GFLOPs 上下训练时的显存占用也会跟着涨。训练时 P2 层的意义不只是增加一个尺度的预测头它还会参与梯度回传让主干网络前几层学到更精细的边缘和纹理特征。玻璃瓶的高光、塑料瓶的透明感、易拉罐的金属拉环这些特征都集中在高频信息里默认网络层数越深越容易把这些细节“抽象”掉。还要提一下 YOLOv10 的标签分配策略。传统 YOLO 训练时一个目标通常分配给多个预测框让模型先学到较宽泛的响应推理时再靠 NMS 合并。YOLOv10 的双标签分配在训练时同时做一对多和一对一匹配一对多保证训练收敛更充分一对一保证推理输出干净。实际使用中我看到验证集输出很少出现“一个瓶子被框两次”的情况这对分拣系统的下游逻辑特别友好。2.2 数据采集与标注细节数据集是这次项目的基础也恰恰是最耗费时间的一步。我准备的初始数据集是六类塑料瓶、易拉罐、纸盒、玻璃瓶、织物、硬塑料。总量 3200 多张每类 400 到 700 张不等其中玻璃瓶最少因为实际收集的玻璃样本确实难找。标注时我定了几条硬性规范目标被遮挡超过 70% 不标注因为这种样本标签本身就不稳定会让模型学到错误边界。压扁的塑料瓶用外接矩形紧贴主体轮廓不要把标签纸、瓶盖额外圈进去类别统一归为塑料瓶。瓶盖和瓶身一体化处理如果瓶盖拧在瓶子上只标一个瓶子框不单独给瓶盖建类别避免同一物理目标产生两个冲突标签。高光反射严重的玻璃瓶标注框以瓶体不透光边缘为准不要把整片反光区域框进去。数据集目录按常见格式整理成 images 和 labels 两部分训练集、验证集按 7:3 比例切分同时固定随机种子保证每次实验切分一致。这个细节很实用否则你对比不同模型效果时根本分不清提升是来自模型还是来自数据划分变化。数据标注完成后用一个 data.yaml 文件描述类别和路径格式大概如下path: ./datasets/recyclable train: images/train val: images/val nc: 6 names: [plastic_bottle, aluminum_can, paper_box, glass_bottle, fabric, hard_plastic]2.3 数据增强与数量控制增强策略没有刻意堆太多主要原因是目标检测模型在训练时已经有默认增强包括马赛克拼接、随机仿射、HSV 色域扰动、翻转等。可回收物这个场景里对增强参数我做了一点定制加强了亮度扰动因为现场传送带上方灯带会产生大面积高光和逆光模型必须对亮度变化不敏感。增加了轻微的运动模糊增强模拟传送带高速运动时相机抓拍产生的拖影。这一项对最后实际部署帮助很大。对玻璃瓶这一类样本做了复制粘贴增强把玻璃瓶贴到其他背景里弥补样本数量不足。需要注意的是复制粘贴会生成一些不太自然的组合比例控制在 20% 以内避免模型学到假特征。样本数量的控制上我建议不要一开始就追求上万张。三千张左右先跑通一版拿到验证集指标再针对失败案例补数据这样的迭代效率更高。我第一版在 3200 张上跑出 mAP50 大约 0.82后续补了 600 张现场角度样本提升到 0.90 左右。3. 训练实操与关键参数调校3.1 环境准备与训练命令训练环境用的是 PyTorch 2.x CUDA 的常规组合显存 12GB 的显卡跑 nano 模型很轻松即使开了 P2 层和 batch 16 也能放得下。如果用 8GB 显存建议 batch 降到 8 并开启自动混合精度。依赖安装直接按项目仓库的 requirements 文件装就行。预训练权重选了带 P2 的版本文件很小加载后可以复用主干网络的通用特征比自己从零训练收敛快得多。训练命令的完整形式如下超参数可以按现场情况调整python train.py --model yolov10n-p2.yaml --weights yolov10n-p2.pt --data recyclable.yaml --epochs 150 --batch 16 --imgsz 640 --device 0训练过程中会自动保存两个文件best.pt 是验证集 mAP 最优的权重last.pt 是最后一个 epoch 的权重。我习惯只认 best.pt因为可回收物场景更关注整体泛化而不是最后几轮的极端表现。3.2 超参数逐项解释YOLO 系列超参数不多但对结果影响很大。我这次实际使用的核心配置如下超参数我的配置备注imgsz640提升到 960 能继续提高小目标检测但推理速度下降明显batch16显存不足时降为 8配合 AMPepochs1503200 张数据足够收敛再长容易过拟合optimizerSGDSGD 配合动量在数据量中等时更稳lr00.01默认值即可注意 batch 变化时学习率要相应缩放weight_decay0.0005防止 P2 层带来的过拟合mosaic1.0默认开启训练末段会自动关闭有一点值得展开说P2 层因为特征图分辨率高可学习的参数规模大了不少同时也更容易过拟合。解决方式很直接把 weight_decay 从默认的 0.0005 往上调到 0.001或者让 mosaic 关闭得更早一些。我在数据量不足的阶段尝试过这两种手段weight_decay 方案更省事。3.3 训练过程监控与中断恢复不要只盯着 loss 曲线看。box_loss 下降只能说明框的位置学得还行真正要关注的是验证集 mAP50 和 mAP50-95。我在训练时每隔 10 个 epoch 记录一次验证集指标如果 mAP50 连续 30 个 epoch 没有提升就提前终止训练而不是硬跑满 150 轮。训练最怕中途机器重启或者显存崩溃好在仓库训练脚本支持断点续训。直接在命令里加一个 --resume 参数程序会从 last.pt 接着往下跑。第一次遇到这种情况时还是比较慌的后来发现恢复之后的学习率调度也会重建前几个 epoch 的 loss 波动属于正常现象不用干预。还有一个容易被忽略的点如果数据集在训练过程中被改动过比如补了图片、改了标签不要直接 resume最好重新生成数据集并重新训练否则旧样本和新样本混在一起验证集指标会很虚。4. 评测、分析与部署落地4.1 看指标不看“准确率”目标检测领域的指标是 mAP不是“准确率”。我简单解释一下方便第一次接触的读者。mAP50 表示预测框与真实框的 IoU交并比大于 0.5 时算命中统计所有类别的平均精度。mAP50-95 则是把 IoU 阈值从 0.5 到 0.95 每隔 0.05 取一次平均要求更严格。我实际训练完的 best.pt 在验证集上的表现大致是 mAP50 0.89mAP50-95 0.71。单看 mAP50 觉得不错但 mAP50-95 掉到 0.71 说明框的位置精度还有提升空间。对可回收物分拣来说边框并不要求像素级准确机械臂抓取只需要中心点坐标稳定就行所以我对 mAP50-95 的要求没那么苛刻。要单独看每类的指标。我的验证结果显示玻璃瓶和织物的 ap 明显低于其他类。玻璃瓶的问题是透明材质导致外形不稳定织物的问题是软体材料形态变化太大。针对这两个类别单纯调模型不如补数据来得好。4.2 模型导出与算子兼容训练好的模型最终要转成推理格式。我习惯用 ONNX 作为中间格式再根据设备选推理后端。导出命令大致如下python export.py --weights best.pt --include onnx --opset 12导出时要注意 opset 版本。P2 层和 YOLOv10 里的一些新操作在老版本推理引擎上不支持如果导出报 op 不支持的错先把 opset 改成 12 或 13 再试。另外分拣系统通常需要固定的输入尺寸我建议导出静态尺寸而不是动态尺寸这样在边缘设备上能省不少调度开销。导出后用 ONNX Runtime 做一次推理核对确认输出维度和期望一致。YOLOv10 因为端到端输出层就是每个候选框的类别概率和位置不需要额外的 NMS 后处理逻辑推理代码比传统 YOLO 干净很多。4.3 边缘端实测效果部署设备选了一块低功耗边缘计算板卡没有独立 GPU纯 CPU 推理。实测下来640 输入下开启 P2 的单帧推理耗时大约 55 毫秒换算成帧率不到 20 FPS。作为对照同样模型不开 P2 大约需要 38 毫秒P2 层带来的时间开销接近 45%代价确实不小。但对可回收物分拣任务来说20 FPS 已经够用。实际流水线传送带速度并不需要每秒处理几十帧一般每秒识别 3 到 5 个目标就足够了。如果后续要提速有几个方向可以并行输入分辨率降到 480、推理后端换成 OpenVINO、模型转成 INT8 量化。后两者也不需要重新训练部署成本很低。内存占用方面batch 为 1 的推理进程峰值不到 1.5GB即使在只有 4GB 内存的小主机上也可以稳定运行。这种轻量级部署正是选 nano 版本的核心原因。5. 常见问题与排查技巧实录5.1 问题速查表实际跑项目时踩过的坑远比理想流程多我整理成了一张速查表按症状、可能原因、解决办法三列对照。症状可能原因解决思路训练 loss 不降学习率过高或标签错位检查标签文件是否匹配图片尺寸lr0 降到 0.005 再试小目标漏检严重未开启 P2 层或输入分辨率太低启用 P2或把 imgsz 从 640 提高至 960现场误检多训练数据与现场光照差异大采集现场场景数据做二次微调加强亮度扰动显存不足batch 太大或 P2 开销高batch 降为 8开启 AMP或 imgsz 降为 480ONNX 导出失败opset 版本过低在导出命令中显式指定 opset 12 或更高推理太慢P2 计算开销大降输入分辨率或用量化、专用推理后端加速玻璃和塑料混淆透明材质外观相似补充高光/逆光样本标注时注意反光区域边界这个表可能比一整章教程更实用因为你大概率不会踩所有坑但很可能踩其中一两个。5.2 印象最深的三个坑第一个坑是初始实验没有开 P2导致瓶盖和易拉罐拉环漏检率很高。第一版模型 mAP50 有 0.82看着还行但把模型拿到测试视频上一跑发现小瓶子漏掉非常多。仔细分析验证集所有小目标类别的 AP 都在 0.6 以下。换了带 P2 的模型之后小目标 AP 直接涨到 0.78总 mAP50 也升到 0.88。这让我确认了一个原则场景里小目标占比大P2 不是可选项而是必需品。第二个坑是标注框把高光和阴影圈进去了。有一周时间玻璃瓶的 AP 一直卡在 0.7 上不去我不停地加数据、调增强效果都很有限。后来把玻璃瓶的标注图片逐个拿出来看发现很多标注框把瓶子背后的高光反射区域圈了进来真实瓶身反而不在框中心。我花了一天清洗这部分标签重新训练后玻璃瓶 AP 立刻提升到 0.85。第三个坑是训练图里立着的瓶子太多现场传送带上的瓶子大多是平放或半躺的。第一阶段部署时模型对压扁平放的 PET 瓶经常识别成硬塑料。解决办法是专门拍了 300 张平放角度的瓶子图重新训练后误分类情况明显减少。这个坑提醒我数据视角多样性有时候比数据总量更重要。最后分享一点个人体会这套 YOLOv10n-P2 方案跑到最后真正让我觉得值钱的不只是准确率数字而是项目中建立了一套“数据标注规范 训练决策依据 现场问题排查路径”的闭环。跑了几个项目之后我很确定模型改进的空间往往是逐步递减的可回收物分拣的瓶颈多数在数据与现场的匹配度上。如果有朋友想复制这条路我的建议是先花一周时间把标注规范和现场光照条件摸透再反过来决定要不要上 P2、要不要加增强。后面如果再继续做这个试验线我会把多相机覆盖、跨线目标跟踪和机械臂轨迹联动一起补上让识别结果真正变成产线动作。