摘要：生活垃圾种类繁杂,传统垃圾分选工艺的效率及精确度较低,为提高多尺度、不同材质垃圾的检测精度,同时保证垃圾分类的鲁棒性,基于现有深度卷积神经网络和单阶段目标检测算法YOLOv3,提出具有多尺度感受视野注意力机制的ECA_ERFB_s-YOLOv3算法。首先在算法检测器前引入多尺度感受视野模块,使算法能选择合适的感受视野对不同尺度垃圾物体进行匹配,提高了检测精度;然后,使用ResNet50替换原骨架网络Darknet53,在迁移学习条件下,使用高效注意力机制对ResNet50和多尺度感受视野模块中的特征进行自主增强和抑制,提高了算法的鲁棒性。最后,使用K-means算法对锚框进行回归,并设计了锚框的分配方式。消融实验结果表明:ECA_ERFB_s-YOLOv3精度更高,鲁棒性更好;在检测密集堆放的生活垃圾时,算法能较好地满足任务需要,表现出更好的检测效果。