摘要：针对目前生活垃圾检测算法在背景复杂、目标尺寸多样的情况下检测精度低,模型参数量大的问题,提出了基于改进YOLOv5s的生活垃圾检测算法.基于密集连接与GhostConv,设计了C3_GD与C3Ghost模块,主干中使用C3_GD模块以提升模型在背景复杂、目标遮挡情况下的特征提取能力,颈部的C3Ghost模块用以减少模型参数量.构建融入Involution算子的I-BiC模块,对多尺度特征融合网络进行了优化,提高算法对不同尺寸目标检测能力.引入SimAM注意力机制,抑制背景噪声影响.实验结果表明,在自制数据集上,改进后模型较原始模型mAP@0.5提高2.9%,精度提高4.3%,召回率提高2.8%.在公开的TrashNet数据集上,改进模型mAP@0.5∶0.95增加4.9%.改进后模型表现出更好的检测效果,能较好地完成生活垃圾检测任务需要.