基于 YOLO11 的 18 类户外生活垃圾智能检测系统：从模型到 Streamlit 全流程实战
关键词：YOLO11、生活垃圾检测、城市环卫、Streamlit、目标检测、Ultralytics
一、背景
1.1 行业痛点
街道、公园、社区、景区——这些户外公共空间每天产生的生活垃圾种类繁多：塑料瓶、易拉罐、纸箱、衣物、口罩、零食包装袋……传统环卫巡检依赖人工绕场、肉眼判断，存在三个老大难问题：
- 人力成本高：一个中等城市仅环卫一线工人就以万计，夜班 / 节假日排班尤其紧张；
- 响应不及时：垃圾从产生到被清理往往要等下一班巡检，节假日峰值期容易堆积；
- 数据无法沉淀：哪类垃圾在哪个区域出现频次最高？人工记录难以量化，更难指导环卫资源调度。
随着各地"智慧城市""无废城市"政策落地，把 摄像头 + AI 视觉感知接入环卫调度系统，已经成为城市环卫数字化转型的标准动作。本项目就是这条路线下的一个具体落点：用 YOLO11 完成 18 类常见户外生活垃圾的目标检测，并配套一个开箱即用的 Streamlit 可视化界面，便于在巡检车、固定点位摄像头甚至手机端快速接入。
视频演示与源码 下载
包含：
📦 完整项目源码 📦 预训练 模型权重
🗂️ 数据集数据集
1.2 项目运行效果
1.3 项目介绍
核心创新点：
| 维度 | 设计 |
|---|---|
| 类目覆盖 | 18 类典型户外垃圾，覆盖塑料 / 金属 / 纸制品 / 织物 / 餐厨等高频品类 |
| 模型选型 | YOLO11n，参数量约 2.6 M，CPU 实时、Apple Silicon / NVIDIA GPU 加速可选 |
| 部署形态 | Streamlit 单页应用 + 本地 best.pt，零数据库、零中间件，开箱即用 |
| 输入兼容 | 图片 / 批量图片（含 zip）/ 视频 / 摄像头四种输入，全部走同一推理引擎 |
| 中文标签 | 标注、UI、配置文件三处统一中文显示，运维人员不需要看英文 class id |
功能概览：
- 🖼️ 单图检测：拖拽上传 → 实时返回带框图 + 类别 / 置信度 / 坐标明细
- 📚 批量检测：一次最多 200 张，自动出汇总表 + 类别分布柱状图 + 打包下载 zip
- 🎬 视频检测：支持 mp4 / avi / mov / mkv，逐帧推理后落盘新视频
- 📷 摄像头实时检测：OpenCV + Streamlit 实时刷新，可作为现场巡检 demo
18 个类别清单：塑料袋、塑料瓶、易拉罐、纸箱、衣物、吸管、泡沫箱、盖子、口罩、牛奶盒、纸巾、小包包装袋、纸张、塑料杯、塑料收纳架、塑料餐具、零食包装袋、垃圾袋。
技术栈：
| 层 | 选型 |
|---|---|
| 模型框架 | Ultralytics 8.3 + PyTorch |
| 视觉算法 | YOLO11n（Anchor-Free，C2f Backbone，Decoupled Head + DFL） |
| Web 前端 | Streamlit 1.35（自带组件 + 自定义 HTML 样式） |
| 视频 / 图像 | OpenCV、imageio-ffmpeg |
| 数据可视化 | Plotly / Streamlit 原生 chart |
| 配置管理 | 单一 configs/project.yaml（行业话术 + UI + 训练 + 推理参数全在这里） |
二、设计框架
2.1 系统架构
┌──────────────────────────────────────┐
│ Streamlit Web 前端（单页 SPA） │
│ · 单图 / 批量 / 视频 / 摄像头四 Tab │
│ · 侧栏 · 阈值 · 类别筛选 · 模型缓存 │
└──────────────┬───────────────────────┘
│ Python 调用
▼
┌──────────────────────────────────────┐
│ 推理服务层（infer_image_path 等） │
│ · 临时文件 + bytes → tensor │
│ · 推理结果 → 标注图 + DataFrame │
└──────────────┬───────────────────────┘
│
▼
┌──────────────────────────────────────┐
│ YOLO11n 推理引擎（best.pt） │
│ Backbone (C2f+SPPF) → Neck (FPN/PAN) │
│ → Decoupled Head（DFL + cls） │
└──────────────────────────────────────┘
2.2 YOLO11 网络结构
输入 640×640×3
│
▼
[Backbone]
Conv → C2f → Conv → C2f → Conv → C2f → Conv → C2f → SPPF
多尺度卷积 + 跨阶段特征融合，参数量比 v8 进一步压缩
│
▼
[Neck] FPN 上采样 + PAN 下采样：P3 / P4 / P5 三级金字塔
│
▼
[Head] Decoupled Head（分类头 / 回归头解耦）
回归头使用 DFL（Distribution Focal Loss）
Anchor-Free，输出 (cx, cy, w, h, cls × 18)
│
▼
[NMS] iou=0.7, conf=0.25 → 最终检测框
2.3 检测流程
图片 / 视频帧 ──▶ Letterbox 640×640 ──▶ YOLO11n forward
│
▼
Detect Head 输出
│
▼
conf 过滤 + NMS
│
▼
result.plot() 画框 + DataFrame 列出明细
│
▼
Streamlit 图像组件 + dataframe + 图表渲染
三、代码结构（核心 50 行 + 解析）
项目目录：
户外生活垃圾检测/
├── app/streamlit_app.py # Web 入口（单文件，1100+ 行）
├── configs/project.yaml # 行业话术 + UI + 训练 + 推理参数
├── model/best.pt # 训练好的 YOLO11n 权重
├── scripts/ # train_yolo / validate / export 等
├── data/dataset/ # 训练 / 验证 / 测试集
└── train/ # 训练产物（results.csv / 各类曲线）
最核心的 50 行——模型加载 + 单图推理 + Streamlit 单图 Tab：
# === 1. 模型加载（带缓存，避免每次刷新重载）===========================
@st.cache_resource(show_spinner=False)
def load_model(model_path: str) -> YOLO:
return YOLO(model_path)
# === 2. 单图推理：路径 → 标注图 + 检测明细 DataFrame ===================
def infer_image_path(model: YOLO, image_path: Path, conf: float):
result = model.predict(str(image_path), conf=conf, verbose=False)[0]
annotated = result.plot() # BGR ndarray，已画框
rows = []
if result.boxes is not None:
for box in result.boxes:
cls_id = int(box.cls.item())
x1, y1, x2, y2 = [float(v) for v in box.xyxy[0].tolist()]
rows.append({
"class_id": cls_id,
"class_name": result.names[cls_id],
"confidence": round(float(box.conf.item()), 4),
"x1": round(x1, 1), "y1": round(y1, 1),
"x2": round(x2, 1), "y2": round(y2, 1),
})
# BGR → RGB 给 Streamlit；rows 转 DataFrame 给表格组件
return annotated[:, :, ::-1], pd.DataFrame(rows)
# === 3. bytes → 临时文件 → 复用上面同一函数 ============================
def run_image_inference(model: YOLO, image_bytes: bytes, conf: float, suffix=".jpg"):
with tempfile.NamedTemporaryFile(delete=False, suffix=suffix) as f:
f.write(image_bytes); tmp = Path(f.name)
try:
return infer_image_path(model, tmp, conf)
finally:
tmp.unlink(missing_ok=True)
# === 4. Streamlit 单图 Tab：上传 → 推理 → 双列展示 =====================
model = load_model(str(MODEL_PATH))
uploaded = st.file_uploader("上传待检测图片", type=IMAGE_UPLOAD_TYPES)
conf = st.sidebar.slider("置信度阈值", 0.05, 0.95, DEFAULT_CONF, 0.01)
if uploaded is not None:
annotated, df = run_image_inference(model, uploaded.getvalue(), conf,
suffix=Path(uploaded.name).suffix)
col1, col2 = st.columns(2)
col1.image(uploaded, caption="原图")
col2.image(annotated, caption="检测结果")
st.dataframe(detections_to_display(df))
render_detection_analysis(df)
5 段解析：
@st.cache_resource把YOLO(model_path)的耗时（首次约 2~3 s）锁在第一次访问，之后所有用户共享同一份模型实例。result.plot()直接返回带颜色框 + 类别 + 置信度的BGR ndarray，省去自己画 cv2.rectangle 的心智负担。- 把每个
box的cls / conf / xyxy拍平成dict，最终拼成DataFrame—— 后续无论是表格展示、CSV 下载还是统计分析，都共用这一份结构。 run_image_inference走临时文件路径，是为了让Ultralytics内部的 EXIF / orientation 处理逻辑生效，比直接喂 numpy 数组更稳；finally删除临时文件避免磁盘泄漏。- Streamlit 的
st.cache_resource+st.file_uploader+st.dataframe组合，让一个产品级页面只需 11 行代码——这是 Streamlit 在 AI 应用里能快速出活的核心原因。
四、训练效果
模型在自建的 18 类 数据集上训练 200 epoch（YOLO11n、640 输入、batch 16），最优一轮指标如下：
| 指标 | 数值 |
|---|---|
| Precision | 0.7820 |
| Recall | 0.8532 |
| mAP@0.5 | 0.8983 |
| mAP@0.5:0.95 | 0.8210 |
从训练曲线看，box / cls / dfl 三路 loss 在前 50 epoch 快速收敛；mAP@0.5 在第 100 epoch 后逐步突破 0.85，最终稳定在 0.89~0.90 区间；归一化混淆矩阵中"塑料瓶 / 易拉罐 / 纸箱 / 泡沫箱"等高频类别对角线接近 1.0，仅"纸巾 / 纸张"两类因外观高度相似存在小幅互混，这与人类肉眼判断的混淆模式一致。
五、项目总结
做对了什么：
- 用一份
project.yaml把"行业话术 / UI 主题色 / 训练超参 / 推理阈值"全部收口，二次复用到其他垃圾品类（如餐厨、建筑垃圾）只需改这一个文件； - 单图、批量、视频、摄像头四种输入复用同一个
infer_image_path，避免了"图像走 numpy、视频走 frame、摄像头走 OpenCV"这种容易翻车的多分支实现； - 选 YOLO11n 而不是 v8s/v8m，模型 6 MB、CPU 一张图 80 ms 内完成，方便在巡检车 / 边缘盒子上落地。
还能怎么做：
- 接入 RTSP 视频流 + Kafka 消息队列，把检测结果（坐标 + 时间戳 + 摄像头 ID）直接写入环卫调度系统；
- 增加"垃圾热力图"模块，按时间维度聚合同一摄像头的检测结果，反向指导环卫排班；
- 在数据集层面持续补充夜间 / 雨天 / 远景小目标样本，进一步提升 mAP@0.5:0.95。
一句话总结：YOLO11 的 Anchor-Free + Decoupled Head + DFL 组合，让"小模型 + 多类别 + 实时推理"这件事在 2024 年变成了"一份 yaml + 一份 best.pt + 一份 streamlit_app.py"的工程化标准动作，本文给出了一份可以直接 fork 落地的样板。
