基于改进MobileNetV2的医疗废物智能分类研究

作     者：王伟杰 曹嘉璇 李阳 邹北骥 赵国英 刘青萍 WANG Weijie;CAO Jiaxuan;LI Yang;ZOU Beiji;ZHAO Guoying;LIU Qingping

作者机构：湖南中医药大学信息科学与工程学院长沙410208 中南大学计算机学院长沙410083 湖南省科技厅智慧中医工程技术研究中心长沙410699 奥卢大学机器视觉与信号分析中心芬兰奥卢90570 

出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)

年 卷 期：2025年第15卷第5期

页      面：1-9页

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 

基　　金：国家重大科技专项项目(2018AAA0102100) 国家自然科学基金青年基金(62402180) 湖南省自然科学基金青年基金(2024JJ6338) 湖南省普通高等学校教学改革研究项目(HNJG-20230527) 2023年湖南中医药大学研究生科研创新项目(2023CX134) 

主　　题：医疗废物智能分类 图像处理 MobileNetV2 特征提取 多尺度特征融合 深度学习 

摘      要：随着医疗服务需求的增长,医疗废物的产生量逐渐超出负荷,当前医疗废物的分类与包装多以人工为主,存在医护人员感染病毒风险高、工作效率低下等问题。针对上述问题,本研究在MobileNetV2模型的基础上,提出一种改进MobileNetV2的医疗废物智能分类模型(MobileNetV2-MW)。通过改进瓶颈残差模块,捕捉不同特征通道之间的关系,提升模型对图像信息的特征提取能力;同时,引入一种多尺度特征融合模块,增强模型对图像多尺度信息的适应能力,避免模型过度关注某一特定尺度带来的不良影响。实验结果表明,MobileNetV2-MW模型在医疗废物图像数据集上的分类准确率、精准率、召回率和F1-Score分别达到95.38%、95.36%、95.33%和95.30%,相比于MobileNetV2模型分别提升了3.18%、3.05%、3.23%和3.21%,在对比模型中分类效果优秀,最后通过t-SNE可视化分析和泛化实验进一步验证了该模型的有效性,为医疗废物智能分类研究提供了新的思路和方法。