基于 YOLO11 的三类可回收物视觉识别系统：从模型到 Streamlit 全流程实战

关键词：YOLO11、可回收物识别、垃圾分类、智能回收柜、Streamlit、目标检测、Ultralytics

一、背景

1.1 行业痛点

「垃圾分类」喊了很多年，落到社区投放点、校园回收驿站和小区智能回收柜上，真正卡脖子的问题其实非常工程化：

• 居民投错率高：金属、纸张、塑料三类可回收物的形态千变万化（易拉罐、扁的金属盒、揉皱的纸团、泡沫塑料、PET 瓶、塑料袋…），靠人眼贴标签管理，错投比例长期在 20% 以上。
• 回收柜需要无人值守：智能回收柜、积分回收一体机要做到「投进去就给积分」，本质上需要一套能在低功耗终端上跑实时识别的视觉模型。
• 运营侧缺数据：哪类可回收物投放最多、哪个时段、哪个点位价值最高？没有视觉感知，运营完全是黑盒。
• 传统重模型部署难：把 YOLOv8x、Mask R-CNN 这类大模型塞进 ARM 边缘盒子或者 Jetson Nano，往往算力不够 / 帧率拉胯，最终落回「拍照上传云端识别」的笨办法。
  

把目标检测器轻量化到 YOLO11n 这一档（参数量约 2.6 M、CPU 也能实时），再封进一个开箱即用的 Streamlit 单页应用，就能让社区智能投放点、校园回收驿站、回收柜厂商用一份 yaml + 一份 best.pt 完成视觉识别能力的快速接入。本项目就是这条路线下的一份完整工程样板：基于 YOLO11n，识别金属、纸张、塑料三大类可回收物。

视频演示与源码下载

https://www.bilibili.com/video/BV1gmEA6CEbL

包含：
📦完整项目源码
📦预训练模型权重
🗂️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
类目设计	聚焦 金属 / 纸张 / 塑料 三类高价值可回收物，不做精细子类，降低误判压力
模型选型	YOLO11n，参数量约 2.6 M，CPU 实时、边缘盒子（Jetson / RK3588）友好
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 4 种输入复用同一推理引擎
主题封装	暖青 + 亮黄主色调，呼应"环卫 / 回收"行业视觉，一份 project.yaml 统一品牌

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：单次最多 200 张，输出汇总表 + 类别分布柱状图 + zip 打包下载
• 🎬 视频检测：mp4 / avi / mov / mkv，逐帧推理后落盘新视频，便于回收柜监控录像离线复盘
• 📷 摄像头实时检测：可对接回收柜内置相机 / 投放点顶视相机，做实时投放感知

3 类可回收物：金属可回收物 🥫、纸张可回收物 📦、塑料可回收物 🧴。

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 + 自定义 HTML 主题（暖青 #0f766e + 亮黄 #fde047）
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 / 推理阈值统一收口

二、设计框架

2.1 系统架构

            ┌──────────────────────────────────────────┐
            │      Streamlit Web 前端（单页 SPA）       │
            │  · 三类图鉴 / 单图 / 批量 / 视频 / 摄像头   │
            │  · 侧栏 · 阈值 · 类别筛选 · 模型缓存       │
            └────────────────────┬─────────────────────┘
                                 │ Python 调用
                                 ▼
            ┌──────────────────────────────────────────┐
            │   推理服务层（infer_image_path 等）       │
            │  · bytes / Path / frame → tensor          │
            │  · 推理结果 → 标注图 + DataFrame          │
            └────────────────────┬─────────────────────┘
                                 │
                                 ▼
            ┌──────────────────────────────────────────┐
            │    YOLO11n 推理引擎（model/best.pt）      │
            │  Backbone (C2f+SPPF) → Neck (FPN/PAN)     │
            │   → Decoupled Head（DFL + cls × 3）       │
            └──────────────────────────────────────────┘

2.2 YOLO11 网络结构

输入 640×640×3
   │
   ▼
[Backbone]
  Conv → C2f → Conv → C2f → Conv → C2f → Conv → C2f → SPPF
   │
   ▼
[Neck]   FPN 上采样 + PAN 下采样：P3 / P4 / P5 三级金字塔
   │
   ▼
[Head]  Decoupled Head（cls 头 / reg 头解耦）
        回归头采用 DFL（Distribution Focal Loss）
        Anchor-Free，输出 (cx, cy, w, h, cls × 3)
   │
   ▼
[NMS]    iou=0.7, conf=0.25  → 最终检测框

2.3 检测流程

投放点 / 回收柜相机帧
        │
        ▼
   Letterbox 640×640 + RGB
        │
        ▼
    YOLO11n forward
        │
        ▼
   Detect Head 输出 (cls × 3)
        │
        ▼
   conf 过滤 + NMS
        │
        ▼
result.plot() 画框 + 类别 + 置信度
        │
        ▼
Streamlit 双列展示 + DataFrame + 类别分布图

三、代码结构（核心 50 行 + 解析）

项目目录：

三类可回收物识别/
├── app/streamlit_app.py        # Web 入口
├── 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 / validate / export 等
├── data/dataset/                # 训练 / 验证 / 测试集
└── 三类可回收垃圾检测数据集/    # 原始数据集（含训练 / 验证 / 测试切分）

最核心的 50 行——模型加载 + 单图推理 + Streamlit 单图 Tab：

# === 1. 模型加载（带 streamlit 资源缓存，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],   # eg. "金属可回收物"
                "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("上传一张包含可回收物的图片", 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（带类别标签）")
    st.dataframe(detections_to_display(df))
    render_detection_analysis(df)

5 段解析：

1. @st.cache_resource 把 YOLO(model_path) 的耗时锁在第一次访问，之后所有 session 共享同一份模型实例，避免每次切换 Tab 都重载（这对回收柜内置相机长时间运行尤其友好——一次加载、长期使用）。
2. result.plot() 直接返回带颜色框 + 类别 + 置信度的 BGR ndarray，自动按 class_id 上色，金属 / 纸张 / 塑料三类一目了然，方便在投放点屏幕上直接展示给居民。
3. 把每个 box 的 cls / conf / xyxy 拍成 dict，再拼成 DataFrame——后续表格、CSV 下载、类别分布柱状图、视频时间线全部复用同一份结构。运营侧拉数据时直接 to_csv 即可。
4. bytes → tempfile → infer_image_path 这层薄壳让"前端上传"、“批量解 zip”、"视频抽帧"三种来源都复用同一个推理函数，新接一个数据源时不用重写推理逻辑。
5. Streamlit 的 cache_resource + file_uploader + dataframe 组合，让一个产品级可回收物识别页面只需 11 行代码——这是 Streamlit 在 AI 应用快速出活的关键，特别适合给回收柜厂商做"内嵌大屏"或"管理后台"。

四、训练效果

模型在自建的「三类可回收垃圾检测数据集」（约 2800 张实拍图像，金属 / 纸张 / 塑料三类）上完成 YOLO11n 训练并保存 best.pt。在测试集上检测效果良好，可稳定识别金属、纸张、塑料三类典型可回收物，已能满足社区智能投放点、校园回收驿站、智能回收柜等场景的初筛 / 计数 / 引导投放等使用需要。

从单图检测样例（上文「项目运行效果」截图）可以看到：在不同光照、不同摆放姿态、不同颜色背景下，模型都能给出框 + 类别 + 置信度，配合 Streamlit 前端实时呈现给居民和运营方。

五、项目总结

做对了什么：

• 把可回收物识别收敛到金属/纸张/塑料三大类，避免了"几十个细分子类"带来的标注成本爆炸和类间混淆，更贴合社区投放点、回收柜的实际计费 / 计数颗粒度；
• 用 YOLO11n 这种轻量级 Anchor-Free 检测器作为底座，CPU 也能实时，算力预算压到回收柜内置 ARM 处理器一档；
• 用一份 project.yaml 把"行业话术 / UI 主题色 / 类别映射 / 训练超参 / 推理阈值"全部收口，迁移到「四类可回收物」「六类生活垃圾」等场景只需替换数据集与重新训练；
• 单图、批量、视频、摄像头四种输入复用同一个 infer_image_path，后期接 RTSP 投放点摄像头流时只需把"摄像头帧"喂进来即可。

还能怎么做：

• 在数据集层面持续补充强光 / 逆光 / 多物堆叠 / 透明塑料等难样本，把"塑料瓶 vs 玻璃瓶"、"金属罐 vs 喷漆纸罐"这类高度相似的样本判别力进一步拉开；
• 接入重量传感器 + 视觉识别双路投票，回收柜场景中能显著降低单路视觉的误判（视觉看到塑料 + 称重判断为玻璃 → 触发人工复核）；
• 把检测结果 + 时间戳 + 点位 ID 推送到运营后台，做「点位画像」「时段画像」「品类增长曲线」，让回收业务真正变成数据驱动的精细化运营。

一句话总结：YOLO11 + Streamlit 让"社区可回收物视觉识别"从一个研究课题变成了"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。