YOLO26n room dirtiness
детектор загрязнений и мусора в помещении
1 мин чтенияобновлено
Модель представляет собой дообученный (файнтюненный) чекпоинт Ultralytics для поиска пяти видов загрязнений: пролитых жидкостей, мусорных ведер, разбросанного мусора, плесени и пятен. Она основана на легкой архитектуре YOLO и обучена на специализированном датасете из 1200 изображений. Инструмент подойдет разработчикам систем умного дома, робототехники для уборки или сервисов автоматического контроля чистоты в помещениях.
Ключевые особенности
- Быстрый инференс со средней задержкой 18.5 мс на изображении
- Высокая общая точность с метрикой mAP50 на уровне 0.946
- Компактный размер: всего около 2.5 миллионов параметров
- Поддержка детекции пяти различных категорий беспорядка
Что можно сделать
- Интегрировать модель в робот-пылесос или автономную уборочную технику для поиска мусора
- Настроить систему видеонаблюдения для автоматического контроля порядка в комнатах
- Использовать в аналитических приложениях для оценки степени загрязненности помещений
Пример
Пример кода для загрузки и запуска детекции с помощью библиотеки Ultralytics:
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
path = hf_hub_download(repo_id="tomas478/room-dirtiness-yolo26n", filename="best.pt")
model = YOLO(path)
results = model.predict("image.jpg", imgsz=640)
Подробнее
Метрики на тестовой выборке: mAP50-95 составляет 0.705, Precision — 0.913, Recall — 0.903.Обучение: базовая модель yolo26n.pt, 40 эпох, размер изображения 640, оптимизатор AdamW.
Оборудование при обучении: NVIDIA RTX PRO 4000 Blackwell.








Комментарии