垃圾分类

本课题使用的垃圾分类数据集以真实场景拍摄为主，同时结合公开开源垃圾图像数据进行扩充，数据来源包括社区、校园、家庭等常见环境，覆盖可回收物、厨余垃圾、有害垃圾、其他垃圾四大标准类别。数据集中包含不同光照、角度、遮挡、背景复杂度下的垃圾目标图像，能够较好反映实际应用中的复杂情况。所有图像进行统一尺寸缩放、去重、去噪与归一化处理，并通过随机翻转、裁剪、亮度调整等方式完成数据增强，以提升模型的泛化能力。最终构建的数据集按比例划分为训练集、验证集和测试集，样本数量均衡、标注规范，能够满足轻量化 YOLOv8 模型训练、调参与性能评估的需求，为后续模型优化与系统实现提供了可靠的数据支撑。