【摘要】本文针对餐厨垃圾油 - 水 - 固物料混合不均一性、遮挡情况严重而导致难以识别的问题，提出了一种基于 SSD(Single Shot MultiBox Detector，SSD) 的餐厨垃圾异物检测算法。首先，引入更适用于异物目标检测的深度残差神经网络 ResNet(Residual Neural Network，ResNet) 主干网络取代原始主干网络，来解决 SSD 网络识别精度不高的问题；同时采用坐标注意力机制和批量归一化 BN(Batch Normalization, BN) 来提高识别精度。进一步地，引入排斥损失 Repulsion Loss 来改善 SSD 检测器。实验结果表明，改进的 SSD 算法在餐厨垃圾异物检测任务上达到 34FPS，识别准确率大于 88%，可以有效解决餐厨垃圾异物遮挡识别难的问题，实现餐厨垃圾分选阶段的智能化，有利于解决招工难、工人工作环境差的问题。