Automated Floor Cleaning System for Hedgehog Cages using The You Only Look Once (YOLO) Algorithm for Waste Detection

方法

YOLOv11s目标检测、Raspberry Pi 4B、WebRTC实时视频与

发现

刺猬检测AP达0.969，粪便检测AP仅0.676，受木屑视觉相似影响。

机会点

小目标与相似背景下的粪便识别精度提升，可延伸至畜禽舍清粪机器人的弱监督检测与数据集增强研究。

非洲侏儒刺猬（Atelerix albiventris）作为异域宠物日益受到欢迎；其对嗅觉和听觉的高度依赖使其对环境变化极为敏感，尤其是笼舍卫生状况不佳时。不卫生的环境可能导致气味积聚、微生物滋生和寄生虫侵染，进而引发应激、食欲下降、消化紊乱、感染及呼吸系统问题。本研究基于YOLO（You Only Look Once）算法，设计并评估了一种基于计算机视觉的刺猬笼底自动清洁系统。该系统可实现精准的粪便检测、自主清洁以及通过移动应用程序进行远程监控与控制。笼体由六块PETG底板组成，通过六个MG996R舵机实现180°旋转，并由12V潜水泵执行冲洗。处理在配备PCA9685 PWM驱动器的Raspberry Pi 4B上进行，并与Google Cloud/Firebase及基于Flutter的移动应用程序集成。实时视频流采用WebRTC实现，并与检测流程解耦以保持稳定的帧率。训练了YOLOv11s模型用于目标检测，精确率为0.785，召回率为0.753，mAP@0.5为0.802（mAP@0.5–0.95为0.491）。刺猬检测取得了高性能（AP 0.969），而粪便检测因与木质颗粒在视觉上相似而表现较低（AP 0.676）。实验结果表明，系统可实现流畅的实时视频流传输（23–27 FPS）、较低的控制延迟以及可靠的自动清洁，并具备安全联锁机制，在检测到刺猬时阻止清洁操作。该系统用于自动化笼舍维护具有可行性，未来改进将集中于数据集增强和系统优化。