论文部分内容阅读
随着人们的生活水平的提高,人们生活和生产产生的垃圾也日益增多,由于一部分人的环保意识不强,将一部分垃圾倾倒在水中,如不及时清理,会对人们正常的生活和生产产生严重的负面影响。传统的人工清理水面垃圾的方式不仅耗时耗力,而且危险系数极高,一种智能水面清污机器人应运而生,而水面垃圾检测则是智能水面清污机器人研究的重点。本文重点关注水面垃圾检测算法的研究,将计算机视觉技术应用于水面垃圾的检测中,以实现水面垃圾的自动检测。本文介绍了水面垃圾检测算法研究的最新进展,针对清污机器人在作业中获取的图像包含非水面区域和水面干扰因素,提出将水面垃圾检测分为水面分割、垃圾目标检测和分割检测融合三个阶段。第一阶段水面分割,使用一种基于MobileNetV3-Large(1.0)的轻量级神经网络和改进的Atrous Spatial Pyramid Pooling(ASPP)语义特征融合模块构成的水面分割网络,将清污机器人获取到的图像分割成水面和非水面区域;第二阶段垃圾目标检测,在标准版的You Only Look Once_v3(YOLOv3)目标检测算法的基础上使用Generation Intersection over Union(GIoU)和改进的特征融合层以提升垃圾检测网络的精度,同时使用network slimming算法对网络进行裁剪以提升垃圾检测的速度;第三阶段分割检测融合,将第一阶段从水面分割网络分割出的水面区域与第二阶段垃圾目标检测网络检测出的垃圾目标相融合,排除非水面区域的垃圾,最终实现水面垃圾检测算法。通过实验验证与测试,本文所提的水面分割网络在水面分割测试集上的平均像素精度(Pixel Accuracy)可达95.9%,平均交并比(Mean Intersection over Union)可达94%,同时取得了56FPS的分割速度,改进的YOLOv3垃圾目标检测网络与标准版的YOLOv3相比在垃圾检测测试集上的平均检测精度提高了4.8%,检测速度提升近两倍,分割检测融合后的整体水面垃圾检测算法在仅标注水面垃圾目标的数据集上的检测精度可达77%,同时拥有32FPS的检测速度。实验与测试结果表明本文所提的水面垃圾检测算法能够在复杂环境水面上检测出垃圾目标,并且具有一定的工程应用价值。