河床垃圾监测使用消费级空水快速扫描仪 (AASS) 和基于深度学习的超分辨率重建和检测网络
Fan Zhao1, Yongying Liu1, Jiaqi Wang1
1Department of Environment Systems, Graduate School of Frontier Sciences, The University of Tokyo, Japan.
Marine pollution bulletin
|October 11, 2024
概括
本研究介绍了一种带有超分辨率重建 (SRR) 和YOLOv8的空中水中快速扫描仪 (AASS) 系统,用于高效地检测水下垃圾. 综合方法显著提高了识别水产废物的准确性.
科学领域:
- 环境科学 环境科学
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 水下垃圾对全球水生生态系统构成重大威胁.
- 现有的自动化监控技术往往是低效的,昂贵的,并且受到环境条件的限制.
- 对于可访问,高效的技术来实现自动水下废物检测,有着至关重要的需求.
研究的目的:
- 引入一个完整的系统来加强水下垃圾检测.
- 提高水产废物监测的效率和准确性.
- 为了利用消费者级技术进行环境监测.
主要方法:
- 航空水上快速扫描仪 (AASS) 的开发,用于高效的数据采集.
- 应用超分辨率重建 (SRR) 技术来提高图像质量.
- 与增强的YOLOv8物体检测网络集成,用于垃圾识别和分类.
主要成果:
- 与传统方法相比,AASS系统显示了数据采集效率的提高.
- 在水下图像中,SRR技术有效地减轻了运动模糊和低分辨率等问题.
- 在SRR框架内,RCAN模型在水下垃圾检测方面实现了78.6%的平均平均精度 (mAP).
- 与标准方法相比,在放大系数为4的SRR观察到改善的mAP.
结论:
- 拟议的AASS,SRR和YOLOv8综合系统有效地检测水下垃圾.
- 这种方法为有效和准确的水产废物监测提供了一个有希望的解决方案.
- 该技术有可能有助于管理和减轻湖泊,河流和海洋的污染.
