一个注释数据集和基准,用于检测内陆水域的浮动碎片
Guangchao Qiao1,2, Mingxiang Yang3,4, Hao Wang1,2
1China Institute of Water Resources and Hydropower Research, Beijing, China.
Scientific data
|March 5, 2025
概括
清除海洋垃圾对海洋健康至关重要. 一个新的数据集,IWHR_AI_Lable_Floater_V1,有助于开发AI系统来检测水中的漂浮碎片,尽管目前的模型显示的准确性有限.
科学领域:
- 环境科学 环境科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 海洋垃圾对水生生态系统构成重大威胁.
- 从内陆水域有效地清除漂浮废物可以防止海洋污染.
- 精确的物体检测对于有效地去除水面碎片至关重要.
研究的目的:
- 引入第一个用于水面浮物检测的全面数据集.
- 为评估水生环境中的物体检测算法建立一个基准.
- 推进人工智能在水资源管理和污染控制方面的应用.
主要方法:
- 使用陆基拍摄设备开发IWHR_AI_Lable_Floater_V1数据集.
- 来自现实世界水场景的3000张注释图像的集合.
- 在新数据集上评估主流物体检测算法,包括YOLOv9.
主要成果:
- 拟议的数据集包含3000张图像,并为水面浮游物提供详细的注释.
- 基线实验显示,当前的物体检测模型的检测准确度很低,包括最先进的模型.
- 结果强调了在复杂的水环境中检测漂浮物体所面临的重大挑战.
结论:
- 在水中探测漂浮物体是一项具有挑战性的任务,需要进一步研究.
- IWHR_AI_Lable_Floater_V1数据集为开发改进的人工智能解决方案提供了宝贵的资源.
- 在人工智能驱动的物体检测方面的进步对于有效的海洋垃圾管理至关重要.
更多相关视频
05:31Sampling, Sorting, and Characterizing Microplastics in Aquatic Environments with High Suspended Sediment Loads and Large Floating Debris
Published on: July 28, 2018
15.9K
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
3.7K
