使用计算机视觉在水生环境中的塑料水瓶检测模型
Andrew Heller1, Matthew Jacobs1, Gilberto Acosta-González2
1Catholic University of America, Department of Electrical Engineering and Computer Science, Washington D.C., 20064, United States.
Scientific reports
|July 10, 2025
概括
这项研究引入了一种使用计算机视觉和深度学习来计算河流中的塑料瓶的自动化方法,大大提高了流域垃圾监测的准确性并减少了手工工作.
科学领域:
- 环境科学环境科学
- 计算机科学 计算机科学
- 机器学习 机器学习
背景情况:
- 由于使用人工,劳动密集型方法,测量流域宏观垃圾污染是具有挑战性的.
- 准确量化水生环境中的塑料污染对有效管理至关重要.
研究的目的:
- 开发一个自动化系统来计算河流和溪流中的塑料瓶.
- 为了利用计算机视觉和深度学习来有效地跟踪废物.
主要方法:
- 使用YOLOv8对象检测模型,对各种垃圾和塑料瓶图像数据集进行训练.
- 集成的Norfair对象跟踪库用于持续监控.
- 开发了一种新的后处理算法,以最大限度地减少假阳性.
主要成果:
- 在检测和跟踪塑料瓶方面实现了高性能.
- 在测试场景中,证明了非常高的准确性,只有一次假阳性.
- 对于塑料瓶检测,获得了超过0.947的召回率.
结论:
- 自动化方法为流域宏观垃圾监测提供了高度准确和高效的解决方案.
- 这项技术可以显著减少污染评估所需的劳动力和时间.
- 开发的模型为在水生生态系统中追踪塑料垃圾提供了可靠的工具.
