基于Paddlex的河道漂浮物及污染水体检测技术研究

河道治理是城市环境治理的重要部分,传统河道治理需要人工开船巡检河道漂浮垃圾及污染物,不但耗时耗力,且巡检过程本身也增加了一定的污染。利用无人机巡查河道,及时发现污染源,可以做到早发现早处理,是当前地表水监测的热点。结合人工智能技术,通过无人机实时回传的河道水体图像构建河道漂浮物垃圾或水表污染数据集,并进行自动识别,在发现漂浮物垃圾或污染水体后再通过无人机寻找污染源,可进一步提高河道巡检的效率。基于飞桨Paddlex模型的YOLOv5s目标检测算法,鉴于河道水体图片识别存在类别不均衡、检测目标在无人机影像中占比较小、存在光影干扰等情况,在多尺度检测以及数据增强等方面进行了针对性改进。研究结果表明,经过深度学习,在20m低空对河道漂浮物垃圾或污染水体(水体颜色或污染泡沫等)可进行识别和分类,能够为河道治理实时提供一些决策依据。