基于YOLOv5改进算法的海洋水下垃圾检测方法

针对水下图像采集存在的光线不足、低分辨率、物体识别不清和小目标较多等局限性导致现有的目标检测算法效果不佳的问题,提出一种基于YOLOv5改进的水下垃圾目标检测算法,以达到更快速更准确地检测和清除海洋水下塑料垃圾的目标。所提算法使用限制对比度自适应直方图均衡化CLAHE预处理方法来增强数据特征,降低特征提取的难度,提高检测精度;引入无参注意力机制SimAM和更换轻量级卷积方法GSConv,在增强网络提取能力的同时减少模型计算量;同时增加多尺度特征融合检测,解决水下垃圾碎屑小目标定位困难的问题。基于自建的真实水下环境垃圾数据集MarineTrash对改进的算法进行充分实验,结果表明,改进的方法具有良好的表现,其中精度提高了4.3个百分点,mAP提高了3.5个百分点,GFLOPs降低了0.3,模型权重仅为13.9 MB,比基线降低了0.6 MB。基于YOLOv5改进的水下垃圾检测算法的研究对于在自主式水下机器人(AUVs)中部署安装探测器,以实现对海洋水下垃圾的检测和自动清除,维护海洋生态系统提供了充分的技术支撑。