金属矿山

作者：李德鑫闫志刚孙久运

单位：中国矿业大学环境与测绘学院，江苏 徐州221116

关键词：无人机,漂浮垃圾,分类检测,深度学习,小目标,

基金：国家自然科学基金项目（编号：41971370）

传统人工河道漂浮垃圾巡检耗时耗力，无人机、无人船河道巡检成为主要方式，目前尚局限于河道漂浮垃圾图像人工判读或简单计算机目标检测，缺乏对漂浮垃圾的自动分类检测。基于无人机航拍影像构建了研究区河道漂浮垃圾数据集，使用深度学习方法对垃圾进行分类识别。顾及河道漂浮垃圾类别不均衡以及在无人机影像中占比较小等情况，在多尺度检测以及数据增强等方面对YOLOv5s目标检测算法进行了针对性改进，经试验验证，改进后算法相较于原始算法，提升了对小目标的检测精度，其类别均衡准确率提高了3.47%。研究表明：将深度学习方法与无人机技术相结合能够高效、准确地对垃圾进行识别和分类，为治理河道漂浮垃圾提供决策依据。

来源：2021年第09期

《金属矿山》期刊编辑部

查看金属矿山杂志2021年第09期