基于轻量级算法的水上垃圾小目标检测研究

作     者：徐尽达 陈慈发 张上 

作者机构：水电工程智能视觉监测湖北省重点实验室 湖北省建筑质量检测装备工程技术研究中心 三峡大学计算机与信息学院 荆楚理工学院大数据研究中心 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0815[工学-水利工程] 0802[工学-机械工程] 

基　　金：湖北省大学生创新创业训练计划(S202311075047)项目资助 

主　　题：水上垃圾检测 轻量化 小目标 损失函数 通道剪枝 

摘      要：针对水上漂浮垃圾检测中微小目标物体数量占比高、检测画面易受到水面波动和岸边环境反光等多重因素的干扰、检测模型庞大的参数量和计算量对终端的部署的设备性能要求高等问题，拟提出一种轻量化、高精度、实时性的检测模型LS-YOLO。首先，该算法利用HS-FPN金字塔网络设计构造YOLOv8的Neck网络结构，构建的网络结构牺牲小部分精度，显著降低了模型的参数数量和计算复杂度。其次，通过引入CAA上下文锚定注意机制改进HS-FPN，捕获远程上下文信息来回升检测精度。然后通过更换损失函数为具有动态聚焦机制的Wise-IoUv3，大幅提升检测效果，增加模型鲁棒性。最后，使用LAMP剪枝技术对模型进行剪枝，减小模型的参数量和计算量。实验结果表明，改进后的LS-YOLO相比基准模型mAP50提升了0.9%，回归率提升了3.2%，参数量降至基准模型的19.83%，计算量降至基线的44.44%，模型大小降至基线的22.22%。经过优化后的检测算法不仅显著提升了检测性能与特征提取的精准度，同时也便于在资源受限的硬件平台上的部署操作。