基于YOLO V5算法在近海漂浮垃圾檢測(cè)上的應(yīng)用

李嘉俊 曹文鵬 王睿恒 李偉嘉 郭懷睦

摘 要：目前近海洋垃圾打撈遠(yuǎn)海主要人工打撈，有著人工效率低、大型水面清理機(jī)械無法清理，人工作業(yè)風(fēng)險(xiǎn)大的問題，文章提出了基于YOLO V5的垃圾自動(dòng)檢測(cè)。首先，在近海面拍攝漂浮物圖像并轉(zhuǎn)化為HSV模型;接下來，檢測(cè)垃圾特征;最后，對(duì)比數(shù)據(jù)庫輸出結(jié)果。結(jié)果顯示：該方法能夠有效完成在近海海洋識(shí)別漂浮物。

關(guān)鍵詞：YOLO V5、RGB顏色空間、HSV 顏色空間

捕捉可疑漂浮物區(qū)域

在YOLO V5算法中導(dǎo)入YOLO V5中超參數(shù)配置文件，加入augment_hsv函數(shù)，它能夠返回調(diào)整之后的圖片，而不直接覆蓋輸入圖片。

def augment_hsv（img， hgain=0.5， sgain=0.5， vgain=0.5）：

r = np.random.uniform（-1， 1， 3） * [hgain， sgain， vgain] + 1 ?# random gains

hue， sat， val = cv2.split（cv2.cvtColor（img， cv2.COLOR_BGR2HSV））

dtype = img.dtype ?# uint8

x = np.arange（0， 256， dtype=np.int16）

lut_hue = （（x * r[0]） % 180）.astype（dtype）

lut_sat = np.clip（x * r[1]， 0， 255）.astype（dtype）

lut_val = np.clip（x * r[2]， 0， 255）.astype（dtype）

img_hsv = cv2.merge（（cv2.LUT（hue， lut_hue）， cv2.LUT（sat， lut_sat）， cv2.LUT（val， lut_val）））.astype（dtype）

img_hsv = cv2.cvtColor（img_hsv， cv2.COLOR_HSV2BGR）

return img_hsv

近海面的背景環(huán)境存在諸多干擾項(xiàng)，除了有漂浮物，還有天空的倒影、漂浮物的倒影、泡沫等，存在許多顏色近似的干擾項(xiàng)，影響了海面漂浮物識(shí)別。因此必須采取方法把近似干擾項(xiàng)排除。通過把對(duì)象有RGB顏色空間轉(zhuǎn)換為HSV 顏色空間，像人眼分析物體色度、飽和度、明亮值，正確提取漂浮物區(qū)域。

2.改進(jìn)對(duì)小目標(biāo)和鄰近目標(biāo)檢測(cè)效果與輕量化設(shè)計(jì)

在近海洋海面上，因?yàn)榧撅L(fēng)、洋流的原因，靠近海岸側(cè)垃圾相對(duì)集中，易于識(shí)別。但是隨著離海岸距離的增加，垃圾分布逐漸稀松，一些較小的垃圾提取出來像素偏小，識(shí)別難度上升。

通過引入 CIOU邊框回歸損失函數(shù)來提高回歸框準(zhǔn)確率;針對(duì)低功耗移動(dòng)設(shè)備終端的部署，以YOLO V5目標(biāo)檢測(cè)算法為基礎(chǔ) ，結(jié)合 MobileNetV3的特征提取網(wǎng)絡(luò) ，輕量化算法。

3.區(qū)分海域與海岸

利用視覺算法處理視頻幀圖像的目的是提取疑似垃圾區(qū)域。海面視頻幀圖像往往會(huì)包含海面區(qū)域和岸上區(qū)域。如果對(duì)整幀圖像進(jìn)行視覺計(jì)算處理，會(huì)大大增加計(jì)算量，延長(zhǎng)處理時(shí)間，不利于滿足實(shí)時(shí)性要求。 因此，有必要采取海岸線檢測(cè)技術(shù)，它既能有效地降低圖像處理的負(fù)擔(dān)，又不會(huì)丟棄圖像的有效信息， 是高效提取疑似海面垃圾區(qū)域的重要保證。 海岸線是對(duì)圖像中海面區(qū)域和岸上區(qū)域進(jìn)行分割的良好分界線。 海岸線檢測(cè)技術(shù)采用的方法是先對(duì)圖像進(jìn)行邊緣檢測(cè)，生成一張帶有圖像中所有邊緣信息的二值圖像， 接著采用霍夫變換對(duì)生成的二值圖像進(jìn)行特定形狀邊緣信息的提取， 提取出來的特定形狀的邊緣信息即為所求的水岸線邊緣輪廓。 最終，利用 水岸線邊緣輪廓對(duì)圖像中海面區(qū)域和岸上區(qū)域進(jìn)行分割。

參考文獻(xiàn)

[1]羅文俊，黃培燦，楊悅，陳耀鋒.基于機(jī)器視覺的湖面垃圾識(shí)別算法設(shè)計(jì)[J].工業(yè)控制計(jì)算機(jī)，2021，34（01）：77-78+127.

[2]王銘杰.基于YOLO V3的垃圾自動(dòng)定位及分類方法[J].無線互聯(lián)科技，2019，16（20）：110-112.

[3]CSDN博主「昌山小屋」玩轉(zhuǎn)yolov5請(qǐng)看代碼之a(chǎn)ugment_hsvhttps：//blog.csdn.net/ChuiGeDaQiQiu/article/details/113057867