基于机器视觉的水下垃圾清理机器人已经成为修复海洋生态的一种有效手段,但是由于复杂的水下环境会造成采集图像的分辨率较低,导致垃圾检测精度较低。针对上述问题,提出一种基于改进YOLOX-S网络的水下垃圾检测算法,该算法通过采用空间...基于机器视觉的水下垃圾清理机器人已经成为修复海洋生态的一种有效手段,但是由于复杂的水下环境会造成采集图像的分辨率较低,导致垃圾检测精度较低。针对上述问题,提出一种基于改进YOLOX-S网络的水下垃圾检测算法,该算法通过采用空间到深度卷积模块代替下采样模块提高了图像中物体有效特征的提取能力,提升了其检测精度;主干网络引入空洞空间卷积池化金字塔模块增强了深层特征提取能力,以及颈部网络引入轻量化幽灵混洗卷积模块和Vov幽灵混洗跨阶段瓶颈模块获取了更多的多尺度特征信息,进一步提升检测精度。实验结果表明,在YOLOX网络中引入空间到深度卷积模块、幽灵混洗卷积模块和Vov幽灵混洗跨阶段瓶颈模块、空洞空间卷积池化金字塔模块均可提高YOLOX模型的检测精度。改进后YOLOX-S模型的平均精度均值(mean average precision,mAP)达到了67.4%,较原YOLOX-S模型提高了3.1%,有效提升了复杂海洋环境中的垃圾检测能力。展开更多
文摘基于机器视觉的水下垃圾清理机器人已经成为修复海洋生态的一种有效手段,但是由于复杂的水下环境会造成采集图像的分辨率较低,导致垃圾检测精度较低。针对上述问题,提出一种基于改进YOLOX-S网络的水下垃圾检测算法,该算法通过采用空间到深度卷积模块代替下采样模块提高了图像中物体有效特征的提取能力,提升了其检测精度;主干网络引入空洞空间卷积池化金字塔模块增强了深层特征提取能力,以及颈部网络引入轻量化幽灵混洗卷积模块和Vov幽灵混洗跨阶段瓶颈模块获取了更多的多尺度特征信息,进一步提升检测精度。实验结果表明,在YOLOX网络中引入空间到深度卷积模块、幽灵混洗卷积模块和Vov幽灵混洗跨阶段瓶颈模块、空洞空间卷积池化金字塔模块均可提高YOLOX模型的检测精度。改进后YOLOX-S模型的平均精度均值(mean average precision,mAP)达到了67.4%,较原YOLOX-S模型提高了3.1%,有效提升了复杂海洋环境中的垃圾检测能力。
