申请/专利权人：艾迪恩(山东)科技有限公司;西南交通大学烟台新一代信息技术研究院

申请日：2022-09-17

公开（公告）日：2024-02-02

公开（公告）号：CN115439765B

主分类号：G06V20/17

分类号：G06V20/17;G06V10/42;G06V10/44;G06V10/52;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/08;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.02.02#授权;2022.12.23#实质审查的生效;2022.12.06#公开

摘要：本发明提供了一种基于机器学习无人机视角下海洋塑料垃圾旋转检测方法，技术方案包括以下步骤：步骤1）收集海洋塑料垃圾数据并划分数据集，步骤2）对原始YOLOv5模型进行网络结构初始化改进，步骤3）对改进后的YOLOv5模型进行训练，步骤4）利用最终改进后的YOLOv5目标检测模型进行检测：本发明通过改进YOLOv5目标检测算法对无人机视角下海洋垃圾实现精准识别，识别率高，对塑料垃圾的检测精度高，并且改进后的算法检测速度快，能够满足无人机实时检测要求。

主权项：1.基于机器学习无人机视角下海洋塑料垃圾旋转检测方法，包括以下步骤：步骤1）收集海洋塑料垃圾数据并划分数据集：采集海洋塑料垃圾数据，对海洋塑料垃圾数据进行分类旋转框的标注，并将处理好的数据集划分为训练集、验证集以及测试集；步骤2）对原始YOLOv5模型进行网络结构初始化改进：通过在原始YOLOv5基础上优化网络结构，得到改进后的YOLOv5模型；在所述改进后的YOLOv5模型中，采用包括DownSampleFirst结构、DownSample结构、resblock结构替换原始YOLOv5的骨干网络，其中DownSample层在原始YOLOv5原C3基础上增加了两层卷积，且将原始YOLOv5颈部网络中的C3结构替换为多层卷积，并在下采样之前增加一层卷积；步骤3）对改进后的YOLOv5模型进行训练：步骤3.1）将步骤1中的训练集输入上述步骤2中得到的改进后的YOLOv5模型，其中特征金字塔网络特征提取模块把训练集中特征图的低分辨率、高语义信息的高层特征信息和高分辨率、低语义信息的低层特征信息进行自上而下的侧边连接，使得所有尺度下的特征图都有丰富的语义信息；步骤3.2）设置训练参数：学习率设置为0.001，输入图片大小调整为960*960；步骤3.3）将步骤3.1中提取的特征图输入到改进后YOLOv5模型的颈部网络，使用SPP模块实现局部特征和全局特征的特征图融合，丰富最终特征图的表达能力，采用两个上采样和两个下采样，输出加强后的海洋塑料垃圾特征图；步骤3.4）将步骤3.3输出的加强特征图输入到改进后YOLOv5模型的头部网络，进行不同尺度的检测，并且在每一层都设置大小不同的anchor；步骤3.5）将步骤3.4所获得的对训练集的初步检测结果代入损失函数中，各类损失共同促进网络权重参数的更新，各类损失计算迭代结束后，利用步骤1的验证集验证模型效果，而后得到最终改进后的YOLOv5目标检测模型；所述的损失函数描述为： 1其中，回归部分的损失函数描述为： 2式中，，；式中：为交并比的平均值，为定位权重，默认设置为1，N表示锚框数量，表示预测的框，表示真实的框，表示预测框的角度，表示真实框的角度，表示预测框的坐标，表示真实框的坐标；步骤4）利用最终改进后的YOLOv5目标检测模型进行检测：将步骤1的测试集输入到步骤3.5得到的最终改进后的YOLOv5目标检测模型进行检测，得到海洋塑料垃圾数据检出结果。

全文数据：

权利要求：

百度查询： 艾迪恩(山东)科技有限公司;西南交通大学烟台新一代信息技术研究院 基于机器学习无人机视角下海洋塑料垃圾旋转检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD