申请/专利权人:四川省长葫灌区运管中心
申请日:2024-01-18
公开(公告)日:2024-05-14
公开(公告)号:CN118038255A
主分类号:G06V20/05
分类号:G06V20/05;G06V10/44;G06V10/42;G06V10/52;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.31#实质审查的生效;2024.05.14#公开
摘要:本发明公开了一种基于改进YOLOv5模型的水下垃圾检测方法,步骤包括:从公开数据集中选取若干张图像作为原始数据集,并对数据集进行预处理及划分;通过Mosaic方法进行数据增强;构建基于改进YOLOv5模型的水下垃圾检测模型;将训练集和验证集送入改进YOLOv5模型中进行训练与验证,将表现最好的改进YOLOv5模型作为最终的水下垃圾检测模型;将测试集输入到训练完成后的模型中进行测试;将待检测图像输入到最终的水下垃圾检测模型中,输出检测框并在图像中标注出垃圾所在的位置。本发明利用深度学习方法,能够在水中光照不强和悬浮颗粒等的不利条件下更准确更快速地检测出不同尺度大小的水下垃圾,提高水下垃圾检测的性能,有助于改善水体的环境质量。
主权项:1.一种基于改进YOLOv5模型的水下垃圾检测方法,其特征在于,包括如下步骤:S1、从公开数据集中选取若干张图像作为原始数据集,并对数据集进行预处理及划分为训练集,验证集和测试集;S2、通过Mosaic方法对训练集进行数据增强;S3、构建一个基于改进YOLOv5模型的水下垃圾检测模型;S4、将训练集和验证集送入改进YOLOv5模型中进行训练与验证,然后将表现最好的改进YOLOv5模型作为最终的水下垃圾检测模型;S5、将测试集输入到训练完成后的改进YOLOv5模型中进行测试;S6、将待检测图像输入到最终的水下垃圾检测模型中,模型输出检测框并在图像中标注出垃圾所在的位置。
全文数据:
权利要求:
百度查询: 四川省长葫灌区运管中心 一种基于改进YOLOv5模型的水下垃圾检测方法
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。