一种基于YOLOv5DS的漂浮物检测和河道分割方法技术

本发明专利技术涉及一种基于YOLOv5DS的漂浮物检测和河道分割方法，包括：数据采集；数据集制作；数据增强；构建YOLOv5DS网络模型，并添加分割损失函数；训练YOLOv5DS网络模型，并进行评估；应用模型对漂浮物测试集进行检测和分割结果测试。本发明专利技术的有益效果是：本发明专利技术采用了一个基于YOLOv5DS的网络模型解决漂浮物检测和河道分割双任务，为实现多任务的目标减少了模型的复杂度；这其中结合了图像处理，深度学习，目标检测和分割等相关技术，采用YOLO网络实时检测和分割，降低了人工河道作业劳动成本，提高工作效率。高工作效率。高工作效率。

【技术实现步骤摘要】
一种基于YOLOv5DS的漂浮物检测和河道分割方法


[0001]本专利技术涉及水面监测
，更确切地说，它涉及一种基于YOLOv5DS的漂浮物检测和河道分割方法。

技术介绍

[0002]地球上的水资源总量约为14亿立方公里，但其中淡水资源只占2.5％，而在淡水资源中也仅有0.01％水资源适合人类使用。然而随着工业进步和社会的不断发展，水面漂浮物污染问题严重影响人类的生产和生活，漂浮物的污染问题已经成为现阶段我国迫在眉睫的环境安全问题。
[0003]目前国内对水面漂浮物的处理方式主要采用人工打捞或机械清理等。传统清理方式需要大量人力，清理效率也较低。

技术实现思路

[0004]本专利技术的目的是针对现有技术的不足，提出了一种基于YOLOv5DS的漂浮物检测和河道分割方法。
[0005]第一方面，提供了一种基于YOLOv5DS的漂浮物检测和河道分割方法，包括：
[0006]S1、通过无人船摄像头采集河道水面视频；
[0007]S2、取视频中每一帧图像，使用图片标注工具对每张图像进行目标检测和图像分割数据集标注，获得漂浮物数据集；漂浮物数据集包括漂浮物训练集和漂浮物测试集；
[0008]S3、运用数据增强的方法对漂浮物数据集进行不同程度的增强；
[0009]S4、构建YOLOv5DS网络模型，使用S3获取的数据增强之后的漂浮物训练集图像对YOLOv5DS网络模型训练；
[0010]S5、使用S4中获取的最优模型参数权重对S2获取的漂浮物测试集进行检测和分割结果测试。
[0011]作为优选，S2中，采用LabelImg工具标注漂浮物的位置信息，采用Labelme工具标注水面区域信息；并采用6:4的比例将漂浮物数据集划分为漂浮物训练集和漂浮物测试集。
[0012]作为优选，S3包括：
[0013]S301、每次对四张数据集图像随机翻转、缩放和颜色变换；
[0014]S302、加入高斯噪声；
[0015]S303、将处理后的四张数据集图像按照四个角摆放方式合成一张新的数据图像。
[0016]作为优选，S3还包括：HSV颜色变换，对称变换和采用Mixup数据增强方法对河道图像多方面扩充。
[0017]作为优选，S4中，构建YOLOv5DS网络模型时，加入了分割任务头；在Neck部分的FPN的输出特征层，分辨率为的特征图送入到分割的分支；分割层的结构为三次上采样层，将特征图的输出特征尺寸变为(W,J,2),其中W和H表示特征图的宽和高。
[0018]作为优选，S4中，YOLOv5DS网络模型的输出端包括检测输出端和分割输出端，
YOLOv5DS网络模型的损失函数包括检测损失L
det
和分割损失L
seg
，总损失L
all
的计算公式为：
[0019]L
all
＝βL
det
+βL
seg
[0020]其中，α和β为损失平衡参数，根据经验设定数值；检测输出端使用损失函数CIOU
‑
Loss计算边界框损失计算边界框回归，分割输出端使用带有Logits的交叉熵损失计算；CIOU
‑
Loss考虑了三个集合因素，分别为：重叠面积、中心点距离和长宽比，其计算公式如下：
[0021][0022][0023][0024]其中，A和B代表真实框和检测框，Distance_22是预测框和真实框的两个中心点的欧几里得距离，Distance_C2是预测框和真实最小外接矩形的对角线距离，IOU表示预测框与真实框的交并比，v表示衡量长宽比一致性的参数，w
gt
和h
gt
是真实框的宽和高，w
p
和h
p
是预测框的宽和高。
[0025]作为优选，S4中，还包括：对YOLOv5DS模型训练的效果进行评估，评估指标包括：mAP，Precision，mPA和mIOU；计算公式如下：
[0026][0027][0028][0029][0030]其中，AP表示平均精度，TP表示真正例，FN表示假反例，FP表示假正例，TN表示真反例，AP
i
表示某一类别的平均准确度，K表示检测目标的类别数，N表示分割目标类别数。
[0031]第二方面，提供了一种基于YOLOv5DS的漂浮物检测和河道分割装置，用于执行第一方面任一所述的基于YOLOv5DS的漂浮物检测和河道分割方法，包括：
[0032]采集模块，用于通过无人船摄像头采集河道水面视频；
[0033]标注模块，用于取视频中每一帧图像，使用图片标注工具对每张图像进行目标检测和图像分割数据集标注，获得漂浮物数据集；漂浮物数据集包括漂浮物训练集和漂浮物测试集；
[0034]增强模块，用于运用数据增强的方法对漂浮物数据集进行不同程度的增强；
[0035]构建模块，用于构建YOLOv5DS网络模型，使用增强模块获取的数据增强之后的漂浮物训练集图像对YOLOv5DS网络模型训练；
[0036]测试模块，用于使用构建模块中获取的最优模型参数权重对标注模块获取的漂浮
物测试集进行检测和分割结果测试。
[0037]第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述的基于YOLOv5DS的漂浮物检测和河道分割方法。
[0038]本专利技术的有益效果是：本专利技术采用了一个基于YOLOv5DS的网络解决漂浮物检测和河道分割双任务，为实现多任务的目标减少了模型的复杂度。这其中结合了图像处理，深度学习，目标检测和分割等相关技术，采用YOLO网络实时检测和分割，降低了人工河道作业劳动成本，提高工作效率。
附图说明
[0039]图1为一种基于YOLOv5DS的漂浮物检测和河道分割方法的流程图；
[0040]图2为YOLOv5DS结构图；
[0041]图3为检测分割效果展示图。
具体实施方式
[0042]下面结合实施例对本专利技术做进一步描述。下述实施例的说明只是用于帮助理解本专利技术。应当指出，对于本
的普通人员来说，在不脱离本专利技术原理的前提下，还可以对本专利技术进行若干修饰，这些改进和修饰也落入本专利技术权利要求的保护范围内。
[0043]实施例1：
[0044]为了解决现有技术的问题，本申请提供了基于YOLOv5DS的漂浮物检测和河道分割方法，构建了YOLOv5DS网络模型，其中的D表示Detection，S表示Segmentation，该模型用于完成检测任务和分割任务。本申请实施例基于一个深度卷积神经网络学习模型，提高细节特征信息的回归有效性，在同时执行两个任务的准确率和实时性上具有一定的优势。
[0045]具体的，如图1所示，本申请实施例提供的基于YOLOv5DS的漂浮物检测和河道本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv5DS的漂浮物检测和河道分割方法，其特征在于，包括：S1、通过无人船摄像头采集河道水面视频；S2、取视频中每一帧图像，使用图片标注工具对每张图像进行目标检测和图像分割数据集标注，获得漂浮物数据集；漂浮物数据集包括漂浮物训练集和漂浮物测试集；S3、运用数据增强的方法对漂浮物数据集进行不同程度的增强；S4、构建YOLOv5DS网络模型，使用S3获取的数据增强之后的漂浮物训练集图像对YOLOv5DS网络模型训练；S5、使用S4中获取的最优模型参数权重对S2获取的漂浮物测试集进行检测和分割结果测试。2.根据权利要求1所述的基于YOLOv5DS的漂浮物检测和河道分割方法，其特征在于，S2中，采用LabelImg工具标注漂浮物的位置信息，采用Labelme工具标注水面区域信息；并采用6:4的比例将漂浮物数据集划分为漂浮物训练集和漂浮物测试集。3.根据权利要求2所述的基于YOLOv5DS的漂浮物检测和河道分割方法，其特征在于，S3包括：S301、每次对四张数据集图像随机翻转、缩放和颜色变换；S302、加入高斯噪声；S303、将处理后的四张数据集图像按照四个角摆放方式合成一张新的数据图像。4.根据权利要求3所述的基于YOLOv5DS的漂浮物检测和河道分割方法，其特征在于，S3还包括：HSV颜色变换，对称变换和采用Mixup数据增强方法对河道图像多方面扩充。5.根据权利要求4所述的基于YOLOv5DS的漂浮物检测和河道分割方法，其特征在于，S4中，构建YOLOv5DS网络模型时，加入了分割任务头；在Neck部分的FPN的输出特征层，分辨率为的特征图送入到分割的分支；分割层的结构为三次上采样层，将特征图的输出特征尺寸变为(W,H,2),其中W和H表示特征图的宽和高。6.根据权利要求5所述的基于YOLOv5DS的漂浮物检测和河道分割方法，其特征在于，S4中，YOLOv5DS网络模型的输出端包括检测输出端和分割输出端，YOLOv5DS网络模型的损失函数包括检测损失L
det
和分割损失L
seg
，总损失L
all
的计算公式为：L
all
＝αL
det
+βL
seg
其中，α和β为损失平衡参数，根据经验设定数值；检测输出端使用损失函数CIOU
‑
Loss计算边界框损失计算边界框...

【专利技术属性】
技术研发人员：李艳君，刘鑫瑞，徐东伟，秦云龙，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：