【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种多分支辅助融合改进yolov10无人机水面物体目标检测方法。
技术介绍
1、水资源是自然界中极为重要的组成元素，海洋和湖泊约占地球面积的71％，然而其中只有2.5％是淡水，淡水中只有0.01％适合人类使用。但随着工业进步和社会发展，湖泊面临着重金属、化学制剂、塑料制品等多种因素的污染，具体来说，河道中的漂浮物，包括生活垃圾、工业废弃物、农业残留物以及死亡的动植物，严重破坏了水质和河流景观。这些污染物不仅影响了河流的自然美观，还破坏了水生生态系统，影响了水生动植物的生长和繁殖。特别令人关注的是塑料和泡沫等难以降解的物质，这些物质在河流中积累，难以自然分解。它们不仅影响河流的生态环境，还随河流径流进入海洋，成为造成海洋垃圾和微塑料污染的主要原因之一。目前清理水面漂浮物的方法还是依靠人工去打捞清理，但这种方法效率低下，成本高昂，且难以实现持续和全面的清洁。因此，发展高效的自动化清洁技术对于维护河流的生态平衡和美丽景观至关重要。
2、湖泊水面漂浮物识别技术的一大优势在于其能够同时检测多个目标。然而，为了充分发挥这一优势，必须提高目标特征信息的准确提取。在实际应用中，图像目标特征提取的准确性对湖泊水面漂浮物识别系统的动态性能影响巨大。如果目标特征信息提取不准确，可能会导致漏识别或误识别的问题，从而削弱多目标识别的优势。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种多分支辅助融合改进yolov10无人机水面物体目标检测方法，解决目标
2、技术方案：本专利技术所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测方法，包括以下步骤：
3、(1)在湖泊水域环境下利用无人机采拍摄不同高度下的湖泊水面漂浮物影像，同时，记录湖泊水面整体状况，将拍摄的视频按设定帧率提取关键帧并将图像数据保存至计算机中；
4、(2)选择适当的标注工具，对步骤1中保存的图片进行数据集的标注工作；
5、(3)通过对数据集中的图片和对应的标注信息进行数据增强，然后将增强后的数据集按比例划分数据集为训练集、测试集和验证集；
6、(4)使用yolov10模型并进行改进，搭建基于多分支辅助融合改进yolov10模型下的目标检测网络，利用获得的数据集进行模型训练和验证；
7、(5)使用标注数据训练经典目标检测算法模型，并通过比较多分支辅助融合改进的yolov10模型与这些经典模型的结果，评估其在目标检测性能方面的表现。
8、进一步的，步骤(2)具体如下：使用labelimg标注工具，框选出漂浮物目标；将标注完成的voc格式数据集进行转化，需要把xml格式的标注文件转化为yolov10训练用的txt格式的文件。
9、进一步的，步骤(3)具体如下：通过水平翻转、随机亮度、随机平移和自适应直方图均衡这四种方式，对数据集和对应的标注信息进行了数据增强。
10、进一步的，步骤(4)包括以下步骤：
11、(41)设计轻量级的c2f-edwib替换主干网络中的传统c2f模块，有效实现了模型的轻量化，并显著减少了参数量与计算量；
12、(42)采用mafpn代替原有的pan作为neck网络；
13、(43)在neck部分输出的特征图后增加了轻量化注意力机制triplet attention；
14、(44)引入新的损失函数替换yolov10中原有的损失函数。
15、进一步的，步骤(41)具体如下：首先输入特征图经过一个3x3的额外深卷积层处理，接着，特征图通扩展卷积层进行处理，通过1x1卷积核增加特征图的通道数，使网络能够在后续层中捕获更复杂的特征，然后，另一个3x3的深度卷积层继续处理特征图，加深对特征的提取；最后，投影卷积层使用1x1卷积核减少特征通道数，为输出或进一步处理准备特征图。在网络的末端，添加一个残差连接将原始输入添加到最终的特征图上。
16、进一步的，步骤(42)具体如下：在颈部结构中，第一个自底向上的路径利用浅层辅助融合saf模块从主干网络提取多尺度特征，并进行初步融合，以增强模型对细节的感知能力；第二个自顶向下的路径则通过高级辅助融合aaf模块，进行更密集的连接，以整合各层的梯度信息，进而在多个分辨率层面上产生多样化的检测输出。
17、进一步的，步骤(43)中，triplet attention由三个分支组成，前两个分支负责通道和空间中的宽或高之间的维度交互，第三分支用于构建空间注意力。
18、进一步的，mpdiou作为损失函数，表示方式见公式为:
19、lmpdiou＝1-mpdiou
20、其中，mpdiou的定义式如下：
21、
22、其中，w、h分别表示输入图像的宽度、高度；分别表示a的左上角、右下角点坐标；分别表示b的左上角、右下角点坐标；其中计算的分别是a、b左上角、右下角点坐标的欧氏距离；iou为交并比。
23、本专利技术所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测系统，包括：
24、图像采集模块：用于在湖泊水域环境下，使用无人机采集湖泊水面漂浮物图像，通过调节无人机飞行高度，拍摄不同高度下的湖泊水面漂浮物影像。同时，记录湖泊水面整体状况，将拍摄的视频按设定帧率提取关键帧并将图像数据保存至计算机中；
25、图像标注模块：选择适当的标注工具，对保存的图片进行数据集的标注工作；
26、数据增强模块：用于通过对数据集中的图片和对应的标注信息进行数据增强，然后将增强后的数据集按比例划分数据集为训练集、测试集和验证集；
27、模型搭建模块：用于使用yolov10模型并进行改进，搭建基于多分支辅助融合改进yolov10模型下的目标检测网络，根据步骤3所获得的数据集进行模型训练和验证；
28、模型评价模块：用于使用标注数据训练经典目标检测算法模型，并通过比较多分支辅助融合改进的yolov10模型与这些经典模型的结果，评估其在目标检测性能方面的表现。
29、本专利技术所述的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现任一项所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测方法。
30、本专利技术所述的一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测方法。
31、有益效果：与现有技术相比，本专利技术具有如下显著优点：本专利技术通过轻量级的c2f-edwib模块，有效提升了模型的检测速度和准确性；本专利技术采用mafpn代替传统的pan作为neck网络，并引入轻量化注意力机制triplet attention，显著降低了网络的参数量本文档来自技高网...
【技术保护点】
1.一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，步骤(2)具体如下：使用LabelImg标注工具，框选出漂浮物目标；将标注完成的VOC格式数据集进行转化，需要把xml格式的标注文件转化为YOLOv10训练用的txt格式的文件。
3.根据权利要求1所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，步骤(3)具体如下：通过水平翻转、随机亮度、随机平移和自适应直方图均衡这四种方式，对数据集和对应的标注信息进行了数据增强。
4.根据权利要求1所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，步骤(4)包括以下步骤：
5.根据权利要求4所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，步骤(41)具体如下：首先输入特征图经过一个3x3的额外深卷积层处理，接着，特征图通扩展卷积层进行处理，通过1x1卷积核
6.根据权利要求4所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，步骤(42)具体如下：在颈部结构中，第一个自底向上的路径利用浅层辅助融合SAF模块从主干网络提取多尺度特征，并进行初步融合，以增强模型对细节的感知能力；第二个自顶向下的路径则通过高级辅助融合AAF模块，进行更密集的连接，以整合各层的梯度信息，进而在多个分辨率层面上产生多样化的检测输出。
7.根据权利要求4所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，步骤(43)中，Triplet Attention由三个分支组成，前两个分支负责通道和空间中的宽或高之间的维度交互，第三分支用于构建空间注意力。
8.根据权利要求4所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法，其特征在于，MPDIoU作为损失函数，表示方式见公式为:
9.一种多分支辅助融合改进YOLOv10无人机水面物体目标检测系统，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-8任一项所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法。
11.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1-8任一项所述的一种多分支辅助融合改进YOLOv10无人机水面物体目标检测方法。
...【技术特征摘要】
1.一种多分支辅助融合改进yolov10无人机水面物体目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测方法，其特征在于，步骤(2)具体如下：使用labelimg标注工具，框选出漂浮物目标；将标注完成的voc格式数据集进行转化，需要把xml格式的标注文件转化为yolov10训练用的txt格式的文件。
3.根据权利要求1所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测方法，其特征在于，步骤(3)具体如下：通过水平翻转、随机亮度、随机平移和自适应直方图均衡这四种方式，对数据集和对应的标注信息进行了数据增强。
4.根据权利要求1所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测方法，其特征在于，步骤(4)包括以下步骤：
5.根据权利要求4所述的一种多分支辅助融合改进yolov10无人机水面物体目标检测方法，其特征在于，步骤(41)具体如下：首先输入特征图经过一个3x3的额外深卷积层处理，接着，特征图通扩展卷积层进行处理，通过1x1卷积核增加特征图的通道数，使网络能够在后续层中捕获更复杂的特征，然后，另一个3x3的深度卷积层继续处理特征图，加深对特征的提取；最后，投影卷积层使用1x1卷积核减少特征通道数，为输出或进一步处理准备特征图。在网络的末端，添加一个残差连接将原始输入添加到最终的特征图上。
6.根据权利要求4所述的一种多分支辅助...
【专利技术属性】
技术研发人员：卫晋松，于银山，张慧，丁萍，丁明鉴，唐旭，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。