改进YOLOv5s的明渠漂浮垃圾实时检测方法

作者：石露露^*; 廖光忠

来源：计算机技术与发展, 2023, 33(09): 83-90.

DOI：10.3969/j.issn.1673-629X.2023.09.013

• YOLOv5s
• 实时检测
• 加权双向特征融合
• 注意力机制
• 小目标

针对航拍图像上明渠漂浮垃圾尺寸小，且易受水面倒影、强光等因素干扰从而造成漂浮垃圾漏检和误检的问题，提出了一种基于改进YOLOv5s的明渠漂浮垃圾实时检测方法。首先，通过数据增强的方式对数据集进行扩充，避免数据量过少产生过拟合现象；然后，结合加权双向特征融合网络(BiFPN),对YOLOv5s结构的特征融合过程进行修改，以提高检测精度和速度；并且在Neck和Head部分之间添加3个改进的三维CBAM注意力机制模块，加强网络信息的提取和定位能力，能够有效地降低检测的漏检率和误检率；最后，增大网络输入的分辨率，使图像具有更加丰富的细节信息和更加精确的位置信息，有利于小目标特征信息的提取。实验结果显示改进的YOLOv5s算法检测的平均精度达到了89.9%,与原YOLOv5s算法相比提高了9.5%,而且与其他目标检测算法对比，能够提高明渠漂浮垃圾检测的精度，确保检测的实时性。

• 出版日期2023
• 单位武汉科技大学; 智能信息处理与实时工业系统湖北省重点实验室