基于改进MobileNetV3 SSD的河道排污口目标检测研究

来源：环境监测管理与技术杂志2023年第5期北京时间：

作者：徐伟；上海海事大学,航运技术与控制工程交通行业重点实验室；王建华；上海海事大学,航运技术与控制工程交通行业重点实验室；郑翔；上海海事大学,航运技术与控制工程交通行业重点实验室；王昱博；上海海事大学,航运技术与控制工程交通行业重点实验室；冯居；上海海事大学,航运技术与控制工程交通行业重点实验室；姜洪岩；上海海事大学,航运技术与控制工程交通行业重点实验室；田雨；钱建华；张欣尧；

单位：上海海事大学,航运技术与控制工程交通行业重点实验室；上海海事大学,航运技术与控制工程交通行业重点实验室；上海海事大学,航运技术与控制工程交通行业重点实验室；上海海事大学,航运技术与控制工程交通行业重点实验室；上海海事大学,航运技术与控制工程交通行业重点实验室；上海海事大学,航运技术与控制工程交通行业重点实验室；上海遨拓深水装备技术开发有限公司；上海遨拓深水装备技术开发有限公司；上海遨拓深水装备技术开发有限公司；

摘要：为实现对水系入河排污口有效、准确的自动检测，提出一种基于改进MobileNetV3-SSD的深度学习模型。在MobileNetV3-SSD模型的基础上，使用K-means聚类算法和遗传算法，对先验框的宽高比进行调整，使得预测框更好地匹配真实框。引入多尺度特征融合模块，提高模型对小排污口的检测能力。引入改进的CBAM注意力模块，减少模型在排污口检测时计算的参数数量。使用可变形卷积替代普通卷积，自适应地捕获不同排污口的形态与尺度信息，提升模型的特征提取能力。实验结果表明，改进后MobileNetV3-SSD模型的平均精度为89.36%，F1分数为91.88%，较改进前分别提升4.83%和5.03%。

关键词：MobileNetV3-SSD模型,图像处理,深度学习,河道排污口,

基金资助：国家自然科学基金资助项目（62176150）