改进 YOLOv5s 的明渠漂浮垃圾实时检测方法

来源：计算机技术与发展杂志2023年第09期北京时间：

作者：石露露;廖光忠

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 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,湖北 武汉 430065

摘要：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。

关键词：YOLOv5s;实时检测;加权双向特征融合;注意力机制;小目标