基于 SSD 深度网络的河道漂浮物检测技术研究

来源：计算机技术与发展杂志2020年第09期北京时间：

作者：唐小敏;舒远仲;刘文祥;刘金梅

摘要：针对无人机拍摄河流视频影像进行河流漂浮物的自动提取识别,提出了一种基于 SSD(single shot multibox detector)深度网络的河流漂浮物识别方法,SSD 利用 COCO 数据集的预训练网络模型进行迁移训练。 为得到漂浮物数据,利用传统图像处理技术对视频帧进行河流提取,河流提取准确率达 91.4%。 以河流视频截取图像为样本并采用软数据增强技术对漂浮物图像进行一定扩充,利用多种特征提取网络的 SSD 和 Faster R-CNN 深度网络进行样本训练并比较结果。实验结果表明,基于 ResNet-101 的 SSD 和 Faster R-CNN 深度网络模型召回率为 61.67% 和 58.83% ,F1 值为 71.29% 和 69.55% ,精度为 84.47% 和 85.05% 。 经实验数据对比分析,基于 ResNet-101 的 SSD 深度网络提高了河流漂浮物的精确检测。 利用传统图像处理技术和深度学习方法相结合能够准确、高效地识别出河流漂浮物,为无人机边缘计算提供研究基础和参考。

关键词：河流漂浮物;图像处理;深度学习;SSD;目标识别