基于YOLOv5的水面垃圾目标检测

摘要：文章针对环境污染日益严峻的问题，提出使用YOLOv5辅助清理水面垃圾。YOLOv5使用Mosaic数据增强和自适应锚框计算，具有较高的处理精度。利用YOLOv5目标检测网络对水面垃圾检测，可快速准确地搜寻水面垃圾，从而减轻环卫工人的负担。笔者利用Labelimg软件对水面垃圾图像数据进行标注，整理并获得训练集。实验结果表明：基于YOLOv5的水面垃圾目标检测在检测精度和速率上都取得良好的结果。

关键词：目标检测；图像处理；深度学习；YOLOv5；水面垃圾

中图分类号：TP319        文献标识码：A

文章编号：1009-3044（2022）33-0028-03

随着人们逐步认识到环保的重要性，清理水面垃圾成为人们需要解决的一大难题，如何快速寻找水面垃圾成为提高清理工作效率的一个重要问题。目前，水面目标的检测算法大致可以分为三类，分别是基于红外成像传感器、基于激光雷达和基于视觉可见光的方法。然而，通过基于激光雷达和红外成像传感器的方法获取的图像在颜色、纹理和角点等图像处理特征上不具备显著差异，所以本项目使用一种基于深度学习的水面垃圾检测算法——YOLOv5，该算法具有检测精度高、体积小、速度快等优势，与本项目的垃圾目标检测最为契合[1]。

1 YOLOv5

YOLO算法用一个神经网络实现目标检测的分类和定位，在目标检测领域有较为广泛的应用。Ultralytics公司于2020年5月推出的YOLOv5继续沿用 YOLOv3和YOLOv4 的整体布局，它的优点是速度快、体积小、精度高等，其图像处理速度最快可达0.007s，即连续处理140帧图片仅需要1s。YOLOv5中共有四种模型，分别是YOLOv5s、YOLOv5m、YOLOv5x和YOLOv5l[2]。本文采用YOLOv5s。

YOLOV5s模型的基本组成部分：Input（数据输入端）、Backbone（主干部分）、Neck、Prediction（数据输出端）。YOLOv5的网络模型如图1。

1.1 Input

输入端使用Mosaic的处理方式来增强数据，对多张水面垃圾图片先进行随机的缩放和裁剪处理，之后再进行随机分布和拼接，极大地扩充并充实了模型数据集，提升了对较小的水面漂浮物的检测能力。

YOLOv5在训练过程中添加自适应计算锚框功能，每次训练都自动计算不同训练集中的最优锚框值。

YOLOv5在对原始水面垃圾图片进行缩放操作时，会根据图片的尺寸，自适应地添加黑边，使得黑边最少。经过这样处理后，计算量大幅降低，从而使水面垃圾检测工作的执行速率得到大幅度的提高[3]。

1.2 Backbone

Backbone中包含有CSP结构与Focus结构。Focus的切片操作为，将原始尺寸为608*608*3的水面垃圾图片输入Focus结构，先采用切片操作，再经过一次卷积操作，最后结果为304*304*32的水面垃圾特征图[3]。

使用CSP模块能够提高网络的机器学习能力，在确保模型具有较高准确性的同时，也使模型轻量化，而且还能减少内存成本和计算瓶颈。

YOLOv5中主要设计并实现了CSP1_X和CSP2_X两种CSP结构，其中，Backbone主干网络中主要应用的是CSP1_X结构，可解决主干部分网络优化的梯度信息重复的问题[3]。有效提高了模型对空间布局和对象变形的鲁棒性。

1.3 Neck

在水面垃圾的检测系统中，在Backbone和输出层之间插入一些层能够更好地提取融合特征，称为“Neck”。是目标检测网络的颈部，也是算法组成中十分重要的一部分。

YOLOv5s的Neck采用FPN（自上而下）+PAN（自底向上结构的特征金字塔）的结构[4-5]。通过自顶向下的FPN层传达强语义特征；利用自底向上的特征金字塔传达强定位特征，在不同的主干层对应于不同的检测层，实现参数的整合，可缩短推理周期，减少内存占用[6]。

1.4 Prediction

输出端主要由两大部分组成：非极大值抑制[7]和Bounding box。GIOU＿Loss函数作为Bounding box的损失函数，可以有效解决水面垃圾图片边界框不重合的问题[8]。GIOU＿Loss函数采用相交尺度的衡量方式有利于解决边界框可能不重合的问题[9]。而针对出现的多目标框的挑选，采用NMS函数把GIOU＿Loss贡献值不是最大的预测结果都去掉，从而获得最优目标框。

2 实现水面垃圾检测流程

2.1 水面垃圾检测框架图

本文中的水面垃圾检测框架图如图2所示。由图2可以看出，实现水面垃圾检测的步骤首先通过Labeling对图片标注水面垃圾，然后建立数据集并将其转变为YOLO格式，数据集经过YOLOv5训练后可以获得权重数据，然后使用YOLOv5s利用水面垃圾权重数据对无人机回传的视频图像进行处理，最终输出检测结果。

2.2 样本集训练

水面垃圾的样本集是水面垃圾检测效果优秀与否的关键，样本集是否可行会对训练后模型的质量产生重大影响。为保证训练后的模型质量，本文采集的样本集尽量选用接近实际应用场景的图片。最后经过筛选，共收集水面垃圾图片790张，对收集的图片按顺序编号后进行重命名，组合为训练集和测试集，训练集和测试集的比例为7：3，通过Labelimg软件对水面垃圾进行标注，并将图片的标注的图片格式由 xml 转换成 YOLOv5s 的格式。

2.3 网络训练

首先，搭建水面垃圾检测环境并对模型进行训练，文中实验应用的操作系统为Windows10，开发语言选择Python语言。本文实验所使用具体配置情况见表1。

在训练的过程中，具体的训练参数及参数设置情况说明如下：网络模型训练阶段，物体检测验证集不衰减，总迭代次数为50次。输入图片尺寸为640*640，batch-size为4。

2.4 实验操作流程

首先，使用Labelimg软件对数据集图片中的垃圾分类框选，并对框选的垃圾标注其垃圾种类名称，最后将图片的标注格式转换为YOLOv5格式。图3为部分数据集的标注情况。

之后，通过YOLOv5s对数据集进行训练获得水面垃圾的权重数据。

如图4，使用Python调用train.py文件，通过VOC_rubbish.yaml和YOLOv5s_rubbish.yaml对训练模型的检测种类进行定义，之后对预训练权重文件的路径进行设置，同时设定size=4，epoch=50。通过训练即可获得水面垃圾的权重数据。

最后，通过YOLOv5s利用水面垃圾的权重数据对无人机回传的视频进行处理。

如图5，通过Python调用detect.py文件，设置检测视频的路径为testfiles/2.mp4 ，调用权重文件的路径为weights/best.pt，并且将检测的置信度设置为0.4。

3 处理结果及总结

通过使用YOLOv5s算法对水面垃圾进行检测，所得结果如图6所示。

通过对比处理前后的图像可以发现，YOLOv5s算法检测可以较为准确地识别图片中的水面垃圾，并且对不同种类的垃圾分类标注。如图6（a）中存在较小的水面垃圾，图6（b）中不但将其一一框选标注，而且精确地识别出框选的垃圾种类。当水面垃圾数量较多时，如图6（c），图片中共有水面垃圾8处，而图5（d）中不仅将所有水面垃圾成功框选出来，而且对框选水面垃圾的种类识别全部正确。同时，由图6（b）和（d）可以发现，YOLOv5s对水面垃圾识别的平均置信度为0.6，基本可以满足辅助环卫工人搜寻水面垃圾的需求。所以采用这种方法可以准确迅速地搜寻并识别水面垃圾，从而极大提高环卫工人搜寻水面垃圾的效率。

4  结束语

本文介绍了基于YOLOv5的水面垃圾目标检测方法，初步看来，此模型在水面垃圾的检测方向是极具可行性的。可实现对水面垃圾的智能化搜寻，辅助环卫工人清理水面垃圾，提高工作效率，减少人力物力的投入。但仍有待完善的地方，比如在大片水面垃圾堆积的水面有概率出现垃圾识别不完全的情况，在水面情况复杂的地方有较小概率出现识别错误的情况等。计划下一步将从网络模型的方面修改Loss函数 ， 从而提高性能，同时对数据集中水面垃圾的种类进一步细分，从而提高精确度。

参考文献：

[1] 周飞.水面清污机器人垃圾检测算法的研究[D].绵阳：西南科技大学，2020.

[2] 吴志新，聂留阳，董容君，等.基于深度学习的机场道面表观缺陷检测[J].电子技术与软件工程，2021（8）：174-177.

[3] 马琳琳，马建新，韩佳芳，等.基于YOLOv5s目标检测算法的研究[J].电脑知识与技术（学术版），2021（23）：100-103.

[4] 杨晓玲，蔡雅雯.基于YOLOv5s的行人检测系统及实现[J].电脑与信息技术，2022，30（1）：28-30.

[5] 王莉，何牧天，徐硕，等.基于YOLOv5s网络的垃圾分类和检测[J].包装工程，2021，42（8）：50-56.

[6] 赵冬.基于改进目标检测算法的吸烟行为检测[J].电子技术与软件工程，2021（24）：116-117.

[7] 杨晓玲，罗顺利，梁皓添.基于YOLOv5的交通路面障碍物目标检测[J].智能城市，2021，7（20）：121-122.

[8] 谈世磊，别雄波，卢功林，等.基于YOLOv5网络模型的人员口罩佩戴实时检测[J].激光杂志，2021（2）：147-150.

[9] 肖博健，万烂军，陈俊权.采用YOLOv5模型的口罩佩戴识别研究[J].福建电脑，2021，37（3）：35-37.

【通联编辑：唐一东】