海洋塑料污染与计算机视觉解决方案

根据环境保护机构的数据显示,大约30%的塑料制品最终会流入海洋。面对这一严峻的现实,来自加州州立大学蒙特雷湾分校、海洋清理组织和圣地亚哥加州大学的研究人员Gautam Tata、Sarah-Jeanne Royer、Olivier Poirion和Jay Lowe开始考虑计算机视觉技术在保持海洋清洁方面的作用。

最近,他们发表了题为《DeepPlastic:一种检测表层水域塑料的新方法》的研究论文。在这篇论文中,研究团队探讨了如果让自主水下航行器(AUV)自动识别并收集水下塑料,其效果会如何。团队专注于评估基于深度学习的识别水下塑料的方法的准确性。

研究团队提供了一个概念图,展示了AUV如何识别和收集受污染的海洋塑料。值得注意的是,研究人员专注于从真实世界条件中收集数据集:数据集由加利福尼亚州三个地点(南太浩湖、博德加湾、旧金山湾)拍摄的图像组成,同时结合了互联网上研究机构托管的图像,以增加不同地点海洋垃圾塑料的代表性。互联网图像的主要来源是日本海洋地球科学技术机构(JAMSTEC)拍摄的水下照片。训练数据集包含3200张图像。

收集到图像后,团队利用Roboflow等工具进行组织、注释和增强,以提高数据集的清洁度和多样性。研究人员遵循的计算机视觉流程如下:首先,他们比较了多种模型架构,如YOLOv4、YOLOv4-tiny和YOLOv5,得出结论,YOLOv5可能在设备边缘部署中平衡准确性和推理速度方面表现最佳,实现了0.98的mAP和每张图像1.4毫秒的吞吐量(在Tesla V100上运行)。

鉴于团队强调从不同条件下收集真实世界数据,该模型能够很好地泛化到各种水条件下的塑料(颜色、亮度和接近度)。使用基于深度学习的方法在海洋的表层水域进行推理的结果表明,该模型并非完美,可能会误分类对象,未来的原型应该继续进行数据集收集和模型迭代。

计算机视觉的创新应用感到兴奋,这些应用将改善环境健康!如果在自己的研究中使用Roboflow,可以通过电子邮件hello[at]roboflow.com联系,以获取增加使用限制的学术用途许可证。

沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485