改进卷积神经网络算法在水面漂浮垃圾检测中的应用

论文摘要

针对传统目标检测算法在检测水面漂浮垃圾时易受外界复杂环境影响而难以实现的问题,提出了一种基于改进卷积神经网络的水面漂浮垃圾检测算法。运用数据增强技术改善训练过程中因样本不足而导致的过拟合问题,并利用迁移学习的方法训练出水面漂浮垃圾目标检测模型。结果表明,与传统的ViBe背景建模算法相比,所提算法能对水面漂浮垃圾进行分类,并标记出垃圾位置,对垃圾的检测准确率高达93%,能完全克服水波、波光等外界干扰。

论文目录

• 1 水面漂浮垃圾检测算法
•   1.1 改进的VGG16
•   1.2 RPN层
•   1.3 整体网络结构的搭建
•   1.4 目标损失函数
• 2 水面漂浮垃圾检测模型制作
•   2.1 数据集的构建与制作
•   2.2 基于迁移学习的训练方法
•   2.3 具体训练步骤
• 3 实验结果分析
•   3.1 定性评价
•   3.2 定量评价
• 4 树莓派测试应用结果
• 5 结 语

文章来源

类型: 期刊论文

作者: 汤伟,高涵

关键词: 卷积神经网络,数据增强,迁移学习,漂浮垃圾检测

来源: 中国科技论文 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 环境科学与资源利用,计算机软件及计算机应用,自动化技术

单位: 陕西科技大学电气与信息工程学院,陕西科技大学工业自动化研究所

基金: 陕西省重点科技创新团队计划项目(2014KCT-15),陕西省科技统筹创新工程计划项目(2012KTCQ01-19)

分类号: X52;TP183;TP391.41

页码: 1210-1216

总页数: 7

文件大小: 1797K

下载量: 115